简介一份聚焦ChatGPT提示词实战的中文调教指南适合希望让ChatGPT产出更符合自己需求的中文用户无论是办公族、内容创作者、程序员还是学生都能从中找到可直接复用的对话范例。资源按学术论文、创意写作、商业文书、翻译润色、数据分析、技术文档、简历求职、演讲稿等十余类场景逐一拆解给出可直接套用的中文指令示例同时收录了“充当Linux终端”“担任面试官”“文字冒险游戏”等进阶玩法并覆盖表格绘制、角色扮演等实用场景帮助读者从基础问答过渡到精准操控模型输出摆脱“不知道怎么问”的困境。压缩包仅含1个PDF文件大小694KB内容紧凑、随用随查没有任何冗余篇幅。目前已有699人学习下载适合用来快速搭建自己的提示词模板库提高日常写作、翻译、编程等各类文本任务的完成效率是一份轻量实用的ChatGPT入门与进阶手册。1. ChatGPT中文调教指南同样一句中文提问为什么有人得到废话有人得到初稿ChatGPT中文调教指南听起来玄乎其实就干一件事把「你想要的」翻译成模型能精确执行的指令。同样是「帮我写个活动方案」有人拿到一堆正确的废话有人拿到的是能直接放进周报的初稿同样让模型翻译一段英文有人拿到的是拗口的直译腔有人拿到的是读起来像中文母语者写出来的版本。差别不在模型版本而在提问方式。这篇内容面向那些中文用得很多、但总觉得 ChatGPT 「不太听话」的从业者也面向想把提示词变成可复用资产的人。调教这件事不难难的是不再靠运气。2. 中文Prompt四件套角色、任务、约束、输出格式的一次拆解中文调教最靠谱的入手点不是学一堆花哨话术而是掌握一套稳定的结构。我平时写中文 Prompt 基本只用四件套角色、任务、约束、输出格式。无论翻译、润色、写文案还是分析代码套这个结构都能让输出质量上一个台阶。下面把每一件拆开讲顺带说明为什么它有用、改哪里最见效。2.1 角色设定一句「你是一名资深编辑」为什么比十句形容词管用模型内部是个黑匣子没人能完全解释角色提示为什么有效但从效果上看它确实在改变输出的概率分布。ChatGPT 的生成机制是逐词预测当你给它一个身份它会在预训练阶段见过的语料里倾向于选择符合这个身份的表达方式。中文尤其吃这一套——职业身份同时带来词汇、句长、正式程度、语气习惯等一系列隐性约束比你写「请回答得专业一点」具体得多。实际写角色时我建议把它放在 Prompt 的第一句并附带一段简短的能力描述。下面是我经常用的模板结构# 角色 你是一名在中文互联网公司工作十年的资深内容编辑擅长写结构清晰、有数据支撑、不啰嗦的运营文案。 # 任务 把下面这段产品介绍改写成公众号推文开场白150字以内。 # 约束 - 不用感叹号堆情绪 - 不写「众所周知」「不得不说」这类话 - 保留原文里的关键参数 # 输出格式 直接输出改写后的段落不要解释不要加标题。这个模板里每段都有用途。「角色」放最前面让模型从第一句就开始进入状态「任务」单独列一行避免和角色描述混在一起「约束」尽量写成否定句模型对「不要什么」的理解往往比对「要什么」更具体「输出格式」最后一条堵死它加解释的后路。很多翻车案例问题都出在角色、任务、约束混成一团前后三句话全都写在一起模型根本分不清哪个是重点。2.2 任务描述动词开头、对象明确、交付物清楚三句话内说清中文用户最常犯的毛病是任务描述太模糊。「帮我看看这段代码」「总结这篇文章」——这些指令里没有动作边界也没有交付物定义模型只能按它默认的理解自由发挥。自由发挥的结果就是正确的废话。我一般会把任务改成动词开头、带具体数量和交付格式的句式。对比下面两组说法「帮我看看这段代码」→「指出这段 Python 代码里可能导致内存泄漏的三处问题按严重程度排序每处给修复建议」「总结这篇文章」→「把下面的文章压缩成 5 条要点每条不超过 20 字保留关键数字」改动之后模型知道要输出什么颗粒度的内容。动词「指出」「压缩」限定了动作「三处」「5 条」「不超过 20 字」限定了数量「按严重程度排序」限定了结构。这些细节看似无关紧要但中文任务描述一旦带上数量词模型收敛速度会明显变快。原因是数量词给了生成过程一个终止信号——写够三条就停而不是一直补废话。2.3 输出格式表格、列表、JSON用格式约束倒逼模型收敛格式约束不只是排版问题它直接影响模型组织信息的方式。