简介这份《ChatGPT中文调教指南》面向希望系统掌握提示词技巧的中文用户无论是初次接触大模型的职场人还是想提升日常效率的内容创作者、开发者与研究者都能从中找到可直接套用的实战范例。资源以单个PDF文档形式打包压缩包约694KB内容围绕中文环境下的对话调教展开涵盖学术论文写作、创意小说、商业文案、翻译润色、数据分析、技术文档、简历求职信、SEO优化、社交媒体运营等丰富场景并给出充当Linux终端、英语翻译改进者、面试官、文字冒险游戏等角色扮演式提示模板帮助读者理解如何通过精准指令让模型输出所需结果。目前已有700余人学习下载适合作为提示词入门与进阶的参考手册便于对照模仿、快速迁移到自身工作流中。1. 一份把 ChatGPT 当“可编程工具”用的中文提示词合集很多人第一次用 ChatGPT 写东西都是直接甩一句“帮我写篇论文”或者“给我翻译一下”然后对着那坨四平八稳、毫无个性的输出发呆。问题不在模型在于你没给它“角色”和“约束”。这份《ChatGPT 中文调教指南》本质上就是一本提示词模板库它把“充当 Linux 终端”“担任面试官”“作为专业 DBA”“充当花哨的标题生成器”这类场景化的指令整理成了可以直接抄的素材。它解决的不是“ChatGPT 能干什么”这种科普问题而是“我到底该怎么开口才能让它输出我要的格式和内容”。适合谁适合每天要写文案、做翻译、调 SQL、设计接口文档但又不想每次都从零构思提示词的从业者。你把它当成一个“提示词范文库”来用比当成教程读效率高得多。2. 提示词模板的底层逻辑角色、约束、输出格式三件套2.1 为什么“充当 XX”比“帮我做 XX”有效语言模型在预训练阶段见过大量“角色扮演”的文本当你明确说“我想让你充当一名 Android 开发工程师面试官”模型会激活与“面试官”这个身份相关的语言模式提问方式、追问节奏、对候选人的评估口吻。而“帮我面试一个人”这种指令太模糊模型只能给你一段泛泛的面试建议而不是真的开始面试。这份指南里几乎每一条模板都遵循同一个结构先定义角色再给出行为约束最后指定输出格式。比如“充当 Linux 终端”那条角色是终端约束是“只在一个唯一的代码块内回复终端输出不要写解释”输出格式是代码块。这三者缺一不可。你只给角色不给约束模型会忍不住加一句“好的以下是命令输出”你只给约束不给角色模型不知道用什么语气和知识范围来回应。我一般会把这三件套理解成“给模型画一个框”角色决定它从哪个知识库里取素材约束决定它不能做什么输出格式决定你拿到的东西能不能直接进下游流程。很多新手觉得提示词是玄学其实拆开看就是这三样东西的排列组合。2.2 从“写小说”到“充当 SQL 终端”模板的分类与复用指南里的模板大致可以分成四类每类的复用方式不一样类别代表模板复用方式创作生成类写小说、充当诗人、花哨标题生成器替换主题词和风格描述角色模拟类面试官、心理医生、脱口秀演员替换角色身份和对话开场白工具模拟类Linux 终端、SQL 终端、正则生成器直接使用只改输入数据专业顾问类产品经理、IT 架构师、DBA替换业务背景和具体需求工具模拟类最省事因为约束已经写死了你只需要把命令或查询语句换掉。创作生成类最需要调因为“写一本拥有出人意料结局的推理小说”这种指令模型每次给你的东西质量波动很大你得在模板基础上追加“不要出现尸体”“结局不要用梦境解释”这类负向约束。专业顾问类最容易被误用。很多人直接复制“担任产品经理”那段然后说“帮我写个 PRD”结果模型输出的 PRD 章节齐全但内容空洞。原因是模板里虽然规定了章节标题但没给业务上下文。我一般会在模板后面补一段“背景是做一个面向中小企业的库存管理 SaaS核心用户是仓库管理员他们最痛的是盘点时找不到货。”有了这段模型输出的用户故事和 KPI 才不是套话。2.3 把模板改造成可复用的提示词片段直接复制粘贴模板只能解决一次性需求。如果你每天都要用“充当英语翻译和改进者”这个角色每次都复制那一大段话很累。