你有没有过这种体验同一个大模型产品别人用起来行云流水你问出来的东西却全是“正确的废话”不是模型不行也不是你不会打字多数时候问题就出在你丢进对话框的那句指令上。最近我把手头的提示词系统整理了一遍攒出一套覆盖文案创作、学术论文、营销推广、教育学习、数据分析等多个领域的AI指令合集前后积累了100多条提示词反复跑过多轮测试也拿Kimi、豆包、ChatGPT这类主流大模型分别验证过。今天不打算简单列个清单而是把这套提示词的设计思路、核心写法和落地用法一次说透。看完你会发现提示词不是玄学它是有结构、有方法、可以复盘改进的你完全可以照着搭一套属于自己的。先澄清一个容易混淆的点标题里这个“数据集”不是给模型训练用的数据而是一套人可以直接复制、替换、拿来就用的提示词集合。它解决的问题很明确——让你打开对话框不再犯难让AI的输出从“能看”变成“能用”最终把应用效率和质量同时提上去。1. 一套提示词库到底在解决什么问题1.1 AI输出质量的真相坏问题比坏模型更常见我见过太多人吐槽“AI写的东西太水”结果一看提问方式基本都是“帮我写个方案”“写个文案”“总结一下”这种一句话需求。你把问题丢给AI它没有你的背景、不知道你的受众、不清楚你的目标能做的只有沿着最常规、最安全的路径往下生成于是你拿到的就是那种四平八稳、放在哪都行、放在哪都不出彩的“标准件”。这里可以打个比方让AI干活就像给施工队交代盖房子。你说“盖个好看的房子”施工队只能按通行审美给你交个样板间但你要是给出户型图、面积、预算、风格参考、入住人群最后盖出来的才是你要住的那栋。提示词干的就是这件事——把需求从“模糊方向”压缩成“可执行规格”。模型的底层机制是概率预测你给的上下文越宽泛它越倾向于生成最大众化的内容。很多输出质量问题根子不是模型能力不够而是提问的“分辨率”太低。我调试过不少场景改两句提示词效果比换模型还明显。1.2 100提示词的设计起点你可以把这套合集理解成一个“指令模板库”。为什么选文案创作、学术论文、营销推广、教育学习、数据分析这几个方向因为它们恰好覆盖了普通人使用AI最高频的场景写东西、搞研究、做推广、学新知识、看数据。每个方向里再往下拆拆到具体动作比如文案下面有短标题、长文、口播稿、欢迎语、活动通知论文下面有文献概括、逻辑梳理、提纲搭建、语言润色。100多条就是这样一个一个场景攒出来的不是拍脑袋凑数。另一个问题是为什么同一套提示词能同时适用于Kimi、豆包、ChatGPT这些主流大模型因为提示词本质上依赖的是自然语言指令结构——角色、任务、背景、约束、格式。这套结构对所有基于自然语言理解的大模型都是通用的模型之间可能有响应风格和细节能力的差异但指令的逻辑框架不会变。你在模板里留出可替换的占位符到了哪个产品都能快速适配。2. 好提示词的五个通用内核拆给你看2.1 角色设定让AI带上职业视角最基础也最有效的技巧是给AI一个角色。别小看这一句它能让输出质量立刻上一个台阶。对比一下两种问法。第一种“帮我写一段产品欢迎语。”第二种“你是一名有8年经验的电商运营请帮我把这款产品的欢迎语写成一见面就能记住的风格。”后者输出里的专业感、节奏感完全不一样。原因是角色会激活模型在大量语料里学到的那类文本的表达习惯相当于你给输出提前圈定了一个风格范围。角色不能太泛。“你是专家”这种话等于没说。“你是一名有10年经验、服务过餐饮连锁品牌的营销顾问”就具体得多。角色信息越细模型越容易调到相应的表达语感。这不是迷信是实际调试下来最稳的手感。2.2 任务动词说得清动作才拿得到结果提示词里用的动词决定了AI“做什么动作”。高频使用的词有列、改写、压缩、扩写、翻译、总结、对比、拆解、评价。动作越明确输出越可控。举个例子“分析一下这个产品的优势”就不如“请列出这个产品的3个核心优势每个优势用一句话解释并说明它在真实使用场景里能解决什么问题”。前者给了一个模糊动作后者给了动作、数量和交付形式。你会发现只要把动词换具体AI给你的东西立刻从一段泛泛描述变成一条能用在工作里的素材。2.3 背景输入把AI从猜测中拉回来AI有一个很大的问题你不给背景它就会自己编一个背景。