要求表格输出时模型被迫先想好表头和列之间的关系要求 JSON 输出时模型必须把内容塞进固定字段。这是用格式倒逼模型收敛而不是让它自由散漫地写长段落。一个典型的例子是整理用户反馈。直接问「这些反馈主要有哪些问题」得到的是一段概括改成下面的格式要求结果就完全不一样把下面的用户反馈按「问题类型 / 原文摘录 / 建议方案」整理成 Markdown 表格。只输出表格不要补充说明。 反馈内容 1. 登录页加载太慢等了快十秒才出来。 2. 安卓端点击保存按钮没反应要重启才行。 3. 设置里的选项顺序太乱找不到「消息通知」在哪。这段提示词的关键是最后那句「只输出表格不要补充说明」。不加这句模型大概率会在表格前后各写一段总结把整页输出撑得很长。实践中如果它还多嘴就在模板后面追加一句「这是在执行程序自动化不要添加任何解释」。格式约束一旦建立后续每次调用就不用重新解释规则这也是它能作为「四件套」独立存在的原因。到这里四件套已经覆盖了大多数日常中文任务的基础写法下一章直接落到三类高频场景。3. 中文高频场景实战翻译、长文润色、文案生成的调教话术四件套讲的是骨架这一章给血给肉。很多 ChatGPT 使用教程只教你功能入口在哪不教话术怎么组织。我把中文用户用得最多的翻译、润色、文案生成三个场景各拆一个可直接复制的模板并解释每个关键句为什么存在。3.1 翻译调教先给风格定义再列禁止项甩掉机翻腔直接说「翻译成中文」得到的往往是逐字直译的机翻腔。中文和英文的句式结构差异很大英文的长定语在中文里要断句被动语态要转主动模型默认输出时不会自动处理这些。我的做法是先给它风格锚点再给一组否定约束你是中文母语译者。把下面这段英文翻译成中文。 要求 - 风格偏向科技媒体的口语化表达不要逐字直译 - 术语首次出现时保留英文原文括号备注 - 句子不要超过40字 - 不要出现「我们」「大家」这类填补词 原文 This approach dramatically reduces latency by moving the computation to the edge, which also improves data privacy because sensitive information no longer needs to traverse the network.翻译结果对比例子在这里不多展开关键看两个参数一是「句子不要超过40字」这会强制模型把英文长句拆成中文短句二是「不要出现『我们』『大家』这类填补词」中文书面翻译里最容易出现这种废话。如果第一版翻出来还是硬就把每一条要求改成否定句——「不要逐字直译」比「翻译得自然一点」有效因为否定句给了模型一个明确的排除边界而不是让它自己推断什么叫「自然」。3.2 长文润色给模型「能改」和「不能动」两张清单长文润色是重灾区。直接说「润色一下」模型会把原文里本来对的细节改错尤其是专业术语和数据。润色的正确做法是给模型画操作边界明确列出能做什么、不能做什么。请润色下面的段落。只能做三件事 1. 合并重复表达 2. 把被动语态改成主动语态 3. 删掉「非常」「十分」这类程度副词的冗余用法 不能做改写专业术语、调整事实数据、改变段落顺序。 输出时把修改过的句子用加粗标出并列出每处改动的原因。 原文 由于该方案非常复杂参与本次项目的人员十分重视对数据隐私的保护因此我们决定采用本地的部署方式来实现这一目标。这套 Prompt 的核心是「只能做三件事」。把开放式写作降级成有范围的编辑后模型的幻觉率会明显下降——它不敢动术语也不敢调数据。最后一行要求它列出改动原因有三个作用方便人工复核、让模型生成时更谨慎、给你一个判断它有没有越界的依据。这是一条让模型自己给自己设防的路径比事后检查省力得多。3.3 文案生成用正反两个示例锁死风格少堆形容词「轻松一点」「幽默一点」「高级感」这些形容词模型根本不知道你的度量衡是什么。你眼中的轻松可能是它默认输出的「嗨亲爱的用户」。锁死风格最可靠的办法是给示例而且最好同时给一个正面示例和一个反面示例。正反对比能把风格边界钉死。请写一段关于错题本应用的开机欢迎语风格模仿下面两个示例 示例A太正经不想要 欢迎使用错题本应用致力于提升学习效率。 示例B想要的感觉 错题本在这儿你只管把上次摔的跤变成下次的垫脚石。 