我的做法是把模板拆成变量存成一个文本片段用的时候只改变量。比如翻译类模板可以拆成角色英语翻译、拼写校对和修辞改进者 约束 - 识别输入语言翻译成英语 - 将简单词汇替换为优美高雅的表达 - 仅回答更正和改进的部分不写解释 输出格式纯文本无 Markdown 输入{{待翻译句子}}这样你每次只需要填{{待翻译句子}}。如果你用支持自定义指令的工具可以把这段存成快捷指令输入/translate 今天天气不错就直接触发。再比如“充当表格生成器”那条模板里写死了“回复我十二生肖表”。你可以把它改成通用表格生成器角色表格生成器 约束 - 只回复 Markdown 表格 - 不附带任何解释 - 表格行数由我指定 输出格式Markdown 表格 输入{{表名}}{{行数}}这样你就能用它生成任何表格而不是只能生成十二生肖表。改模板的关键是把具体例子替换成变量占位符把“首先回复我 XX”这种一次性指令删掉。3. 高频场景实战翻译、SQL、面试官与内容创作3.1 翻译与润色从“英翻中”到“英英词典”指南里翻译相关的模板有三条充当英语翻译和改进者、充当英翻中、充当英英词典。这三条对应三种不同的翻译需求很多人混着用结果拿到的输出不符合预期。“充当英语翻译和改进者”适合你写了一段英文但不确定是否地道想让模型帮你改得更优雅。它的约束是“仅回答更正和改进的部分”所以你不会拿到一整段重新翻译的文本而是拿到修改点。比如你输入 “how are you ?”它可能回复 “How are you?” 并指出首字母大写和空格问题。“充当英翻中”适合把英文内容翻译成中文约束是“不要带翻译腔要自然流畅地道”。这条模板的关键在于“不要带翻译腔”这个负向约束。如果你不加这句模型很容易输出“你好吗”这种虽然正确但生硬的翻译。加上之后它可能会输出“最近怎么样”更符合中文口语习惯。“充当英英词典”适合查单词输出格式是“中文翻译 英文释义 一个例句”。这条模板的约束是“检查所有信息是否准确保持简洁”。我实测下来它对常用词的解释比较可靠但遇到专业术语或俚语时英文释义部分偶尔会编。所以我会追加一句“如果不确定释义请标注‘不确定’而不是猜测。”这三条模板可以组合使用。我一般的工作流是先用英英词典查生词再用英翻中处理段落最后用翻译和改进者润色自己写的英文邮件。三步走下来比单独用任何一个模板效果都好。3.2 SQL 与数据库让模型扮演专业 DBA“作为专业 DBA”这条模板在指南里给了一个具体的表结构CREATE TABLE user ( id int NOT NULL AUTO_INCREMENT, name varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL DEFAULT COMMENT 名字, PRIMARY KEY (id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;然后需求是“根据用户的名字查询用户的 id”。这条模板的价值在于它展示了如何把表结构和需求一起喂给模型。很多人只给需求不给表结构模型只能给你一个泛泛的SELECT id FROM user WHERE name xxx但不知道你的表名、字段名、字符集。给了表结构之后模型能生成完全可执行的 SQL还能根据索引情况给优化建议。我一般会把这条模板扩展成多轮对话。第一轮给表结构和简单查询第二轮追加“如果 name 字段没有索引查询 100 万行数据时怎么优化”第三轮再问“如果我要按名字模糊搜索怎么写 SQL 和索引”。这样模型会沿着同一个数据库上下文深入而不是每次重新开始。注意一点模型生成的 SQL 语法正确但不一定符合你数据库的版本特性。比如它可能给你SELECT TOP 10 * FROM Products这是 SQL Server 的语法MySQL 里要用LIMIT 10。所以拿到 SQL 后先在你的测试库跑一遍别直接上生产。