基于对话的关系抽取（DialogRE）任务旨在预测对话中出现的论元对之间的关系。大多数先前的研究主要通过微调预训练语言模型（PLMs），并利用大量特征来补充多说话人对话中的低信息密度。为了有效利用PLMs的固有知识而不增加额外层，并考虑论元之间分散的语义线索，我们提出了一种使用提示的引导模型与关系语义（Guiding model with RelAtional Semantics using Prompt，简称GRASP）。我们采用了基于提示的微调方法，并通过1）论元感知的提示标记策略和2）关系线索检测任务来捕捉给定对话中的关系语义线索。实验结果表明，即使我们的方法仅依赖于PLMs而未添加任何额外层，GRASP在DialogRE数据集上仍取得了F1和F1c分数的最佳性能。