10组实测提示词公式覆盖高频场景：基础指令型（动词+对象+限制）、角色设定型（身份+任务+约束）、对比强化型（不是……而是……）、分步拆解型（先a再b最后c验证）、格式锚定型（符号/缩进框定结构）、反向排除型（禁止……除非……）、上下文注入型（【背景】前置）、温度控制型（简洁/展开/口语化）、错误引导型（诊断并重写）、多轮压缩型（整合对话关键节点）。
☞☞☞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☜☜☜
想让ChatGPT准确理解你的需求却总卡在提示词开头那句话上？不是模型不行，是没抓住指令结构的底层逻辑——10组经过实测验证的提示词公式，覆盖问答、改写、推理、角色扮演等高频场景，复制粘贴就能用，无需调整语法或术语。
基础指令型：明确动作+对象+限制条件
适用于需要模型执行单一明确任务的场景，比如提取、总结、翻译。
第一步：以动词开头，如“提取”“列出”“重写”“将……翻译成……”。
第二步：紧接操作对象，例如“以下会议记录中的三个决策点”“这段英文”“这封邮件的正式版本”。
第三步：加上具体限制条件，比如“不超过50字”“用小学五年级能懂的语言”“不使用专业术语”。
示例：“提取以下文本中所有带时间标记的事件，按发生顺序排列，每条不超过12个字。”
角色设定型：你不是AI，你是……
当输出风格跑偏、语气生硬或缺乏领域深度时，必须锁定身份。角色越具体，响应越聚焦。
方法一：直接定义身份+任务+约束
“你是一位有10年经验的儿科医生，请用家长能立刻听懂的话，解释孩子发烧到38.5℃时是否需要吃退烧药，并说明观察要点。”
方法二：叠加权威背书+拒绝自由发挥
“你正在为《南方周末》撰写科普专栏，主题是‘如何识别早期焦虑信号’。请严格依据2023年中华医学会精神医学分会指南作答，不添加个人建议或网络传言。”
【不加‘请’‘可以吗’等弱化指令的词，否则模型会默认你只是在征求意见】
对比强化型：不是……而是……
当你反复得到笼统、模糊或偏离重点的回答，说明模型没抓住你的判断标准。
在提示词中插入一对对比短语，能强制模型聚焦差异维度。
例如：“不是罗列功能列表，而是说明这个APP对高三学生刷题效率的实际提升点”；
“不是复述论文摘要，而是指出实验设计中最可能影响结论可靠性的两个漏洞”。
这一步操作起来很简单，直接把“不是……而是……”插在任务描述中间即可。
分步拆解型：先做A，再基于A做B，最后用C验证B
适合复杂推理或需多环节校验的任务，比如逻辑纠错、方案评估、代码调试。
① 先让模型完成前置分析：“先逐句标出原文中所有因果关系表述，并注明依据是数据/经验/假设”；
② 再基于①结果推进：“从中选出最薄弱的两个因果链，分别设计一个反例来检验其成立前提”；
③ 最后加入验证机制：“检查你提出的每个反例是否符合原文设定的边界条件，不符合的请删除”。
三步缺一不可——跳过①会导致②无根可依，漏掉③则容易输出自洽但脱离实际的推演。
格式锚定型：用符号/缩进/占位符框死输出结构
当你要把ChatGPT结果直接粘贴进表格、PPT或开发文档时，格式混乱会毁掉所有效率。
方法一：用明确符号分隔
“用‘●’开头列出3个优点，用‘○’开头列出2个潜在风险，每点单独成行，不加编号、不加标点结尾。”
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...”。
方法二：用缩进模拟层级
“输出为三级结构：第一行是核心结论（顶格）；第二行起缩进2字符写支撑理由（每条前加‘→’）；第三级缩进4字符写对应证据来源（括号内注明文献年份或平台名称）。”
反向排除型：禁止出现……除非……
某些内容你非常确定不能出现，比如敏感词、主观评价、未验证数据。
直接写“禁止出现医疗建议”，模型仍可能输出“建议咨询医生”这类安全但无用的废话。
更有效的是绑定例外条件：“禁止出现任何治疗建议，除非该建议来自国家卫健委2024年发布的《儿童咳嗽诊疗指南》原文。”
这一步的关键在于：排除项必须附带可验证的权威出处，否则模型会自行脑补“合理例外”。
上下文注入型：这是背景资料……请据此回答
模型没有记忆，每次提问都是新会话。若你已提供过关键信息，必须显式重申。
把背景放在提示词最前面，用“【背景】”标注：
【背景】用户是一家社区养老驿站的运营者，服务对象为75岁以上独居老人，预算单月不超过8000元。
请据此设计一份包含健康监测、情感陪伴、应急响应三模块的轻量版服务包，列出每模块的最低可行动作和预估成本。”
注意：背景信息必须精简，超过3行会稀释重点；冗长的PDF摘要不如一句“参照附件第2页的用户画像表”有效。
温度控制型：用“简洁”“展开”“像朋友聊天一样”调节输出密度
同一问题，不同温度词触发完全不同粒度的响应。
“用一句话说明” → 输出≤25字，无举例无延伸；
“展开说明，包含1个现实案例” → 主干清晰+具象佐证；
“像给刚入职的同事解释那样” → 自然口语+隐含步骤逻辑+避开缩写术语。
别用“详细一点”这种模糊词——模型无法量化“一点”是多少。
错误引导型：假设你犯了这个错，请指出并修正
当你自己已经尝试过但结果不对，与其重写提示词，不如让模型帮你诊断问题。
“我输入了‘写一篇关于碳中和的公众号文章’，但得到的内容太学术、没有传播感。请指出这个提示词缺失的3个关键要素，并基于缺失项重写一个能生成爆款风格文案的新提示词。”
这招特别适合调试阶段——模型比你更清楚哪些要素会影响输出风格走向。
多轮压缩型：把5轮对话浓缩成1条提示词
你和ChatGPT来回聊了七八次才得到理想答案？说明原始提示词信息密度太低。
回看对话记录，提取：你第一次问了什么→模型哪里答偏了→你补充了哪条信息→模型哪次调整后接近目标→最终你认可的那句输出是什么。
把这些关键节点压缩进一条提示词，例如：“你已知[XX行业Q3增长乏力]，也了解[用户最关心交付周期而非功能数量]，请直接生成面向销售团队的一页纸攻坚话术，聚焦‘为什么现在下单能确保11月上线’，不提技术原理。”