3.3 面试官与模拟对话用约束控制交互节奏“担任面试官”这条模板的约束写得很细“不要一次写出所有的问题”“只对我进行采访”“问我问题等待我的回答”“不要写解释”。这几条约束的目的是把模型从“问答机器”变成“对话参与者”。如果你不加“不要一次写出所有问题”模型会一口气列 10 个面试题然后你只能一个个回答失去了模拟面试的交互感。加上之后它会问一个问题等你回答再根据你的回答追问。这才是面试的真实节奏。我一般会在这条模板后面追加“如果我的回答过于简短请追问细节如果我的回答有明显错误请指出并继续下一个问题。”这样模型不只是走流程还会根据你的表现调整难度。类似的交互类模板还有“文字冒险游戏”“下五子棋”“扮演脱口秀喜剧演员”。这类模板的共同点是它们都要求模型维护一个状态棋盘、故事进度、对话历史并且根据你的输入更新状态。用这类模板时最好在每轮对话开头提醒模型“当前棋盘状态是 XX”或“故事进展到 XX”否则模型可能会忘记之前的上下文。3.4 内容创作与 SEO模板的边界在哪里指南里内容创作相关的模板最多写小说、写新闻稿、写广告文案、写旅游文案、写医疗文案、写儿童读物。这些模板的写法大同小异都是“角色 主题 风格要求”。但实际用下来不同领域的输出质量差异很大。小说和故事类模板效果最好因为模型在预训练时见过大量叙事文本你给一个“出人意料结局的推理小说”的指令它能编出一个结构完整的故事。但医疗文案和金融分析类模板就要小心模型可能会生成看似专业但实际不准确的内容。比如“充当 AI 辅助医生”那条它给的诊断建议不能作为医疗依据。我一般会把内容创作类模板分成“创意型”和“事实型”。创意型小说、诗歌、广告语可以放心用输出不满意就重新生成。事实型医疗、法律、金融只能用来做初稿或思路整理所有事实性内容必须人工核实。SEO 类模板有个隐藏坑模型不知道你的目标关键词搜索量和竞争度。你让它“优化 SEO”它只能给你一些通用建议比如“在标题中包含关键词”“使用 H2 标签”。真正有效的 SEO 优化需要结合关键词工具和竞品分析模型只能帮你写 meta description 和文章结构。4. 避坑与排查模板用不对的五个典型翻车现场4.1 模型不按格式输出代码块里混入解释现象你用了“充当 Linux 终端”模板要求“只在一个唯一的代码块内回复终端输出”但模型还是在代码块外面加了“好的以下是输出”或者代码块里面混入了# 这是命令输出这样的注释。原因模型在训练时见过大量“代码块 解释”的文本它的默认行为就是加解释。你的约束虽然写了“不要写解释”但模型可能认为“好的”不算解释。解决把约束写得更绝对。不要写“不要写解释”写“你的回复必须且只能包含一个代码块代码块之外不允许有任何字符包括空格和换行”。另外可以在输入末尾加一句“如果你理解了请只回复‘已就绪’不要回复其他内容”。这样模型会用“已就绪”确认而不是直接开始输出。4.2 角色扮演中途“出戏”模型开始用第三人称现象你让模型“扮演唐三藏”前几轮对话它还用“贫僧”自称聊了五六轮之后突然变成“唐三藏可能会说……”或者“作为 AI我不能……”原因模型的上下文窗口有限对话轮次多了之后早期的角色设定被稀释了。另外如果用户输入的内容触发了模型的安全对齐机制它会主动跳出角色。解决每 3 到 5 轮对话后在输入末尾追加一句“请继续保持唐三藏的角色用‘贫僧’自称不要跳出角色”。如果模型已经出戏重新发一条“你现在的角色是唐三藏请用唐三藏的语气重新回答上一个问题”。4.3 翻译模板输出“翻译腔”严重现象用了“充当英翻中”模板要求“不要带翻译腔”但输出还是“这是一个好主意我认为我们应该去做它”这种英文语序的中文。原因模型在翻译时会优先保证语义准确然后才考虑流畅度。如果你的输入句子结构复杂它可能先直译再润色润色不彻底就留下了翻译腔。解决在模板里加一个“两步走”约束“第一步直译并标注出不符合中文习惯的部分第二步只输出润色后的中文不要输出直译部分。”