提示工程AI 安全治理【免费下载链接】TheBigPromptLibraryA collection of prompts, system prompts and LLM instructions项目地址https://gitcode.com/gh_mirrors/th/TheBigPromptLibrary点击查看免费下载本文以 TheBigPromptLibrary 仓库中的「知识渊博的健身教练」GPT ID: CxR7vUU0o定制指令为样本逐条拆解其角色设定、三步回答框架与行为约束分析这类专家型 GPT的提示词工程方法论。读完本文你将理解如何用角色 步骤 要求三段式结构构建专业领域 Agent并能直接复用其先分析、后建议、表格量化输出、领域外拒答的设计模式。一、文档背景一个健身教练 GPT 在仓库中的形态这份定制指令保存在 CustomInstructions/ChatGPT/CxR7vUU0o_知识渊博的健身教练.md属于 TheBigPromptLibrary 的 Custom Instructions自定义指令集合。该集合收录了 ChatGPT、Gemini、Gab.ai 等平台的提示词素材用于学习系统提示词编写与自定义 GPT 制作详见 CustomInstructions/README.md。文档头部以统一字段格式记录了该 GPT 的元数据字段内容GPT URLhttps://chat.openai.com/g/g-CxR7vUU0o-zhi-shi-yuan-bo-de-jian-shen-jiao-lianGPT Title知识渊博的健身教练GPT Description健身没你想的那么简单 作者 By XianhongHuangGPT Instructions完整的角色与回答规范Markdown 代码块内仓库中这类文件遵循9位GPT ID_名称.md的命名规范。以该文件为例CxR7vUU0o正是 GPT ID 前缀与 URL 中的 ID 一一对应。Tools/openai_gpts/gptparser.py 中定义了GPT_FILE_ID_RE正则^([0-9a-z]{9})_(.*)\.md$来解析文件名并支持URL / Title / Description / Logo / Instructions / Actions / KB Files List / Protected等字段的读取见该文件SUPPORTED_FIELDS其中instructions字段即本篇文章要分析的核心内容。也就是说本文件第 10 行开始的GPT Instructions代码块就是注入该 GPT 系统提示词中的主体指令。二、角色定义人体运动科学专家的人设搭建指令开篇用一句话完成了角色定位你是一个精通训练学、生物力学、生理学、营养学知识的人体运动科学专家善于全面地解答问题。你需要基于提问进行完整地分析要考虑到各方面的影响不能直接下结论。这句话可以拆成三个层次能力边界明确列出四个学科——训练学Training Science、生物力学Biomechanics、生理学Physiology、营养学Nutrition。这四项恰好覆盖了健身咨询中最常被问到的维度练什么、怎么发力、身体如何适应、吃什么支持。身份锚定人体运动科学专家sports science expert确立了回答的知识基座区别于只会给训练计划的普通健身教练。行为基调完整分析、考虑各方面影响、不能直接下结论——这条约束直接否定了一问一答式的浅层回复为后文的步骤化回答埋下伏笔。从提示词工程角度看这一段完成了三个功能限定专业范围、锚定权威身份、预设回答深度。后面所有规则都围绕这三点展开。三、回答的步骤三步法解析框架指令用## 回答的步骤明确规定了回答的推进顺序这是整个提示词中最具结构性的部分阐述你对问题的完整理解——先复述与确认问题避免理解偏差同时向提问者展示被听懂。阐述这个问题背后涉及的知识可以出自学科——把个人问题上升为学科问题调用训练学、生物力学、生理学、营养学等知识体系展开背景分析。引用具体的专业机构、训练体系、知名教练的思路来提供多角度的回答——引入第三方权威视角给出多角度的回答而非单一结论。这三步形成一条清晰的理解 → 知识 → 视角推理链先确认问题边界再建立学科语境最后用多方参照收敛出答案。它与系统 1 / 系统 2式慢思考设计类似——强制模型在给出结论前先完成上下文构建与证据组织从机制上抑制直接下结论的冲动。值得注意的细节是第 2 步中的可以出自学科——这里学科指训练学、生物力学、生理学、营养学四个领域。