☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
播客提纲需以“8年经验主编”身份，基于嘉宾真实言行素材，围绕其公开矛盾点与具体场景锚点设计追问路径，禁用三类浅层句式，并通过反向校验确保50%以上问题指向可验证行为或数据。
你希望chatgpt生成的播客提纲能挖出嘉宾真实观点、避开套路式问答，但当前提示词只换来“您是怎么开始做这行的？”这类泛泛而谈的问题。问题不在模型能力，而在提示词没锁死思考纵深和信息颗粒度。
用角色+约束双驱动替代开放式提问
第一步：在提示词开头明确定义ChatGPT的身份，不是“助手”，而是“有8年深度访谈经验的播客主编”。
第二步：加入硬性约束条件，例如“所有问题必须基于嘉宾公开演讲中提到的3个矛盾点展开”或“每个问题需包含一个具体场景锚点（如：去年Q3你们砍掉B端服务时，销售团队第一周的日报里出现了哪类高频词）”。
第三步：直接禁用三类问题——不许出现“如何看待……”“有什么建议……”“未来会怎样……”句式，这些是浅层问题的温床。
把“问题清单”改成“追问路径图”
方法一：用“问题→预期陷阱→破局线索”结构写提示词。例如：“问‘当时为什么选A方案？’→预期嘉宾会归因于资源限制→破局线索：调取他们技术博客里提到的X算法迭代时间线，对比A方案上线日与该算法v2.3发布日。”
方法二：要求ChatGPT先输出“本场最可能被回避的1个事实”，再围绕它设计3个递进问题。这一步强制模型识别信息断层点，而非罗列安全问题。
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
【关键前提】必须提供至少2条嘉宾真实言行素材（如推文截图文字、采访片段转录、产品更新日志），否则模型只能编造“合理假设”。
用反向校验指令压住浮泛倾向
在提示词末尾加一句：“生成后，请自查：若去掉所有问题中的‘您’字，是否仍有50%以上问题能指向具体行为、决策节点或数据异常？若不能，重写。”
这句指令让模型自我过滤掉“您觉得……”“您认为……”类空转句式，逼它锚定可验证的动作或事件。
操作起来很简单，把这条自查规则粘贴到提示词最后一行，回车发送即可。