这样模型会先识别问题再修改比直接要求“不要翻译腔”更有效。4.4 SQL 模板生成的语句在目标数据库跑不通现象模型生成了SELECT TOP 10 * FROM Products ORDER BY Id DESC但你的数据库是 MySQL不支持TOP。原因模型在训练时见过各种数据库的 SQL 方言它默认可能偏向 SQL Server 或 PostgreSQL。你的模板里没有指定数据库类型。解决在模板开头加一句“我的数据库是 MySQL 8.0请使用 MySQL 语法”。如果已经生成了错误语句把报错信息贴回去让模型修正。我一般会在模板里写死“使用 LIMIT 而不是 TOP使用 NOW() 而不是 GETDATE()”。4.5 表格生成器输出的表格列数不对现象你要求“生成一个 5 列的表格”模型输出了 6 列或者 4 列。原因模型对“列”的理解可能和你不一致。比如你说“5 列”它可能把序号列也算进去或者把表头不算进去。解决在模板里明确定义列名和列顺序。不要只说“5 列”要说“表格包含以下列姓名、年龄、城市、职业、邮箱按这个顺序排列不要添加序号列”。这样模型没有发挥空间输出就稳定了。5. 进阶技巧把模板串成工作流用变量和校验兜底单条模板只能解决单点问题。真正提效的做法是把多条模板串成一个工作流。比如你要写一篇技术博客可以这样串第一步用“充当花哨的标题生成器”生成 5 个候选标题。第二步用“充当 SEO 优化师”从 5 个标题里选一个关键词覆盖最好的。第三步用“充当技术文档撰写者”写大纲。第四步用“充当英语翻译和改进者”润色每一段。第五步用“充当表格生成器”把参数整理成表格。这个流程里每一步的输出都是下一步的输入。我一般会把每一步的提示词存成单独的文本片段用的时候按顺序调用。如果你用 API可以把这些片段写成 system prompt然后用代码把上一步的输出拼到下一步的 user prompt 里。# 伪代码串行调用多个提示词模板 templates { title: 你是一个花哨的标题生成器根据关键词生成 5 个标题{keywords}, outline: 你是一个技术文档撰写者根据标题写大纲{title}, polish: 你是一个英语翻译和改进者润色以下段落{paragraph} } def workflow(keywords): titles call_llm(templates[title].format(keywordskeywords)) best_title titles.split(\n)[0] # 简化处理实际可以用模型选 outline call_llm(templates[outline].format(titlebest_title)) polished call_llm(templates[polish].format(paragraphoutline)) return polished这段代码的关键是call_llm函数它负责把模板和变量拼成完整的提示词发给模型拿回结果。参数说明templates字典存模板format方法填变量workflow函数按顺序调用。实际使用时你需要在每一步加校验比如标题生成后检查是否有 5 个大纲生成后检查是否有三级标题。校验这一步很多人省掉结果模型某一步输出格式不对后面全乱。我一般会在每一步后面加一个“格式检查”提示词“请检查以下内容是否符合 XX 格式如果不符合请修正后重新输出。”这样即使模型某一步跑偏也能自动拉回来。还有一个技巧是“反向提示”。当你不知道怎么写约束时先让模型生成一版然后问它“你刚才的输出有哪些地方可能不符合我的要求”模型会自己列出问题你再把这些问题的反面写成约束。比如它说“我可能加了不必要的解释”你就加一条“不要加任何解释”。这比你自己想约束快得多。从那以后我每次用新模板都先跑一轮“生成 自检 修正”确认输出稳定了再存成快捷指令。希望帮到你。本文还有配套的精品资源点击获取 ChatGPT中文提示词模板库：角色约束输出格式三件套与实战指南