你让它写推广文案它默认你卖的是高性价比好物你让它写学习计划它默认你每天有四个小时空闲。这些默认值往往和你的真实情况差得很远。所以我在模板里几乎都会留一个【背景】占位符逼自己在调用前把真实信息填进去。同样是写一条朋友圈文案你告诉它“这是一款面向夜跑人群的运动手环主打轻量和长续航”和什么都不说产出的根本不是同一层次的东西。花十秒钟填背景能省下好几轮来回修改的时间这笔账非常划算。2.4 输出格式与其事后整理不如提前约定很多人忽略了这一点格式约定其实是在给模型画“交付边界”。你只丢一句“看下这些数据”AI给你一段散文式分析你说“请用表格列出各组数据的平均值、变化趋势和异常项”它给你的就直接是一张能贴进周报的表。指定格式不是在限制AI而是在帮它把发力点集中。我常用的格式约定包括用表格输出、分点作答、先给结论再给依据、每段不超过X字、用Markdown加粗关键信息。格式一明确连后续改稿的工作量都会变小因为你拿到的不是需要从整块文字里二次提取的半成品。2.5 边界约束用“不要”把跑偏路堵死很多提示词新手只写“要什么”不写“不要什么”。这是输出失控的一个重要原因。模型不会读心你不说“不要”它默认“可以”。我的模板里经常会放一条负面清单比如不要使用“重磅来袭”“极致体验”等空泛表达不要编造数据不要使用排比句不要输出与主题无关的建议。这类约束对质量提升立竿见影。尤其是涉及事实和数字的场景一句“只基于我提供的材料作答材料中没有的信息直接说明缺失”能挡住大量幻觉内容。3. 5个核心领域的提示词实操拆解3.1 文案创作把“AI腔”压到最低AI写文案最被诟病的就是“AI味”。什么是AI味就是大量正确但没用的形容词、整齐到腻味的排比、永远在线的“赋能”“助力”“打造”这类万能动词。要治它得从模板层面下手。我常用的一条文案改写模板长这样你是一名有8年经验的内容策划。请把下面这段产品介绍改写成适合【平台名称】发布的短文案。 要求 1字数控制在60字以内 2口语化像一个人在当面跟你聊天 3不得出现“重磅来袭”“极致体验”“不容错过”等空话 4结尾保留一个自然的行动引导。 产品介绍【粘贴你的素材】拆开看这里面每一条要求都在解决一个具体痛点。60字以内治啰嗦口语化治AI腔禁词清单治空话行动引导治营销力缺失。如果你觉得文风还不够贴近可以再加一句“请参考下面这段风格的文字模仿它的语气”然后贴一段你自己写的或喜欢的参照文案。给模型看例子比让它猜测“什么叫好”要高效得多。3.2 学术论文先定合规边界再谈高效学术场景里用AI第一条是边界AI是研究助理不是代笔。我写的模板都明确围绕“概括、梳理、提问、润色”这类辅助性任务展开避免让AI直接生成核心观点更不允许它编造文献和实验数据。可以参考这个模板你是一名严谨的学术研究助理。我会给你一段材料请完成以下任务 1用一段话概括这段材料的核心观点 2提取3个可用于论文论证的关键要素并说明它们之间的逻辑关系 3若材料中未涉及某些信息请直接说明“材料中未提及”不要自行补充或编造。 材料【粘贴文献段落】这条指令的重点在第三条边界约束。模型在学术型话题上特别容易一本正经地“笃定”不加约束它可能给你编出根本不存在的文献。限定“只基于材料”之后它的作用就回归到了工具本身帮你更快地消化和整理资料而不是替你做研究判断。写论文时再用它来梳理提纲、检查论证链条、调整语言表达都是安全且高效的应用姿势。3.3 营销推广从自我表达转向用户行为营销文案和创作型文案有一个本质区别它的目标是影响行为而不只是表达观点。所以提示词里必须写清楚目标人群、核心卖点和期望的行动号召。我常用的模板请你以营销顾问的身份帮我写一版【产品名】的推广文案。 背景目标用户是【人群特征】最看重的是【用户核心诉求】。 核心卖点包括1.【卖点A】2.【卖点B】3.【卖点C】。 要求 1第一句直接指向目标用户的痛点 2正文分点说明卖点对应的使用场景 3所有表述必须基于真实卖点不得虚构数据不夸大功效 4结尾给出清晰的行动号召。 整体风格【平实/活泼/专业】。