尧图网站建设 
简介资源收录18个可直接复用的ChatGPT提示词面向希望借助AI提升工作效率的职场人士、创业者和管理者。压缩包内为1个docx文档体积约13KB轻量易用下载后可在电脑或手机随时查阅。提示词覆盖营销策略、品牌建设、业务运营、供应链管理、商业模式、团队协作、社交媒体、客户体验、创业规划、财务预测、企业文化、谈判技巧、市场分析、项目管理、销售转化、数据分析、风险管理与客户服务共18个高频场景并嵌入了4P营销、黄金圈、精益六西格玛、SCOR、商业画布等经典管理模型每条提示词附带中英文对照可直接粘贴到ChatGPT对话中再替换自身业务关键词即可得到结构化建议适用于写方案、做分析、定策略等日常提效场景。目前已有329人学习。1. 为什么别人用 ChatGPT 提示词一次到位你却还在反复追问同样是让 ChatGPT 写一封客户邮件有人敲三行字就拿到能直接发的版本有人来回掰扯了五轮还在改称呼。差别不在模型而在你给出去的那段话。所谓 18 个 ChatGPT 提示词 Prompts不是什么魔法口令而是一套把需求讲清楚的结构化模板告诉模型你是谁、要它做什么、按什么格式交、给什么参考。这篇文章按写邮件的、做分析、写代码的和整理文档的四类工作拆给你每个都给了能直接复制的模板和参数改法。适合被 ChatGPT 敷衍过、又不想去啃提示词工程的普通从业者。读完之后你能攒出一套自己的提示词库比收藏 18 个现成句子更有用。2. 提示词工程的底层逻辑先学会把 ChatGPT 当新员工而不是搜索引擎2.1 角色、任务、上下文、格式四个要素决定输出质量很多人把提示词当成搜索关键词 Plus写帮我写份周报得到的就是空话连篇的列表。原因是你没给模型任何干活的抓手。我一般把一条合格的提示词拆成四块角色、任务、上下文、格式。角色是你是谁任务是做什么上下文是背景和材料格式是怎么交。这四个要素齐了模型才会像新员工一样开始干活而不是像搜索引擎一样猜你想听什么。空泛提问的典型翻车现场是这样的帮我分析一下销售数据。模型会回一段放之四海皆准的套话销售数据是了解业务表现的重要指标建议关注环比和同比……全是正确的废话。换成结构化版本你是一名有十年经验的销售运营分析师。我提供了一份Q3各区域销售额明细见下方数据请找出环比下滑最严重的三个区域用表格列出下滑幅度并解释可能原因每个原因给一条可执行的改进建议。同样一段数据第二种写法对方知道该算什么、按什么顺序输出、以什么形式展示。这不是玄学是沟通成本的问题——你让一个远程实习生干活也得把背景交代到这个程度。角色设定之所以放在第一位是因为模型在训练语料里见过大量专业分析师的文本给角色相当于把它切换进对应的语言风格。2.2 一次说清 vs 逐步追问为什么结构化提示词能省 10 倍时间网上有种论调说不会提问就多问几轮实际用下来多轮对话是效率的陷阱。每追问一次模型就重新理解一遍你的意图随着上下文变长它还容易忘掉前面的设定。比如你一开始说写个方案它出一版通用内容你说再具体一点它换成另一种通用内容你说结合我们的预算它才开始往约束上靠。三轮下来你花的时间足够写十个合格提示词了。把全部约束写进第一条消息相当于让模型一次把话说清楚。我实测同样一个市场推广方案任务多轮追问平均要 10 分钟一次说清只要 1 分钟而且前者因为中间步骤跑偏经常要回到某一步重来。这也解释了为什么别人用 18 个提示词模板就能效率暴涨——他们不是掌握了神秘技巧而是把试错的步骤全部前置到了提示词里。2.3 从 18 个提示词里抽出的通用模板骨架我在本地维护了一个模板骨架任何任务都往里面填你是[角色]有[专业背景]。 请在[背景信息]下完成[具体任务]。 要求 - 输出格式[列表/表格/代码块/三段式] - 风格[正式/口语/简洁/详细] - 长度[字数或条数] - 参考示例[可选给一段你喜欢的写法]这段骨架可以直接复制到任意对话窗口。注意第三行的约束条件它是提示词工程里最容易被人忽略的部分。