简介这份《ChatGPT中文调教指南》面向希望系统掌握提示词技巧的中文用户无论是初次接触大模型的职场人还是想提升日常效率的内容创作者、开发者与研究者都能从中找到可直接套用的实战范例。资源以单个PDF文档形式打包压缩包约694KB内容围绕中文环境下的对话调教展开涵盖学术论文写作、创意小说、商业文案、翻译润色、数据分析、技术文档、简历求职信、SEO优化、社交媒体运营等丰富场景并给出充当Linux终端、英语翻译改进者、面试官、文字冒险游戏等角色扮演式提示模板帮助读者理解如何通过精准指令让模型输出所需结果。目前已有700余人学习下载适合作为提示词入门与进阶的参考手册便于对照模仿、快速迁移到自身工作流中。1. 一份把 ChatGPT 当“可编程工具”用的中文提示词合集很多人第一次用 ChatGPT 写东西都是直接甩一句“帮我写篇论文”或者“给我翻译一下”然后对着那坨四平八稳、毫无个性的输出发呆。问题不在模型在于你没给它“角色”和“约束”。这份《ChatGPT 中文调教指南》本质上就是一本提示词模板库它把“充当 Linux 终端”“担任面试官”“作为专业 DBA”“充当花哨的标题生成器”这类场景化的指令整理成了可以直接抄的素材。它解决的不是“ChatGPT 能干什么”这种科普问题而是“我到底该怎么开口才能让它输出我要的格式和内容”。适合谁适合每天要写文案、做翻译、调 SQL、设计接口文档但又不想每次都从零构思提示词的从业者。你把它当成一个“提示词范文库”来用比当成教程读效率高得多。2. 提示词模板的底层逻辑角色、约束、输出格式三件套2.1 为什么“充当 XX”比“帮我做 XX”有效语言模型在预训练阶段见过大量“角色扮演”的文本当你明确说“我想让你充当一名 Android 开发工程师面试官”模型会激活与“面试官”这个身份相关的语言模式提问方式、追问节奏、对候选人的评估口吻。而“帮我面试一个人”这种指令太模糊模型只能给你一段泛泛的面试建议而不是真的开始面试。这份指南里几乎每一条模板都遵循同一个结构先定义角色再给出行为约束最后指定输出格式。比如“充当 Linux 终端”那条角色是终端约束是“只在一个唯一的代码块内回复终端输出不要写解释”输出格式是代码块。这三者缺一不可。你只给角色不给约束模型会忍不住加一句“好的以下是命令输出”你只给约束不给角色模型不知道用什么语气和知识范围来回应。我一般会把这三件套理解成“给模型画一个框”角色决定它从哪个知识库里取素材约束决定它不能做什么输出格式决定你拿到的东西能不能直接进下游流程。很多新手觉得提示词是玄学其实拆开看就是这三样东西的排列组合。2.2 从“写小说”到“充当 SQL 终端”模板的分类与复用指南里的模板大致可以分成四类每类的复用方式不一样类别代表模板复用方式创作生成类写小说、充当诗人、花哨标题生成器替换主题词和风格描述角色模拟类面试官、心理医生、脱口秀演员替换角色身份和对话开场白工具模拟类Linux 终端、SQL 终端、正则生成器直接使用只改输入数据专业顾问类产品经理、IT 架构师、DBA替换业务背景和具体需求工具模拟类最省事因为约束已经写死了你只需要把命令或查询语句换掉。创作生成类最需要调因为“写一本拥有出人意料结局的推理小说”这种指令模型每次给你的东西质量波动很大你得在模板基础上追加“不要出现尸体”“结局不要用梦境解释”这类负向约束。专业顾问类最容易被误用。很多人直接复制“担任产品经理”那段然后说“帮我写个 PRD”结果模型输出的 PRD 章节齐全但内容空洞。原因是模板里虽然规定了章节标题但没给业务上下文。我一般会在模板后面补一段“背景是做一个面向中小企业的库存管理 SaaS核心用户是仓库管理员他们最痛的是盘点时找不到货。”有了这段模型输出的用户故事和 KPI 才不是套话。2.3 把模板改造成可复用的提示词片段直接复制粘贴模板只能解决一次性需求。如果你每天都要用“充当英语翻译和改进者”这个角色每次都复制那一大段话很累。