请按示例B的感觉写三版每版15字以内不要解释。为什么正反示例都必要只有一个正面示例时模型容易抓不住你喜欢的核心特征只学到句式外壳加上反面示例后模型会明显收敛到两者的差距区间。「每版15字以内」是数量约束「不要解释」是格式约束避免它写完了又来一段创作说明。示例本身不要写太长两三句就够太长的示例会让模型模仿结构而非模仿感觉。4. 从Prompt到参数temperature、自定义指令与上下文降智对策中文调教不只有 Prompt 文本层面参数和上下文管理同样影响最终效果。这一章讲清楚三个问题参数怎么配合任务类型长期偏好怎么固化以及对话变长后输出质量下降怎么处理。4.1 temperature 与 top_p创意调高、事实调低的参数地图temperature 控制生成的随机性数值越高输出越发散top_p 按概率截断候选词集合效果类似但机制不同。社区里常有人把这两个参数当玄学乱调实际上它们有明确的使用场景。下面是我平时用的参数参考表任务类型temperaturetop_p说明事实问答 / 代码生成0.1 ~ 0.30.1 ~ 0.5降低幻觉追求保守输出文案润色 / 改写0.3 ~ 0.70.5 ~ 0.8保留风格同时允许变化创意写作 / 头脑风暴0.7 ~ 1.20.8 ~ 0.95要发散允许不合理如果你是调用 API 来做中文调教参数可以直接在请求里指定。下面是一个最小可用的 Python 示例from openai import OpenAI client OpenAI() # 密钥从环境变量读取不要写进代码 response client.chat.completions.create( modelgpt-4o-mini, # 按你账号可用的模型替换 messages[ {role: system, content: 你是中文内容编辑回答要求口语化、有信息密度。}, {role: user, content: 用三句话说明今天迭代的重点} ], temperature0.4, # 事实型任务压低发散度 top_p0.7, # 与 temperature 二选一调整一起调会重复生效 max_tokens300, # 限制输出长度防止模型展开 ) print(response.choices[0].message.content)这段代码的核心是 messages 数组里的 system 角色你在第 2 章调好的角色与约束到这里可以固化成一条持久指令不用每次对话手打。参数部分temperature0.4 适合任务句式已经写清楚、只需要保守执行的场景如果是头脑风暴把它拉到 0.8 以上会更发散。top_p 我平时不调官方建议它和 temperature 二选一使用一起动等于重复放大随机性输出反而失控。max_tokens300 是针对「说三句话」的任务限制防止模型收不住尾。没有 API 环境的读者可以跳过代码直接理解参数含义即可。4.2 自定义指令把中文表达基线写进长期记忆网页端的 Custom Instructions自定义指令相当于全局 System Prompt每次对话自动生效。对中文用户来说这是解决「每次都要重新说一遍」的好办法。把常用的表达偏好写进去之后任何会话都自动带这套基线。下面是我维护的一组自定义指令示例你是一位长期使用 ChatGPT 的中文内容从业者。 在回答中文问题时 - 默认使用简体中文不要出现翻译腔。 - 不要使用「首先/其次/最后」「总而言之」这类框架词。 - 数据、术语、外文人名首次出现时给出中文并在括号内保留英文原名。 - 默认输出 Markdown 格式能用表格就不要用长段落。自定义指令的价值在于基线统一但它处理不了单次任务的特殊性——比如某一轮你明确要翻译腔或某一轮要求输出散文。所以它和四件套是配合关系不是替代关系。另外要注意别在自定义指令里写「每次都要夸我」这类无效内容模型会当真但不会带来实际效果写具体、可执行的偏好才有意义。4.3 上下文一长就降智清理、压缩重述、新建会话对话拉到一定长度后输出质量明显变差中文社区里管这个叫「降智」。这不是某个版本特有的问题模型在长上下文里会忘掉早先的设定也会开始复读自己或用户的话。排查时先看两种情况一是对话里塞了大量无关历史模型的分辨力被稀释二是单轮消息过长已经接近窗口上限。