很多人写提示词只写到任务就停了后面的输出格式和风格全部省略模型只能按训练时的默认习惯来。默认习惯通常是普通文档模式够用但不专业。骨架里每一项都能单独调把风格改成像公众号文章能去掉翻译腔把长度改成三条要点能逼模型做取舍参考示例是万能杠杆你贴一段自己写的文字说按这个风格重写效果比任何形容词都精准。后面我会逐个展开这里你只需要记住任何提示词本质上都是给这个骨架填参数。3. 把 18 个提示词拆成四类工作场景直接复制改参数就能用3.1 写作与沟通类邮件、报告、会议纪要的提示词写作场景是提示词工程最直接的价值兑现点。以最常见的给客户写延期通知邮件为例你可以直接用这套你是一名资深商务助理擅长把零散信息整理成得体的中文商务邮件。 背景我需要给客户王经理写一封邮件告知项目延期两周原因是第三方接口验收未通过但要保持合作信心。 任务写一封不超过200字的邮件包含道歉、原因说明、补救措施和新的时间承诺。 要求语气诚恳但不卑微不用感谢您的理解与支持这类模板套话。逻辑说明这里指定了角色、背景、任务、长度、风格五个要素。特别是不用模板套话这一句能过滤掉模型最习惯的官僚腔。如果你希望语气更亲近把角色改成你是我团队里最会说话的产品经理如果客户是老关系加一句称呼用老王即可。200 字这个数字换成 300 字模型会主动补充细节但不会超出你给的范围太多。会议纪要又是另一类高频需求。我常用的模板下面是我今天的会议录音转文字请整理成会议纪要。 要求 - 用表格列出议题、结论、待办事项、负责人、截止时间 - 只保留有信息量的句子删除寒暄和口语 - 待办事项里标注优先级P0今天必须处理/ P1本周/ P2下周把录音稿直接粘贴在提示词后面就行。注意标注优先级这一步模型会根据上下文内容自行判断虽然偶尔判断不准但比你自己逐条敲省事。如果会议里涉及数字目标建议在提示词里加一句所有数字必须保留原始值不要四舍五入——这是我从一次把 3.8% 写成 4% 的翻车里得来的教训。3.2 分析与决策类数据解读、方案对比、风险排查分析类任务最忌讳的是让模型自由发挥它没有你的业务背景只能靠常识推断。所以提示词里要把已知条件和输出结构都钉死你是一名数据分析师请基于我提供的表格数据做归因分析。 数据各产品线Q1到Q3销售额见下方粘贴。 任务找出三季度整体销售额下滑的主要原因按影响程度排序。 要求用三段式输出——先给结论再列证据最后给建议每个建议带上可执行的下一步。参数说明这里的按影响程度排序会强制模型对原因分优先级三段式限定了输出结构。如果你把建议改成给出 A/B 两个可选策略模型的输出会更偏决策而非分析。数据敏感时可以在粘贴前把列名改成 A/B/C避免上下文里的真实字段干扰模型判断也避免把公司数据直接留在对话历史里。方案对比是另一个被用滥但依然好使的场景请对比A和B两个方案从成本、效率、风险三个维度打分。 A方案自建团队开发预估成本80万周期6个月。 B方案采购现成工具预估成本30万周期2个月定制性差。 输出要求用Markdown表格对比每个维度给出1-5分和一句话理由最后给一个明确推荐。这里有个坑模型对现成工具的定制性风险会靠自己的知识库推测所以你要把已知的约束全写进背景否则它只能靠猜。比如你知道 B 方案的工具 API 文档很烂就补一句B方案接口文档质量差集成成本可能被低估。所有你没说的背景都可能成为模型判断的黑匣子。3.3 编程与技术类代码生成、调试、重构的提示词AI 编程提示词是这两年最实用的分支但很多人让它写代码就像在许愿。正确做法是把边界条件写全你是一名Python工程师请帮我写一个函数。 任务读取指定目录下所有Excel文件把每个文件的第一个Sheet合并到一个DataFrame中保留文件名作为来源列。 要求 - 使用pandas和pathlib - 处理文件不存在和空表的情况打印警告而不是抛异常 - 输出代码和一行使用方法 - 不要解释原理直接给代码逻辑说明给模型指定库和异常处理方式比裸问帮我合并Excel靠谱得多。