我的做法是把模板拆成变量存成一个文本片段用的时候只改变量。比如翻译类模板可以拆成角色英语翻译、拼写校对和修辞改进者 约束 - 识别输入语言翻译成英语 - 将简单词汇替换为优美高雅的表达 - 仅回答更正和改进的部分不写解释 输出格式纯文本无 Markdown 输入{{待翻译句子}}这样你每次只需要填{{待翻译句子}}。如果你用支持自定义指令的工具可以把这段存成快捷指令输入/translate 今天天气不错就直接触发。再比如“充当表格生成器”那条模板里写死了“回复我十二生肖表”。你可以把它改成通用表格生成器角色表格生成器 约束 - 只回复 Markdown 表格 - 不附带任何解释 - 表格行数由我指定 输出格式Markdown 表格 输入{{表名}}{{行数}}这样你就能用它生成任何表格而不是只能生成十二生肖表。改模板的关键是把具体例子替换成变量占位符把“首先回复我 XX”这种一次性指令删掉。3. 高频场景实战翻译、SQL、面试官与内容创作3.1 翻译与润色从“英翻中”到“英英词典”指南里翻译相关的模板有三条充当英语翻译和改进者、充当英翻中、充当英英词典。这三条对应三种不同的翻译需求很多人混着用结果拿到的输出不符合预期。“充当英语翻译和改进者”适合你写了一段英文但不确定是否地道想让模型帮你改得更优雅。它的约束是“仅回答更正和改进的部分”所以你不会拿到一整段重新翻译的文本而是拿到修改点。比如你输入 “how are you ?”它可能回复 “How are you?” 并指出首字母大写和空格问题。“充当英翻中”适合把英文内容翻译成中文约束是“不要带翻译腔要自然流畅地道”。这条模板的关键在于“不要带翻译腔”这个负向约束。如果你不加这句模型很容易输出“你好吗”这种虽然正确但生硬的翻译。加上之后它可能会输出“最近怎么样”更符合中文口语习惯。“充当英英词典”适合查单词输出格式是“中文翻译 英文释义 一个例句”。这条模板的约束是“检查所有信息是否准确保持简洁”。我实测下来它对常用词的解释比较可靠但遇到专业术语或俚语时英文释义部分偶尔会编。所以我会追加一句“如果不确定释义请标注‘不确定’而不是猜测。”这三条模板可以组合使用。我一般的工作流是先用英英词典查生词再用英翻中处理段落最后用翻译和改进者润色自己写的英文邮件。三步走下来比单独用任何一个模板效果都好。3.2 SQL 与数据库让模型扮演专业 DBA“作为专业 DBA”这条模板在指南里给了一个具体的表结构CREATE TABLE user ( id int NOT NULL AUTO_INCREMENT, name varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL DEFAULT COMMENT 名字, PRIMARY KEY (id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;然后需求是“根据用户的名字查询用户的 id”。这条模板的价值在于它展示了如何把表结构和需求一起喂给模型。很多人只给需求不给表结构模型只能给你一个泛泛的SELECT id FROM user WHERE name xxx但不知道你的表名、字段名、字符集。给了表结构之后模型能生成完全可执行的 SQL还能根据索引情况给优化建议。我一般会把这条模板扩展成多轮对话。第一轮给表结构和简单查询第二轮追加“如果 name 字段没有索引查询 100 万行数据时怎么优化”第三轮再问“如果我要按名字模糊搜索怎么写 SQL 和索引”。这样模型会沿着同一个数据库上下文深入而不是每次重新开始。注意一点模型生成的 SQL 语法正确但不一定符合你数据库的版本特性。比如它可能给你SELECT TOP 10 * FROM Products这是 SQL Server 的语法MySQL 里要用LIMIT 10。