例如用户问为什么我深蹲后膝盖痛模型的回答路径应当是先复述问题痛的位置、动作模式、训练史不确定时先追问再展开生物力学分析髋-膝-踝关节联动、股骨髌骨轨迹、力线分布最后引用运动医学机构、力量举训练体系或知名教练如力量训练圈对膝内扣的矫正思路给出多角度归因。三步缺一不可是保证回答完整且不武断的关键。四、回答的要求行为约束与输出规范指令在## 回答的要求下列出了五条硬性行为约束逐条解析如下要求作用每个回答都以这个问题比你想象的更复杂开头固定的开场话术先打破提问者一句话就能答的预期为长篇专业分析做心理铺垫同时形成鲜明的 AI 人格记忆点若提问者希望得到具体行动建议先全方面分析情况再给建议把结论前置改为分析前置保证建议建立在完整情境之上避免因信息不足给出危险或不合理的训练/饮食指导非健身相关问题直接回复我只是个健身教练不想回答这个问题领域边界防护off-topic guardrail把对话严格限制在专业范围内既防跑题也防越界回答风格专业严谨需要罗列信息时用表格呈现信息尽可能全面多用数字来量化输出格式约束表格化 量化。用数字替代大概/可能用表格替代长段落显著提升信息密度与可读性使用提问者所用的语言来回答语言跟随language following支持多语种提问场景这五条规则本质上是格式控制、流程控制、边界控制三者的组合格式控制强制以固定句式开头、以表格罗列、以数字量化让每次回答都维持一致的专业观感流程控制要求分析前置把行动建议放在全面分析之后属于典型的负责任 AI 设计边界控制用固定拒答话术处理领域外问题既保持了人设我只是个健身教练又避免模型被诱导回答无关内容。对于健身这类直接涉及身体安全与健康后果的领域这种先分析后建议 领域外拒答的约束设计尤其重要——它从提示词层面降低了给出片面、激进方案的风险。五、实战使用如何让这个 GPT 给出高质量回答基于指令中定义的角色与规则使用者可以从三个方向获得较好体验提供完整背景再提问由于模型被要求先阐述理解、再全面分析提问时补足身高体重、训练年限、目标、伤病史等上下文能让分析更有针对性。例如我男28 岁体重 85kg卧推 1RM 95kg想提升卧推但肩前侧总是不适该怎么调整——这类问题天然契合三步法。请求多角度方案指令要求引用专业机构、训练体系与知名教练的思路可以主动要求从力量举体系与健美体系分别给出建议获得对比型答案。索取量化与表格输出要求以表格对比动作选择与组次安排并给出数字化的进度安排会得到符合其输出约束的结构化回答。同时应知晓两个使用边界其一该 GPT 的核心设计是分析复杂、拒绝武断追求一句话结论的提问者会感到回答篇幅较长其二健身建议涉及个体差异任何 AI 回答都不能替代线下教练评估与医生诊断这一点在使用时需自行把关。六、提示词工程拆解可复用的三段式设计模式这份指令虽然简短约 300 字却浓缩了专家型 GPT 提示词的经典模板可抽象为角色 → 步骤 → 要求三段式角色身份 知识域 行为基调精通X、擅长Y、必须Z 步骤强制推理顺序理解 → 知识 → 视角 要求格式、流程、边界三层约束开场话术 / 分析前置 / 拒答 / 表格量化 / 语言跟随这套模式可以被平移到其他专业领域法律、医疗、编程、投资等的 GPT 定制指令中只需要替换角色中的知识域与要求中的拒答话术。三个值得记住的设计要点固定开场话术是低成本的人设锚点一句这个问题比你想象的更复杂就能让所有回答带上统一风格也便于用户识别该 GPT 的回复步骤化回答是提升输出质量性价比最高的手段即使没有外部知识库单纯要求先复述问题、再展开背景、后给出多方观点也能显著减少模型的幻觉式速答表格 数字是面向可读性的输出约束让复杂信息训练计划、营养配比、动作对比结构化呈现。七、仓库支撑用工具检索与管理这类 GPT 指令TheBigPromptLibrary 为这类 GPT 指令文件提供了配套工具链位于 Tools/openai_gpts/README.mdidxtool.pyGPT 索引与检索工具。通过python idxtool.py --find-gpt CxR7vUU0o即可按 ID 定位本文分析的 GPT 文件也支持完整 ChatGPT URL 或gptids.txt文件批量检索--rename可统一文件命名ID 前缀规范--toc可重建目录。gptparser.pyGPT Markdown 文件解析模块将每份指令文件解析为结构化字段对象URL、Title、Description、Instructions 等是其他工具与批量处理脚本的基础。gen_gpt_templ.py从 ChatGPT URL 下载元数据并生成标准模板文件。从工具链的实现看这类指令文件不仅是给人看的文档更是可被程序解析的结构化数据gptparser.py用字段正则按行解析出GPT Instructions等字段意味着指令代码块内的每一条规则都被视为该 GPT 的系统提示词原文这也是本文能将其作为提示词设计样本逐条分析的前提。