如何优化GPT-4o-mini提示词以适配YouTube聊天Chrome扩展

一、上下文精简与结构化处理 #

• 字幕文本预处理：对1小时以上的字幕按时间切片（如每10-15分钟为一个片段），用轻量模型预先生成分段核心摘要，保留关键观点、事件及对应时间戳，仅传入摘要而非完整字幕，大幅压缩上下文体积。
• 规则分层优先级排序：将核心规则（身份定位、格式要求、必守行为规范）放在系统消息最前端，用明确标签区分；非核心规则（边缘用例、次要规范）仅在用户提问涉及对应场景时动态插入，避免一次性塞入所有规则。
• 结构化上下文标记：用分隔符和标签明确区分不同类型的上下文，示例格式如下：

  ---视频元数据---
  标题：xxx
  时长：1h30m
  ---核心规则---
  1. 身份：仅基于提供的视频内容回答的YouTube智能助手
  2. 格式：时间戳统一用[MM:SS]格式，总结需分点呈现
  ---分段字幕摘要---
  [00:00-15:00]：介绍xxx核心概念，关键信息包括...
  [15:00-30:00]：演示xxx操作步骤，[20:15]为核心节点
  

二、提示词指令优化 #

• 指令前置与明确约束：在提示词开头直接明确任务边界，比如：“你是YouTube视频智能助手，需基于提供的分段字幕摘要、视频元数据和核心规则回答用户问题，严格遵循格式要求，仅使用给定上下文，禁止生成无关内容。当前用户提问：[用户问题]”
• 规则具象化替换模糊表述：将模糊规则替换为具体示例，比如把“返回上下文感知的回答”改为“回答必须关联对应时间戳，总结时每个关键点标注对应的片段时间范围”；针对常见用例，直接给出正确输出样例作为规则参考。
• 控制提示词总长度：拆分规则为核心集和可选集，核心规则保留在系统消息，可选规则（特殊场景处理）仅在对应提问出现时动态加载，减少单次提示的冗余内容。

三、适配GPT-4o-mini特性 #

• 强化一致性约束：结合当前0.3的温度值，在提示词中增加“输出需保持高度一致，严格遵循给定规则，避免发散内容”的指令，进一步稳定输出质量。
• 强制结构化输出：针对不同类型提问指定固定输出格式，比如总结类问题要求：

  ### 核心总结
  - 关键点1：[内容]（[时间范围]）
  - 关键点2：[内容]（[时间范围]）
  

  用明确格式指令降低输出混乱概率。
• 高效利用上下文窗口：优先保证核心规则、视频核心片段（开头引入、结尾结论）的摘要传入，次要片段的摘要可适当合并精简，最大化利用128k窗口的高价值空间。

四、动态适配与预处理 #

• 按时长调整摘要策略：1-2小时视频采用10分钟切片摘要；2小时以上视频合并相似主题片段，生成主题式摘要而非纯时间切片，减少摘要数量。
• 预缓存核心规则模板：将核心规则整理为固定模板，每次调用直接插入；针对不同提问类型（总结、细节查询、时间点定位），动态加载对应场景的规则片段，避免冗余。

内容的提问来源于stack exchange，提问作者Martin