所以拿到 SQL 后先在你的测试库跑一遍别直接上生产。3.3 面试官与模拟对话用约束控制交互节奏“担任面试官”这条模板的约束写得很细“不要一次写出所有的问题”“只对我进行采访”“问我问题等待我的回答”“不要写解释”。这几条约束的目的是把模型从“问答机器”变成“对话参与者”。如果你不加“不要一次写出所有问题”模型会一口气列 10 个面试题然后你只能一个个回答失去了模拟面试的交互感。加上之后它会问一个问题等你回答再根据你的回答追问。这才是面试的真实节奏。我一般会在这条模板后面追加“如果我的回答过于简短请追问细节如果我的回答有明显错误请指出并继续下一个问题。”这样模型不只是走流程还会根据你的表现调整难度。类似的交互类模板还有“文字冒险游戏”“下五子棋”“扮演脱口秀喜剧演员”。这类模板的共同点是它们都要求模型维护一个状态棋盘、故事进度、对话历史并且根据你的输入更新状态。用这类模板时最好在每轮对话开头提醒模型“当前棋盘状态是 XX”或“故事进展到 XX”否则模型可能会忘记之前的上下文。3.4 内容创作与 SEO模板的边界在哪里指南里内容创作相关的模板最多写小说、写新闻稿、写广告文案、写旅游文案、写医疗文案、写儿童读物。这些模板的写法大同小异都是“角色 主题 风格要求”。但实际用下来不同领域的输出质量差异很大。小说和故事类模板效果最好因为模型在预训练时见过大量叙事文本你给一个“出人意料结局的推理小说”的指令它能编出一个结构完整的故事。但医疗文案和金融分析类模板就要小心模型可能会生成看似专业但实际不准确的内容。比如“充当 AI 辅助医生”那条它给的诊断建议不能作为医疗依据。我一般会把内容创作类模板分成“创意型”和“事实型”。创意型小说、诗歌、广告语可以放心用输出不满意就重新生成。事实型医疗、法律、金融只能用来做初稿或思路整理所有事实性内容必须人工核实。SEO 类模板有个隐藏坑模型不知道你的目标关键词搜索量和竞争度。你让它“优化 SEO”它只能给你一些通用建议比如“在标题中包含关键词”“使用 H2 标签”。真正有效的 SEO 优化需要结合关键词工具和竞品分析模型只能帮你写 meta description 和文章结构。4. 避坑与排查模板用不对的五个典型翻车现场4.1 模型不按格式输出代码块里混入解释现象你用了“充当 Linux 终端”模板要求“只在一个唯一的代码块内回复终端输出”但模型还是在代码块外面加了“好的以下是输出”或者代码块里面混入了# 这是命令输出这样的注释。原因模型在训练时见过大量“代码块 解释”的文本它的默认行为就是加解释。你的约束虽然写了“不要写解释”但模型可能认为“好的”不算解释。解决把约束写得更绝对。不要写“不要写解释”写“你的回复必须且只能包含一个代码块代码块之外不允许有任何字符包括空格和换行”。另外可以在输入末尾加一句“如果你理解了请只回复‘已就绪’不要回复其他内容”。这样模型会用“已就绪”确认而不是直接开始输出。4.2 角色扮演中途“出戏”模型开始用第三人称现象你让模型“扮演唐三藏”前几轮对话它还用“贫僧”自称聊了五六轮之后突然变成“唐三藏可能会说……”或者“作为 AI我不能……”原因模型的上下文窗口有限对话轮次多了之后早期的角色设定被稀释了。另外如果用户输入的内容触发了模型的安全对齐机制它会主动跳出角色。解决每 3 到 5 轮对话后在输入末尾追加一句“请继续保持唐三藏的角色用‘贫僧’自称不要跳出角色”。如果模型已经出戏重新发一条“你现在的角色是唐三藏请用唐三藏的语气重新回答上一个问题”。4.3 翻译模板输出“翻译腔”严重现象用了“充当英翻中”模板要求“不要带翻译腔”但输出还是“这是一个好主意我认为我们应该去做它”这种英文语序的中文。原因模型在翻译时会优先保证语义准确然后才考虑流畅度。如果你的输入句子结构复杂它可能先直译再润色润色不彻底就留下了翻译腔。解决在模板里加一个“两步走”约束“第一步直译并标注出不符合中文习惯的部分第二步只输出润色后的中文不要输出直译部分。”