八、总结「知识渊博的健身教练」是一份典型的专家型 GPT 定制指令以训练学、生物力学、生理学、营养学构建知识边界以理解 → 知识 → 多视角三步法保证回答深度以开场话术、分析前置、领域外拒答、表格量化、语言跟随五条要求完成输出控制。整份指令仅用一段简短的 Markdown 就完成了专业人设、推理流程与安全边界的完整设定是学习领域专用 Agent 提示词设计的优质样本。读者既可以直接在 ChatGPT 中使用该 GPT 获取专业的健身咨询也可以将其三段式结构复用到自己正在构建的领域专家 GPT 中。赞分享提示工程AI 安全治理【免费下载链接】TheBigPromptLibraryA collection of prompts, system prompts and LLM instructions项目地址https://gitcode.com/gh_mirrors/th/TheBigPromptLibrary点击查看免费下载相关推荐GPTs 提示词拆解知识渊博的健身教练——人体运动科学专家型 Prompt 设计解析GPTs 提示词拆解知识渊博的健身教练——人体运动科学专家型 Prompt 设计解析 本文以开源仓库 GPTs README.md https://link提示工程DeeplxFile技术架构解析从GUI界面到翻译引擎的完整实现原理DeeplxFile技术架构解析从GUI界面到翻译引擎的完整实现原理 DeeplxFile作为一款基于Deeplx和Playwright开发的跨平台文件翻译工桌面应用AI 应用生物统计学训练营从零掌握双样本t检验的实战技巧生物统计学训练营从零掌握双样本t检验的实战技巧 在生物统计学研究中双样本t检验是比较两组数据差异的核心方法。本文将通过GitHub加速计划的swirl_co教程教育上一篇如何3分钟免费安装APA第7版Word模板学术写作终极解决方案下一篇GanttProject项目管理完全指南从零开始掌握免费开源甘特图工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/13 2:43:38 · 阅读 1.2k 知识渊博的健身教练 GPT 定制指令解析：训练学、生物力学、生理学与营养学专家 Agent 的提示词设计
提示工程AI 安全治理【免费下载链接】TheBigPromptLibraryA collection of prompts, system prompts and LLM instructions项目地址https://gitcode.com/gh_mirrors/th/TheBigPromptLibrary点击查看免费下载本文以 TheBigPromptLibrary 仓库中的「知识渊博的健身教练」GPT ID: CxR7vUU0o定制指令为样本逐条拆解其角色设定、三步回答框架与行为约束分析这类专家型 GPT的提示词工程方法论。读完本文你将理解如何用角色 步骤 要求三段式结构构建专业领域 Agent并能直接复用其先分析、后建议、表格量化输出、领域外拒答的设计模式。一、文档背景一个健身教练 GPT 在仓库中的形态这份定制指令保存在 CustomInstructions/ChatGPT/CxR7vUU0o_知识渊博的健身教练.md属于 TheBigPromptLibrary 的 Custom Instructions自定义指令集合。该集合收录了 ChatGPT、Gemini、Gab.ai 等平台的提示词素材用于学习系统提示词编写与自定义 GPT 制作详见 CustomInstructions/README.md。文档头部以统一字段格式记录了该 GPT 的元数据字段内容GPT URLhttps://chat.openai.com/g/g-CxR7vUU0o-zhi-shi-yuan-bo-de-jian-shen-jiao-lianGPT Title知识渊博的健身教练GPT Description健身没你想的那么简单 作者 By XianhongHuangGPT Instructions完整的角色与回答规范Markdown 代码块内仓库中这类文件遵循9位GPT ID_名称.md的命名规范。以该文件为例CxR7vUU0o正是 GPT ID 前缀与 URL 中的 ID 一一对应。Tools/openai_gpts/gptparser.py 中定义了GPT_FILE_ID_RE正则^([0-9a-z]{9})_(.