特别是打印警告而不是抛异常这种边界需求模型通常不会主动想到必须写进提示词。如果你不用 pandas 而用 polars把第一行要求换掉即可。最后那条不要解释原理能省掉一大段废话我见过太多人从代码里插播一篇论文式的注释了。调试类的提示词要点在背景以下是我的一段代码和报错信息请帮我定位问题并给出修复后的完整代码。 代码[粘贴代码] 报错IndexError: list index out of range 背景这是一个爬虫脚本我在解析列表页时取第3个元素作为标题但有些页面只有2个元素。 要求修复后解释根因并给出防御性写法。注意背景提供了报错发生的数据条件模型才能判断出要用条件判断或 .get() 写法。如果没有背景它只会告诉你索引越界请检查列表长度等于没说。所谓提示词工程很多时候就是比谁会向模型交代现场。3.4 学习与整理类总结长文、提炼要点、生成清单长文档总结最怕变成逐段复述。我用得顺手的是这个模板请你总结下面这篇文章我的目的是快速了解核心观点不需要逐段复述。 要求 - 用5个要点概括每个要点不超过一句话 - 把我可能有用的名词单独列出来并给一句话解释 - 最后用一句话说明这篇文章的结论是否靠谱依据是什么最后用一句话说明结论是否靠谱这步很反直觉它能逼模型做批判性阅读而不是复读机式摘要。如果你只想抓重点把5个要点改成按重要程度排序的前3条模型会自动砍掉碎枝末节。如果是英文材料加一句翻译时保留原始术语第一次出现时附英文原文能避开一堆译名不统一的问题。生成清单类任务核心是指定用途我是一名产品经理需要准备一份线下用户访谈的提纲。 任务生成一份1小时访谈的提问清单。 要求 - 按时间线分为破冰、需求挖掘、痛点验证、产品反馈四个阶段 - 每个阶段3-5个问题问题要开放式避免是不是这种引导式提问 - 在问题旁标注每个问题想验证的假设这个模板的亮点是标注每个问题想验证的假设它让输出从一堆问题变成了可执行的研究工具。实际使用时把你自己的行业和产品背景替换进第一行即可比如面向社区团购团长或面向中小企业HR。想知道某个问题为什么被设计出来甚至可以追加一句解释第三个问题为什么要问出这句话模型能讲出背后逻辑帮你评估问题质量。4. 提示词里的 5 个必调参数温度、长度、角色设定、示例、输出格式4.1 温度什么时候该保守什么时候该发散在 API 里 temperature 是 0 到 2 的浮点数网页版用户看不到这个滑杆但可以用自然语言控制。比如在提示词里写请用最稳妥的写法不要创意发挥等价于设低温写给出三个差异化的方案越激进越好等价于设高温。我做代码和数据分析时要求保守比如不要用正则表达式以外的技巧不要改动现有函数签名做文案策划时要求发散比如给五个不同风格的标题包括一个打破常规的。同样是写一句话温度和任务的匹配度决定了输出是精准还是失控。4.2 输出长度和格式用 Token 上限和 Markdown 结构约束答案提示词里的200字5个要点其实就替代表格的 max_tokens 参数。模型会根据你的字数约束主动收尾但它不会精确控制字数所以最好给范围例如500-800字。比长度更可控的是格式。要求用 Markdown 表格列出模型就会分列要求返回 JSON并指定字段名必须是 name, price, stock甚至可以拿输出直接当程序输入。我见过最省心的用法是让模型输出后直接存成 .md 文件——提示词里写清楚标题层级和列表符号生成结果可以直接用于文档归档。4.3 角色设定和示例让 ChatGPT 模仿你想要的文本风格角色设定的底层原理是风格锚定。模型在训练语料里见过大量律师、记者、工程师的文本给角色提示词相当于让它切换到那套语言风格。如果你写你是一名税务师输出里就会出现根据现行税法规定这类句式写你是脱口秀演员输出马上变成口语段子。如果连角色都搞不定那就用示例也就是 few-shot。你贴一段自己写的文字说请按这个风格重写这段话保持语气和句式长度效果比文笔好一点强十倍。