这样模型会先识别问题再修改比直接要求“不要翻译腔”更有效。4.4 SQL 模板生成的语句在目标数据库跑不通现象模型生成了SELECT TOP 10 * FROM Products ORDER BY Id DESC但你的数据库是 MySQL不支持TOP。原因模型在训练时见过各种数据库的 SQL 方言它默认可能偏向 SQL Server 或 PostgreSQL。你的模板里没有指定数据库类型。解决在模板开头加一句“我的数据库是 MySQL 8.0请使用 MySQL 语法”。如果已经生成了错误语句把报错信息贴回去让模型修正。我一般会在模板里写死“使用 LIMIT 而不是 TOP使用 NOW() 而不是 GETDATE()”。4.5 表格生成器输出的表格列数不对现象你要求“生成一个 5 列的表格”模型输出了 6 列或者 4 列。原因模型对“列”的理解可能和你不一致。比如你说“5 列”它可能把序号列也算进去或者把表头不算进去。解决在模板里明确定义列名和列顺序。不要只说“5 列”要说“表格包含以下列姓名、年龄、城市、职业、邮箱按这个顺序排列不要添加序号列”。这样模型没有发挥空间输出就稳定了。5. 进阶技巧把模板串成工作流用变量和校验兜底单条模板只能解决单点问题。真正提效的做法是把多条模板串成一个工作流。比如你要写一篇技术博客可以这样串第一步用“充当花哨的标题生成器”生成 5 个候选标题。第二步用“充当 SEO 优化师”从 5 个标题里选一个关键词覆盖最好的。第三步用“充当技术文档撰写者”写大纲。第四步用“充当英语翻译和改进者”润色每一段。第五步用“充当表格生成器”把参数整理成表格。这个流程里每一步的输出都是下一步的输入。我一般会把每一步的提示词存成单独的文本片段用的时候按顺序调用。如果你用 API可以把这些片段写成 system prompt然后用代码把上一步的输出拼到下一步的 user prompt 里。# 伪代码串行调用多个提示词模板 templates { title: 你是一个花哨的标题生成器根据关键词生成 5 个标题{keywords}, outline: 你是一个技术文档撰写者根据标题写大纲{title}, polish: 你是一个英语翻译和改进者润色以下段落{paragraph} } def workflow(keywords): titles call_llm(templates[title].format(keywordskeywords)) best_title titles.split(\n)[0] # 简化处理实际可以用模型选 outline call_llm(templates[outline].format(titlebest_title)) polished call_llm(templates[polish].format(paragraphoutline)) return polished这段代码的关键是call_llm函数它负责把模板和变量拼成完整的提示词发给模型拿回结果。参数说明templates字典存模板format方法填变量workflow函数按顺序调用。实际使用时你需要在每一步加校验比如标题生成后检查是否有 5 个大纲生成后检查是否有三级标题。校验这一步很多人省掉结果模型某一步输出格式不对后面全乱。我一般会在每一步后面加一个“格式检查”提示词“请检查以下内容是否符合 XX 格式如果不符合请修正后重新输出。”这样即使模型某一步跑偏也能自动拉回来。还有一个技巧是“反向提示”。当你不知道怎么写约束时先让模型生成一版然后问它“你刚才的输出有哪些地方可能不符合我的要求”模型会自己列出问题你再把这些问题的反面写成约束。比如它说“我可能加了不必要的解释”你就加一条“不要加任何解释”。这比你自己想约束快得多。从那以后我每次用新模板都先跑一轮“生成 自检 修正”确认输出稳定了再存成快捷指令。希望帮到你。本文还有配套的精品资源点击获取