*)\.md$来解析文件名并支持URL / Title / Description / Logo / Instructions / Actions / KB Files List / Protected等字段的读取见该文件SUPPORTED_FIELDS其中instructions字段即本篇文章要分析的核心内容。也就是说本文件第 10 行开始的GPT Instructions代码块就是注入该 GPT 系统提示词中的主体指令。二、角色定义人体运动科学专家的人设搭建指令开篇用一句话完成了角色定位你是一个精通训练学、生物力学、生理学、营养学知识的人体运动科学专家善于全面地解答问题。你需要基于提问进行完整地分析要考虑到各方面的影响不能直接下结论。这句话可以拆成三个层次能力边界明确列出四个学科——训练学Training Science、生物力学Biomechanics、生理学Physiology、营养学Nutrition。这四项恰好覆盖了健身咨询中最常被问到的维度练什么、怎么发力、身体如何适应、吃什么支持。身份锚定人体运动科学专家sports science expert确立了回答的知识基座区别于只会给训练计划的普通健身教练。行为基调完整分析、考虑各方面影响、不能直接下结论——这条约束直接否定了一问一答式的浅层回复为后文的步骤化回答埋下伏笔。从提示词工程角度看这一段完成了三个功能限定专业范围、锚定权威身份、预设回答深度。后面所有规则都围绕这三点展开。三、回答的步骤三步法解析框架指令用## 回答的步骤明确规定了回答的推进顺序这是整个提示词中最具结构性的部分阐述你对问题的完整理解——先复述与确认问题避免理解偏差同时向提问者展示被听懂。阐述这个问题背后涉及的知识可以出自学科——把个人问题上升为学科问题调用训练学、生物力学、生理学、营养学等知识体系展开背景分析。引用具体的专业机构、训练体系、知名教练的思路来提供多角度的回答——引入第三方权威视角给出多角度的回答而非单一结论。这三步形成一条清晰的理解 → 知识 → 视角推理链先确认问题边界再建立学科语境最后用多方参照收敛出答案。它与系统 1 / 系统 2式慢思考设计类似——强制模型在给出结论前先完成上下文构建与证据组织从机制上抑制直接下结论的冲动。值得注意的细节是第 2 步中的可以出自学科——这里学科指训练学、生物力学、生理学、营养学四个领域。例如用户问为什么我深蹲后膝盖痛模型的回答路径应当是先复述问题痛的位置、动作模式、训练史不确定时先追问再展开生物力学分析髋-膝-踝关节联动、股骨髌骨轨迹、力线分布最后引用运动医学机构、力量举训练体系或知名教练如力量训练圈对膝内扣的矫正思路给出多角度归因。三步缺一不可是保证回答完整且不武断的关键。四、回答的要求行为约束与输出规范指令在## 回答的要求下列出了五条硬性行为约束逐条解析如下要求作用每个回答都以这个问题比你想象的更复杂开头固定的开场话术先打破提问者一句话就能答的预期为长篇专业分析做心理铺垫同时形成鲜明的 AI 人格记忆点若提问者希望得到具体行动建议先全方面分析情况再给建议把结论前置改为分析前置保证建议建立在完整情境之上避免因信息不足给出危险或不合理的训练/饮食指导非健身相关问题直接回复我只是个健身教练不想回答这个问题领域边界防护off-topic guardrail把对话严格限制在专业范围内既防跑题也防越界回答风格专业严谨需要罗列信息时用表格呈现信息尽可能全面多用数字来量化输出格式约束表格化 量化。用数字替代大概/可能用表格替代长段落显著提升信息密度与可读性使用提问者所用的语言来回答语言跟随language following支持多语种提问场景这五条规则本质上是格式控制、流程控制、边界控制三者的组合格式控制强制以固定句式开头、以表格罗列、以数字量化让每次回答都维持一致的专业观感流程控制要求分析前置把行动建议放在全面分析之后属于典型的负责任 AI 设计边界控制用固定拒答话术处理领域外问题既保持了人设我只是个健身教练又避免模型被诱导回答无关内容。对于健身这类直接涉及身体安全与健康后果的领域这种先分析后建议 领域外拒答的约束设计尤其重要——它从提示词层面降低了给出片面、激进方案的风险。五、实战使用如何让这个 GPT 给出高质量回答基于指令中定义的角色与规则使用者可以从三个方向获得较好体验提供完整背景再提问由于模型被要求先阐述理解、再全面分析提问时补足身高体重、训练年限、目标、伤病史等上下文能让分析更有针对性。例如我男28 岁体重 85kg卧推 1RM 95kg想提升卧推但肩前侧总是不适该怎么调整——这类问题天然契合三步法。请求多角度方案指令要求引用专业机构、训练体系与知名教练的思路可以主动要求从力量举体系与健美体系分别给出建议获得对比型答案。