示例是最强参数因为它不是描述风格而是直接给了风格样本。这里补一个我常用的参数组合思路角色决定语言风格示例决定行文节奏格式决定结构长度决定颗粒度。四个一起上输出基本就能达到可修改的程度而不是可参考的程度。5. 避坑指南90% 的人把提示词写在聊天框里却不知道这些翻车点5.1 现象ChatGPT 答非所问原因任务描述太宽泛解决用限定词缩小范围典型例子你问帮我写个方案它给你一份通用项目计划。改成帮我写一份针对线下门店的引流方案预算 1 万元周期两周目标拉新 500 人输出立刻变得可落地。宽泛提示词是提示词工程里最大的坑因为模型只能靠平均概率猜你要什么。每多一个限定词模型的搜索空间就小一圈翻车概率也随之下降。5.2 现象输出全是正确的废话原因没有指定受众和目的解决让模型知道给谁看写一份市场分析报告和写一份给 CEO 看的、一页纸内的市场分析报告摘要是两件事。受众决定措辞和信息密度给 CEO 看要结论先行少堆术语给执行人员看要步骤和责任人给客户看要规避专业名词。提示词里加一句读者是 XX阅读场景是 XX能直接改变输出的组织方式。我试过同一份数据报告分别写给业务团队和给投资人生成的两版内容取舍完全不同。5.3 现象提示词太长被截断原因上下文窗口超限解决分段输入和摘要先行ChatGPT 对话有上下文限制把整本书粘贴进去让它总结常常报错或丢头尾。解决办法是分段喂先让它通读每段并生成要点再让它基于所有要点做整体总结。千万别把总结全文的期望建立在一次粘贴全部内容上。另外在长对话中如果模型开始遗忘前文的设定把关键要求复制到最新一条消息里重申一遍比让它回忆更快。我见过有人因为模型忘了角色设定连着崩溃好几轮最后才发现是对话太长导致的。5.4 现象直接抄网上的提示词没效果原因角色和背景不匹配解决改写成自己的业务场景网上流传的提示词模板比如你是资深律师你是十年经验的营销总监抄过来用往往水土不服。因为模板里的任务描述和你的具体诉求是脱钩的——模板作者写的是他的场景不是你的。我的习惯是把别人模板里的角色和任务段删掉只保留输出格式和约束条件再填自己的背景。这才是提示词的正确复用方式。那 18 个提示词也是一样直接复制永远不如改成自己的。5.5 现象一次不满意反复重新生成原因没有迭代意识解决让模型自己挑毛病很多人点重新生成像赌转盘这是心理上的偷懒。更好的做法是追加一句请指出上面输出里的三个薄弱点并针对每个薄弱点给出修改版。这相当于让模型做自审比你自己找茬快得多。我用这个技巧改方案通常两轮就能收敛而不是靠运气抽到好答案。有时候模型挑出的薄弱点恰好是你没想到的角度等于白赚一个视角。6. 把 18 个提示词变成自己的提示词库一个迭代维护的实战技巧不要试图背下那 18 个提示词而是拿它们当种子种出自己的提示词库。我维护一个纯文本文件每条记录按这个格式场景提示词版本效果评价失败点下一次修改写客户延期邮件v1太客套感谢理解这类套话太多加不要用模板套话会议纪要v2遗漏了结论表格里没有结论列在格式里加议题-结论-待办Python合并Excelv3没有处理空表遇到空文件就崩溃加打印警告而不是抛异常每次用完觉得差就把问题记下来下一版把不要 XXX加进提示词。这种记录-迭代才是提示词工程的精髓——模型本身没变变的是你对它的控制精度。我之前把好的提示词都留在聊天记录里不整理两个月后发现同样的任务要重新调半天后来才开始用文件管理现在每条提示词配一个示例输出换电脑也不丢。还要提醒一句提示词里不要塞敏感信息。之前有过 AI 编程工具提示词泄露的事件说明提示词本身就是资产但也是风险。公司内部数据、客户联系方式这类东西尽量用代号或让模型只处理脱敏后的内容。最后讲一个我自己的教训早期我总想找万能提示词试了一圈发现根本不存在。真正让效率提升的是把提示词当成一件反复打磨的工具每次多一个约束输出就准一分。希望帮到你。本文还有配套的精品资源点击获取 ChatGPT提示词工程实战：18个高效模板与参数调优指南