为什么要把卖点列得那么细因为列得越清楚模型越没有机会自由发挥。它会老老实实在你给的卖点范围内挑角度而不是用一堆通用好词把你的产品“包装”成另一个东西。顺着这个思路我有时还会追加一句“请从用户视角想一想这条文案里最容易被质疑的地方是什么并把它改得更可信。”这一句常常能救回整条文案的说服力。3.4 教育学习让AI当陪练而不是答案机很多学习者用AI的方式是“搜答案”这其实是最大的浪费。模型最好的角色是陪练它帮你理清思路、指出盲区、制造练习机会而不是直接把结论喂到嘴边。学习概念时我用的是这个模板请你以一名耐心的【学科】老师身份和我互动。我的目标是理解【概念名称】。 第一步先用一个生活化的类比解释这个概念 第二步出2道难度递进的练习题让我做 第三步等我给出答案后先针对我的错误讲原理再告诉我正确答案而不是一开始就直接给出答案。注意这里的顺序设计“先做题再讲原理”会让学习者保持主动思考而不是被动接收。类似的思路还可以用在英语对话陪练、作文批改、错题复盘上。核心是要在指令里写明你的学习目标和互动节奏AI才会真正配合你而不是默认输出一段标准讲解。3.5 数据分析要求透明拒绝盲信大模型做数据分析有个天生的短板它不是可靠的算术引擎。它可以做结构判断、趋势描述、异常归纳但涉及精确计算时容易翻车。所以这类提示词的关键词是“透明”和“可复核”。我通常这样写你是一名数据分析助手。我会提供一小段数据请按以下步骤处理 1先列出你准备进行的分析步骤再开始分析 2只基于我给出的数据下结论数据中没有的信息不要猜测 3涉及计算时先写出计算公式再给出计算结果 4最后用一句话概括最值得关注的发现。 数据【粘贴你的数据】要求先列分析步骤能让你在几分钟内看出它的思路有没有走偏要求先公式后结果能让你快速发现计算是否出错。我遇到过不少次它公式对了、算术错了的情况但因为步骤透明一眼就能抓到问题所在。用它处理小批量、需要快速理解结构的数据非常顺手真到了大量计算的场景还是交给专门的数据工具或代码更稳妥。4. 提示词库落地执行的三段式方法再好的模板拿过来直接在对话框里跑一遍效果往往只有五分。我自己实际使用下来形成了一套固定的三遍执行流程效率比“一次问到底”高很多。4.1 第一遍跑模板求糙稿第一遍不要额外加戏直接把模板复制进对话框把【背景】【产品名】【人群特征】这些占位符替换成真实信息发出去拿一版粗糙的初始输出。这一遍的目的不是拿成品而是让AI先提供一个“可攻击的靶子”。你连靶子都没有后面所有的修改需求都无从谈起。这个过程里不需要在脑子里想太多越快越好。调用模板的动作越机械你留给后续精修的时间越多。4.2 第二遍填背景做精修拿到糙稿之后开始逐句挑问题。这版哪里不符合实际情况、哪里信息缺失、哪个表达太生硬全部标出来。然后不是重新问一遍而是针对性地追加条件。假设让AI写一款睡眠耳机的推广推文第一稿写得跟科技发布会一样全是参数。我可以补一句“保留长续航和轻这两点卖点但语气要更贴近失眠人群的真实感受不要太硬核。”或者干脆给两段参照文案让它“模仿语气重写”。这个阶段的核心是反馈而不是重复。AI很吃“哪里不对、往哪里改”的具体指令你反馈得越细它修正得越准。4.3 第三遍反向追问验证逻辑这是最容易被忽略、也最值钱的一步。写完第二稿后我不会直接收工而是追加一句追问“你觉得这版内容最大的漏洞在哪里如果是目标用户哪里最可能不信”或者“用一句话说出这版内容的核心结论。”别小看这种反向提问。它强迫模型站在批判视角重新审视自己的输出往往能逼出很有价值的补充信息。有时候它会说“开头不够抓人”有时候会说“缺少一个可信的数据支撑”。这些点你人工未必没想到但让它自己揪出来修改方向会立刻清晰。三步走完你手里的稿子通常已经不再是“AI感产物”而是真正能拿去用的素材。5. 实测中的高频问题与排查技巧5.1 高频问题速查表我在长期调试里整理了一张问题排查表遇到输出不对劲的时候先对照看是哪里没写到位。