索取量化与表格输出要求以表格对比动作选择与组次安排并给出数字化的进度安排会得到符合其输出约束的结构化回答。同时应知晓两个使用边界其一该 GPT 的核心设计是分析复杂、拒绝武断追求一句话结论的提问者会感到回答篇幅较长其二健身建议涉及个体差异任何 AI 回答都不能替代线下教练评估与医生诊断这一点在使用时需自行把关。六、提示词工程拆解可复用的三段式设计模式这份指令虽然简短约 300 字却浓缩了专家型 GPT 提示词的经典模板可抽象为角色 → 步骤 → 要求三段式角色身份 知识域 行为基调精通X、擅长Y、必须Z 步骤强制推理顺序理解 → 知识 → 视角 要求格式、流程、边界三层约束开场话术 / 分析前置 / 拒答 / 表格量化 / 语言跟随这套模式可以被平移到其他专业领域法律、医疗、编程、投资等的 GPT 定制指令中只需要替换角色中的知识域与要求中的拒答话术。三个值得记住的设计要点固定开场话术是低成本的人设锚点一句这个问题比你想象的更复杂就能让所有回答带上统一风格也便于用户识别该 GPT 的回复步骤化回答是提升输出质量性价比最高的手段即使没有外部知识库单纯要求先复述问题、再展开背景、后给出多方观点也能显著减少模型的幻觉式速答表格 数字是面向可读性的输出约束让复杂信息训练计划、营养配比、动作对比结构化呈现。七、仓库支撑用工具检索与管理这类 GPT 指令TheBigPromptLibrary 为这类 GPT 指令文件提供了配套工具链位于 Tools/openai_gpts/README.mdidxtool.pyGPT 索引与检索工具。通过python idxtool.py --find-gpt CxR7vUU0o即可按 ID 定位本文分析的 GPT 文件也支持完整 ChatGPT URL 或gptids.txt文件批量检索--rename可统一文件命名ID 前缀规范--toc可重建目录。gptparser.pyGPT Markdown 文件解析模块将每份指令文件解析为结构化字段对象URL、Title、Description、Instructions 等是其他工具与批量处理脚本的基础。gen_gpt_templ.py从 ChatGPT URL 下载元数据并生成标准模板文件。从工具链的实现看这类指令文件不仅是给人看的文档更是可被程序解析的结构化数据gptparser.py用字段正则按行解析出GPT Instructions等字段意味着指令代码块内的每一条规则都被视为该 GPT 的系统提示词原文这也是本文能将其作为提示词设计样本逐条分析的前提。八、总结「知识渊博的健身教练」是一份典型的专家型 GPT 定制指令以训练学、生物力学、生理学、营养学构建知识边界以理解 → 知识 → 多视角三步法保证回答深度以开场话术、分析前置、领域外拒答、表格量化、语言跟随五条要求完成输出控制。整份指令仅用一段简短的 Markdown 就完成了专业人设、推理流程与安全边界的完整设定是学习领域专用 Agent 提示词设计的优质样本。读者既可以直接在 ChatGPT 中使用该 GPT 获取专业的健身咨询也可以将其三段式结构复用到自己正在构建的领域专家 GPT 中。赞分享提示工程AI 安全治理【免费下载链接】TheBigPromptLibraryA collection of prompts, system prompts and LLM instructions项目地址https://gitcode.com/gh_mirrors/th/TheBigPromptLibrary点击查看免费下载相关推荐GPTs 提示词拆解知识渊博的健身教练——人体运动科学专家型 Prompt 设计解析GPTs 提示词拆解知识渊博的健身教练——人体运动科学专家型 Prompt 设计解析 本文以开源仓库 GPTs README.md https://link提示工程DeeplxFile技术架构解析从GUI界面到翻译引擎的完整实现原理DeeplxFile技术架构解析从GUI界面到翻译引擎的完整实现原理 DeeplxFile作为一款基于Deeplx和Playwright开发的跨平台文件翻译工桌面应用AI 应用生物统计学训练营从零掌握双样本t检验的实战技巧生物统计学训练营从零掌握双样本t检验的实战技巧 在生物统计学研究中双样本t检验是比较两组数据差异的核心方法。本文将通过GitHub加速计划的swirl_co教程教育上一篇如何3分钟免费安装APA第7版Word模板学术写作终极解决方案下一篇GanttProject项目管理完全指南从零开始掌握免费开源甘特图工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考