简介资源收录18个可直接复用的ChatGPT提示词面向希望借助AI提升工作效率的职场人士、创业者和管理者。压缩包内为1个docx文档体积约13KB轻量易用下载后可在电脑或手机随时查阅。提示词覆盖营销策略、品牌建设、业务运营、供应链管理、商业模式、团队协作、社交媒体、客户体验、创业规划、财务预测、企业文化、谈判技巧、市场分析、项目管理、销售转化、数据分析、风险管理与客户服务共18个高频场景并嵌入了4P营销、黄金圈、精益六西格玛、SCOR、商业画布等经典管理模型每条提示词附带中英文对照可直接粘贴到ChatGPT对话中再替换自身业务关键词即可得到结构化建议适用于写方案、做分析、定策略等日常提效场景。目前已有329人学习。1. 为什么别人用 ChatGPT 提示词一次到位你却还在反复追问同样是让 ChatGPT 写一封客户邮件有人敲三行字就拿到能直接发的版本有人来回掰扯了五轮还在改称呼。差别不在模型而在你给出去的那段话。所谓 18 个 ChatGPT 提示词 Prompts不是什么魔法口令而是一套把需求讲清楚的结构化模板告诉模型你是谁、要它做什么、按什么格式交、给什么参考。这篇文章按写邮件的、做分析、写代码的和整理文档的四类工作拆给你每个都给了能直接复制的模板和参数改法。适合被 ChatGPT 敷衍过、又不想去啃提示词工程的普通从业者。读完之后你能攒出一套自己的提示词库比收藏 18 个现成句子更有用。2. 提示词工程的底层逻辑先学会把 ChatGPT 当新员工而不是搜索引擎2.1 角色、任务、上下文、格式四个要素决定输出质量很多人把提示词当成搜索关键词 Plus写帮我写份周报得到的就是空话连篇的列表。原因是你没给模型任何干活的抓手。我一般把一条合格的提示词拆成四块角色、任务、上下文、格式。角色是你是谁任务是做什么上下文是背景和材料格式是怎么交。这四个要素齐了模型才会像新员工一样开始干活而不是像搜索引擎一样猜你想听什么。空泛提问的典型翻车现场是这样的帮我分析一下销售数据。模型会回一段放之四海皆准的套话销售数据是了解业务表现的重要指标建议关注环比和同比……全是正确的废话。换成结构化版本你是一名有十年经验的销售运营分析师。我提供了一份Q3各区域销售额明细见下方数据请找出环比下滑最严重的三个区域用表格列出下滑幅度并解释可能原因每个原因给一条可执行的改进建议。同样一段数据第二种写法对方知道该算什么、按什么顺序输出、以什么形式展示。这不是玄学是沟通成本的问题——你让一个远程实习生干活也得把背景交代到这个程度。角色设定之所以放在第一位是因为模型在训练语料里见过大量专业分析师的文本给角色相当于把它切换进对应的语言风格。2.2 一次说清 vs 逐步追问为什么结构化提示词能省 10 倍时间网上有种论调说不会提问就多问几轮实际用下来多轮对话是效率的陷阱。每追问一次模型就重新理解一遍你的意图随着上下文变长它还容易忘掉前面的设定。比如你一开始说写个方案它出一版通用内容你说再具体一点它换成另一种通用内容你说结合我们的预算它才开始往约束上靠。三轮下来你花的时间足够写十个合格提示词了。把全部约束写进第一条消息相当于让模型一次把话说清楚。我实测同样一个市场推广方案任务多轮追问平均要 10 分钟一次说清只要 1 分钟而且前者因为中间步骤跑偏经常要回到某一步重来。这也解释了为什么别人用 18 个提示词模板就能效率暴涨——他们不是掌握了神秘技巧而是把试错的步骤全部前置到了提示词里。2.3 从 18 个提示词里抽出的通用模板骨架我在本地维护了一个模板骨架任何任务都往里面填你是[角色]有[专业背景]。 请在[背景信息]下完成[具体任务]。 要求 - 输出格式[列表/表格/代码块/三段式] - 风格[正式/口语/简洁/详细] - 长度[字数或条数] - 参考示例[可选给一段你喜欢的写法]这段骨架可以直接复制到任意对话窗口。