我的处理顺序是先清理删掉无关的历史轮次只保留设定与关键事实再压缩重述把整段历史任务重写成一段话塞回上下文相当于给失忆的模型写一份交接文档前面我们讨论过项目背景已经确认结论一、结论二。下面请基于这些结论继续做下一个任务。最后才是新建会话。很多人舍不得删对话但我建议把大任务拆到独立会话里做——单会话保持短小是预防降智成本最低的手段。新建会话不丢人的把交接文档塞进第一条消息模型能无缝接上。5. 中文调教避坑五个让输出立刻变废的误操作与排查调教不是堆字数。下面五个误操作我几乎每周都在同事的对话记录里看到每一条都按「现象 → 原因 → 解决」整理你可以直接对照排查。当然如果你连客户端都打不开、反复重连、报出「config.toml 加载失败」这类异常先处理环境问题再来谈调教环境没就绪之前的一切尝试都白搭。5.1 长指令全堆在第一段约束越到后面越失效现象用户把角色、任务、约束全部塞进第一句话结果模型只执行了前半句后半段的格式要求全被忽略。原因上下文里各位置的信息权重不一样中段和尾段的约束容易丢失过长的指令也会让模型记不住精确边界。解决按第 2 章的四件套拆成独立段落角色放最前关键约束放最后一句。如果约束数量超过三条优先保留否定句形式的那几条。5.2 输出永远是「首先、其次、最后」的公文腔现象明明没要求结构化模型却自动生成「首先……其次……最后……」的三段式回答满屏 AI 味。原因模型默认中文长回答的常见形式就是这种框架没有收到足够的风格指令时它会走概率最高的老路。解决在约束里明确写「不要使用首先其次最后不要总结」或者用第 3 章的 few-shot 方式给一个非 AI 味的示例。只口头抱怨没用要把风格要求写进指令。5.3 角色设定改了回答却没变化现象Prompt 里写了「你是毒舌编辑」回复还是客客气气像没看到一样。原因角色设定与当前任务之间存在权重冲突尤其任务本身信息量大时模型优先处理任务角色被边缘化。解决把风格要求复述进任务句比如「用毒舌编辑的语气写三段点评」或加一句「换一种语气重写一遍」强制覆盖。输出长度太短也会让风格没空间施展顺手把 max_tokens 调大一点。5.4 中英夹杂、术语乱译中文语境约束不足现象中文回答里硬塞英文术语人名音译前后不一致专业名词被翻成莫名其妙的说法。原因模型在中英平行语料之间预测游移中文约束不足时它会选择自己更「熟悉」的英文原词。解决在约束句里写明「术语给出中文首次出现括号注明英文」人名地名最好直接给出对照表把关键术语当成事实输入给模型而不是让模型自己猜。这一步能明显减少中英夹杂但要接受偶尔还是要人工复核。5.5 调教方案换个会话就废了现象上一轮调得顺手新建会话后模型又回到原始状态之前积累的设定全都不生效。原因会话级的设定不会持久化ChatGPT 默认每次对话都是独立开局除非你把偏好写进自定义指令。解决把常用模板存成文本文件或代码库里的 prompts 目录按统一格式管理长期表达偏好写进自定义指令。别靠记忆靠文件。6. 用对照法给Prompt做版本管理让每一版调教都可回滚调教最大的玄学在于变量混动。我自己早期经常一次改三处——加角色、改温度、换输出格式结果效果好也不知道该归功于谁。后来老老实实做对照同一个任务一次只改一个变量。比如验证角色设定的影响就固定任务文本、固定 temperature只加一句「你是一名资深编辑」对比两版输出。这个方法不需要任何工具开两个会话就能做。长期维护多套 Prompt 的人建议落一个简单的版本记录表字段可以这样设计日期任务类型Prompt 版本关键参数效果评分备注2025-03-12翻译v1.3temp 0.34.5加了40字断句约束后明显改善2025-03-15润色v2.1temp 0.54.0两张清单有效但术语误改仍存在版本记录不必做得多精细能回答「这版 Prompt 当时为什么好用」就够了。我自己吃过亏当时顺手关掉了对话过一周想找回那个效果怎么都还原不出来重新试了很多轮都不对。后来把版本记录写到文本文件里每次调整都留一行备注才彻底解决。调教这件事最怕的不是模型笨是你不给自己留后悔药。现在我会在每次写新模板时顺手存一份不敢说所有 Prompt 都能一次调好但至少每一版都留得住。希望帮到你。本文还有配套的精品资源点击获取