现象可能原因排查方向输出泛泛而谈、全是套话缺背景信息、缺边界约束补全【背景】增加“不要出现……”清单文案像AI写的、没有个人风格缺少风格参照给它2到3段参照文字让它模仿语气格式混乱、没法直接用没约定输出格式明确“用表格”“分点”“先结论后依据”数据错误、数字对不上大模型算术不可靠要求“先写公式再给结果”并人工复核聊着聊着偏题了多轮对话任务漂移重新粘贴核心需求必要时新建会话回答太短或太长没有长度约束写明“不少于500字”或“控制在100字内”一本正经地编造内容缺材料限定加一句“只基于我提供的材料作答”这张表基本覆盖了我踩过的大部分坑。你调试自己的提示词时遇到问题先对号入座比瞎改有效得多。5.2 调试的通用三板斧除了查表还有三个调试细节值得单独说一下。第一叠加上下文。多轮对话里模型容易“失忆”不只是技术上的上下文窗口限制更多是它在对话中途模糊了你最初的诉求。解决办法不是每轮都甩一长段背景而是把核心约束压成一两句话每轮贴一次。第二换一种动作表达。同样的需求把“分析一下”换成“列出三个可能的障碍并分别给一个解决方案”输出质量可能完全不一样。动作越像“交付物”模型的完成度越高。第三用例子锁风格。你要求“写得更专业”不如直接给它一段专业的样例。给例子是成本最低、效果最稳的风格控制方式尤其适合文案和翻译类任务。6. 把公共指令库变成你自己的指令库6.1 按触发场景记录不按标准答案记录很多人收藏提示词的习惯是按分类建收藏夹“文案类”“学习类”“办公类”。看起来很整齐真到用的时候还是想不起来。我后来的做法是倒过来按触发场景记录。同样的功能标题写成“当我要写朋友圈推广时”和“当我要给客户出方案导语时”下次遇到这个场景记忆会主动蹦出来根本不用翻文件夹。这也是我整理这套100指令合集时的一个原则标题和分类都要贴着真实使用场景走。一个模板好不好不是看它听起来高不高级而是看它在那个具体时刻你能不能想到它。6.2 给提示词做版本管理提示词也会“过期”也需要迭代。我平时会把常用模板做成一份文档每次改动都加一行版本记录。过程看起来像这样v1.0 初始版本v1.1 增加“口语化”要求v1.2 增加负面清单去掉空话v1.3 输出格式改为表格别觉得小题大做。你改一个字、加一个前缀对最终输出的影响都可能非常大。有了版本记录哪次效果突然变好或变坏你都能精确定位到是哪一处改动造成的而不是凭感觉来回试。6.3 定期回归测试防止“过期”主流大模型产品的更新速度非常快几个月可能就有一次能力升级也可能有一些行为变化。昨天好用的提示词今天可能就因为模型风格调整而失灵了。我的习惯是每个月挑10条最常用的重点模板统一跑一遍看输出有没有退化退化就修一直好的就留着。新模型出来我也拿同一套模板做一次“基线测试”既看新模型的水平也顺便检验提示词的稳健性。这个习惯帮我避免过很多次“临时要用才发现模板失效”的尴尬也让我对哪条提示词在哪个产品上更好用保持清晰的判断。工具会变模型会变但“用结构化指令控制输出”这套方法长期有效。最后分享一点个人心得做这套AI指令合集的过程里我最大的收获不是那一百多行可复制的文字而是慢慢建立起来的一种拆解问题的习惯。我开始习惯性地想一件事的目标是谁、交付物是什么、边界在哪里、怎么验证它做得好不好。这套思考方式反过来也影响了我看问题、提需求的方式。所以如果你打算用这套合集我的建议是不用一次性把100多条全背下来每天挑一条用熟一个真实场景把它的写法拆开看一遍再顺手记下你自己的调整。用不了几周你手里就会有一份比任何人都适合你自己的提示词库。那才是真正属于你的东西。 
长河君 · 2026/10/21 12:42:39 · 阅读 1.2k AI提示词设计指南：从结构化指令到百条实操模板