注意第三行的约束条件它是提示词工程里最容易被人忽略的部分。很多人写提示词只写到任务就停了后面的输出格式和风格全部省略模型只能按训练时的默认习惯来。默认习惯通常是普通文档模式够用但不专业。骨架里每一项都能单独调把风格改成像公众号文章能去掉翻译腔把长度改成三条要点能逼模型做取舍参考示例是万能杠杆你贴一段自己写的文字说按这个风格重写效果比任何形容词都精准。后面我会逐个展开这里你只需要记住任何提示词本质上都是给这个骨架填参数。3. 把 18 个提示词拆成四类工作场景直接复制改参数就能用3.1 写作与沟通类邮件、报告、会议纪要的提示词写作场景是提示词工程最直接的价值兑现点。以最常见的给客户写延期通知邮件为例你可以直接用这套你是一名资深商务助理擅长把零散信息整理成得体的中文商务邮件。 背景我需要给客户王经理写一封邮件告知项目延期两周原因是第三方接口验收未通过但要保持合作信心。 任务写一封不超过200字的邮件包含道歉、原因说明、补救措施和新的时间承诺。 要求语气诚恳但不卑微不用感谢您的理解与支持这类模板套话。逻辑说明这里指定了角色、背景、任务、长度、风格五个要素。特别是不用模板套话这一句能过滤掉模型最习惯的官僚腔。如果你希望语气更亲近把角色改成你是我团队里最会说话的产品经理如果客户是老关系加一句称呼用老王即可。200 字这个数字换成 300 字模型会主动补充细节但不会超出你给的范围太多。会议纪要又是另一类高频需求。我常用的模板下面是我今天的会议录音转文字请整理成会议纪要。 要求 - 用表格列出议题、结论、待办事项、负责人、截止时间 - 只保留有信息量的句子删除寒暄和口语 - 待办事项里标注优先级P0今天必须处理/ P1本周/ P2下周把录音稿直接粘贴在提示词后面就行。注意标注优先级这一步模型会根据上下文内容自行判断虽然偶尔判断不准但比你自己逐条敲省事。如果会议里涉及数字目标建议在提示词里加一句所有数字必须保留原始值不要四舍五入——这是我从一次把 3.8% 写成 4% 的翻车里得来的教训。3.2 分析与决策类数据解读、方案对比、风险排查分析类任务最忌讳的是让模型自由发挥它没有你的业务背景只能靠常识推断。所以提示词里要把已知条件和输出结构都钉死你是一名数据分析师请基于我提供的表格数据做归因分析。 数据各产品线Q1到Q3销售额见下方粘贴。 任务找出三季度整体销售额下滑的主要原因按影响程度排序。 要求用三段式输出——先给结论再列证据最后给建议每个建议带上可执行的下一步。参数说明这里的按影响程度排序会强制模型对原因分优先级三段式限定了输出结构。如果你把建议改成给出 A/B 两个可选策略模型的输出会更偏决策而非分析。数据敏感时可以在粘贴前把列名改成 A/B/C避免上下文里的真实字段干扰模型判断也避免把公司数据直接留在对话历史里。方案对比是另一个被用滥但依然好使的场景请对比A和B两个方案从成本、效率、风险三个维度打分。 A方案自建团队开发预估成本80万周期6个月。 B方案采购现成工具预估成本30万周期2个月定制性差。 输出要求用Markdown表格对比每个维度给出1-5分和一句话理由最后给一个明确推荐。这里有个坑模型对现成工具的定制性风险会靠自己的知识库推测所以你要把已知的约束全写进背景否则它只能靠猜。比如你知道 B 方案的工具 API 文档很烂就补一句B方案接口文档质量差集成成本可能被低估。所有你没说的背景都可能成为模型判断的黑匣子。3.3 编程与技术类代码生成、调试、重构的提示词AI 编程提示词是这两年最实用的分支但很多人让它写代码就像在许愿。正确做法是把边界条件写全你是一名Python工程师请帮我写一个函数。 任务读取指定目录下所有Excel文件把每个文件的第一个Sheet合并到一个DataFrame中保留文件名作为来源列。 要求 - 使用pandas和pathlib - 处理文件不存在和空表的情况打印警告而不是抛异常 - 输出代码和一行使用方法 - 不要解释原理直接给代码逻辑说明给模型指定库和异常处理方式比裸问帮我合并Excel靠谱得多。特别是打印警告而不是抛异常这种边界需求模型通常不会主动想到必须写进提示词。如果你不用 pandas 而用 polars把第一行要求换掉即可。最后那条不要解释原理能省掉一大段废话我见过太多人从代码里插播一篇论文式的注释了。调试类的提示词要点在背景以下是我的一段代码和报错信息请帮我定位问题并给出修复后的完整代码。 代码[粘贴代码] 报错IndexError: list index out of range 背景这是一个爬虫脚本我在解析列表页时取第3个元素作为标题但有些页面只有2个元素。 要求修复后解释根因并给出防御性写法。注意背景提供了报错发生的数据条件模型才能判断出要用条件判断或 .get() 写法。如果没有背景它只会告诉你索引越界请检查列表长度等于没说。所谓提示词工程很多时候就是比谁会向模型交代现场。3.4 学习与整理类总结长文、提炼要点、生成清单长文档总结最怕变成逐段复述。我用得顺手的是这个模板请你总结下面这篇文章我的目的是快速了解核心观点不需要逐段复述。 要求 - 用5个要点概括每个要点不超过一句话 - 把我可能有用的名词单独列出来并给一句话解释 - 最后用一句话说明这篇文章的结论是否靠谱依据是什么最后用一句话说明结论是否靠谱这步很反直觉它能逼模型做批判性阅读而不是复读机式摘要。如果你只想抓重点把5个要点改成按重要程度排序的前3条模型会自动砍掉碎枝末节。如果是英文材料加一句翻译时保留原始术语第一次出现时附英文原文能避开一堆译名不统一的问题。生成清单类任务核心是指定用途我是一名产品经理需要准备一份线下用户访谈的提纲。 任务生成一份1小时访谈的提问清单。 要求 - 按时间线分为破冰、需求挖掘、痛点验证、产品反馈四个阶段 - 每个阶段3-5个问题问题要开放式避免是不是这种引导式提问 - 在问题旁标注每个问题想验证的假设这个模板的亮点是标注每个问题想验证的假设它让输出从一堆问题变成了可执行的研究工具。实际使用时把你自己的行业和产品背景替换进第一行即可比如面向社区团购团长或面向中小企业HR。想知道某个问题为什么被设计出来甚至可以追加一句解释第三个问题为什么要问出这句话模型能讲出背后逻辑帮你评估问题质量。4. 提示词里的 5 个必调参数温度、长度、角色设定、示例、输出格式4.1 温度什么时候该保守什么时候该发散在 API 里 temperature 是 0 到 2 的浮点数网页版用户看不到这个滑杆但可以用自然语言控制。比如在提示词里写请用最稳妥的写法不要创意发挥等价于设低温写给出三个差异化的方案越激进越好等价于设高温。我做代码和数据分析时要求保守比如不要用正则表达式以外的技巧不要改动现有函数签名做文案策划时要求发散比如给五个不同风格的标题包括一个打破常规的。同样是写一句话温度和任务的匹配度决定了输出是精准还是失控。4.2 输出长度和格式用 Token 上限和 Markdown 结构约束答案提示词里的200字5个要点其实就替代表格的 max_tokens 参数。模型会根据你的字数约束主动收尾但它不会精确控制字数所以最好给范围例如500-800字。比长度更可控的是格式。要求用 Markdown 表格列出模型就会分列要求返回 JSON并指定字段名必须是 name, price, stock甚至可以拿输出直接当程序输入。我见过最省心的用法是让模型输出后直接存成 .md 文件——提示词里写清楚标题层级和列表符号生成结果可以直接用于文档归档。4.3 角色设定和示例让 ChatGPT 模仿你想要的文本风格角色设定的底层原理是风格锚定。模型在训练语料里见过大量律师、记者、工程师的文本给角色提示词相当于让它切换到那套语言风格。如果你写你是一名税务师输出里就会出现根据现行税法规定这类句式写你是脱口秀演员输出马上变成口语段子。如果连角色都搞不定那就用示例也就是 few-shot。你贴一段自己写的文字说请按这个风格重写这段话保持语气和句式长度效果比文笔好一点强十倍。示例是最强参数因为它不是描述风格而是直接给了风格样本。这里补一个我常用的参数组合思路角色决定语言风格示例决定行文节奏格式决定结构长度决定颗粒度。四个一起上输出基本就能达到可修改的程度而不是可参考的程度。5. 避坑指南90% 的人把提示词写在聊天框里却不知道这些翻车点5.1 现象ChatGPT 答非所问原因任务描述太宽泛解决用限定词缩小范围典型例子你问帮我写个方案它给你一份通用项目计划。改成帮我写一份针对线下门店的引流方案预算 1 万元周期两周目标拉新 500 人输出立刻变得可落地。宽泛提示词是提示词工程里最大的坑因为模型只能靠平均概率猜你要什么。每多一个限定词模型的搜索空间就小一圈翻车概率也随之下降。5.2 现象输出全是正确的废话原因没有指定受众和目的解决让模型知道给谁看写一份市场分析报告和写一份给 CEO 看的、一页纸内的市场分析报告摘要是两件事。受众决定措辞和信息密度给 CEO 看要结论先行少堆术语给执行人员看要步骤和责任人给客户看要规避专业名词。提示词里加一句读者是 XX阅读场景是 XX能直接改变输出的组织方式。我试过同一份数据报告分别写给业务团队和给投资人生成的两版内容取舍完全不同。5.3 现象提示词太长被截断原因上下文窗口超限解决分段输入和摘要先行ChatGPT 对话有上下文限制把整本书粘贴进去让它总结常常报错或丢头尾。解决办法是分段喂先让它通读每段并生成要点再让它基于所有要点做整体总结。千万别把总结全文的期望建立在一次粘贴全部内容上。另外在长对话中如果模型开始遗忘前文的设定把关键要求复制到最新一条消息里重申一遍比让它回忆更快。我见过有人因为模型忘了角色设定连着崩溃好几轮最后才发现是对话太长导致的。5.4 现象直接抄网上的提示词没效果原因角色和背景不匹配解决改写成自己的业务场景网上流传的提示词模板比如你是资深律师你是十年经验的营销总监抄过来用往往水土不服。因为模板里的任务描述和你的具体诉求是脱钩的——模板作者写的是他的场景不是你的。我的习惯是把别人模板里的角色和任务段删掉只保留输出格式和约束条件再填自己的背景。这才是提示词的正确复用方式。那 18 个提示词也是一样直接复制永远不如改成自己的。5.5 现象一次不满意反复重新生成原因没有迭代意识解决让模型自己挑毛病很多人点重新生成像赌转盘这是心理上的偷懒。更好的做法是追加一句请指出上面输出里的三个薄弱点并针对每个薄弱点给出修改版。这相当于让模型做自审比你自己找茬快得多。我用这个技巧改方案通常两轮就能收敛而不是靠运气抽到好答案。有时候模型挑出的薄弱点恰好是你没想到的角度等于白赚一个视角。6. 把 18 个提示词变成自己的提示词库一个迭代维护的实战技巧不要试图背下那 18 个提示词而是拿它们当种子种出自己的提示词库。我维护一个纯文本文件每条记录按这个格式场景提示词版本效果评价失败点下一次修改写客户延期邮件v1太客套感谢理解这类套话太多加不要用模板套话会议纪要v2遗漏了结论表格里没有结论列在格式里加议题-结论-待办Python合并Excelv3没有处理空表遇到空文件就崩溃加打印警告而不是抛异常每次用完觉得差就把问题记下来下一版把不要 XXX加进提示词。这种记录-迭代才是提示词工程的精髓——模型本身没变变的是你对它的控制精度。我之前把好的提示词都留在聊天记录里不整理两个月后发现同样的任务要重新调半天后来才开始用文件管理现在每条提示词配一个示例输出换电脑也不丢。还要提醒一句提示词里不要塞敏感信息。之前有过 AI 编程工具提示词泄露的事件说明提示词本身就是资产但也是风险。公司内部数据、客户联系方式这类东西尽量用代号或让模型只处理脱敏后的内容。最后讲一个我自己的教训早期我总想找万能提示词试了一圈发现根本不存在。真正让效率提升的是把提示词当成一件反复打磨的工具每次多一个约束输出就准一分。希望帮到你。本文还有配套的精品资源点击获取