你有没有过这种体验同一个大模型产品别人用起来行云流水你问出来的东西却全是“正确的废话”不是模型不行也不是你不会打字多数时候问题就出在你丢进对话框的那句指令上。最近我把手头的提示词系统整理了一遍攒出一套覆盖文案创作、学术论文、营销推广、教育学习、数据分析等多个领域的AI指令合集前后积累了100多条提示词反复跑过多轮测试也拿Kimi、豆包、ChatGPT这类主流大模型分别验证过。今天不打算简单列个清单而是把这套提示词的设计思路、核心写法和落地用法一次说透。看完你会发现提示词不是玄学它是有结构、有方法、可以复盘改进的你完全可以照着搭一套属于自己的。先澄清一个容易混淆的点标题里这个“数据集”不是给模型训练用的数据而是一套人可以直接复制、替换、拿来就用的提示词集合。它解决的问题很明确——让你打开对话框不再犯难让AI的输出从“能看”变成“能用”最终把应用效率和质量同时提上去。1. 一套提示词库到底在解决什么问题1.1 AI输出质量的真相坏问题比坏模型更常见我见过太多人吐槽“AI写的东西太水”结果一看提问方式基本都是“帮我写个方案”“写个文案”“总结一下”这种一句话需求。你把问题丢给AI它没有你的背景、不知道你的受众、不清楚你的目标能做的只有沿着最常规、最安全的路径往下生成于是你拿到的就是那种四平八稳、放在哪都行、放在哪都不出彩的“标准件”。这里可以打个比方让AI干活就像给施工队交代盖房子。你说“盖个好看的房子”施工队只能按通行审美给你交个样板间但你要是给出户型图、面积、预算、风格参考、入住人群最后盖出来的才是你要住的那栋。提示词干的就是这件事——把需求从“模糊方向”压缩成“可执行规格”。模型的底层机制是概率预测你给的上下文越宽泛它越倾向于生成最大众化的内容。很多输出质量问题根子不是模型能力不够而是提问的“分辨率”太低。我调试过不少场景改两句提示词效果比换模型还明显。1.2 100提示词的设计起点你可以把这套合集理解成一个“指令模板库”。为什么选文案创作、学术论文、营销推广、教育学习、数据分析这几个方向因为它们恰好覆盖了普通人使用AI最高频的场景写东西、搞研究、做推广、学新知识、看数据。每个方向里再往下拆拆到具体动作比如文案下面有短标题、长文、口播稿、欢迎语、活动通知论文下面有文献概括、逻辑梳理、提纲搭建、语言润色。100多条就是这样一个一个场景攒出来的不是拍脑袋凑数。另一个问题是为什么同一套提示词能同时适用于Kimi、豆包、ChatGPT这些主流大模型因为提示词本质上依赖的是自然语言指令结构——角色、任务、背景、约束、格式。这套结构对所有基于自然语言理解的大模型都是通用的模型之间可能有响应风格和细节能力的差异但指令的逻辑框架不会变。你在模板里留出可替换的占位符到了哪个产品都能快速适配。2. 好提示词的五个通用内核拆给你看2.1 角色设定让AI带上职业视角最基础也最有效的技巧是给AI一个角色。别小看这一句它能让输出质量立刻上一个台阶。对比一下两种问法。第一种“帮我写一段产品欢迎语。”第二种“你是一名有8年经验的电商运营请帮我把这款产品的欢迎语写成一见面就能记住的风格。”后者输出里的专业感、节奏感完全不一样。原因是角色会激活模型在大量语料里学到的那类文本的表达习惯相当于你给输出提前圈定了一个风格范围。角色不能太泛。“你是专家”这种话等于没说。“你是一名有10年经验、服务过餐饮连锁品牌的营销顾问”就具体得多。角色信息越细模型越容易调到相应的表达语感。这不是迷信是实际调试下来最稳的手感。2.2 任务动词说得清动作才拿得到结果提示词里用的动词决定了AI“做什么动作”。高频使用的词有列、改写、压缩、扩写、翻译、总结、对比、拆解、评价。动作越明确输出越可控。举个例子“分析一下这个产品的优势”就不如“请列出这个产品的3个核心优势每个优势用一句话解释并说明它在真实使用场景里能解决什么问题”。前者给了一个模糊动作后者给了动作、数量和交付形式。你会发现只要把动词换具体AI给你的东西立刻从一段泛泛描述变成一条能用在工作里的素材。2.3 背景输入把AI从猜测中拉回来AI有一个很大的问题你不给背景它就会自己编一个背景。你让它写推广文案它默认你卖的是高性价比好物你让它写学习计划它默认你每天有四个小时空闲。这些默认值往往和你的真实情况差得很远。所以我在模板里几乎都会留一个【背景】占位符逼自己在调用前把真实信息填进去。同样是写一条朋友圈文案你告诉它“这是一款面向夜跑人群的运动手环主打轻量和长续航”和什么都不说产出的根本不是同一层次的东西。花十秒钟填背景能省下好几轮来回修改的时间这笔账非常划算。2.4 输出格式与其事后整理不如提前约定很多人忽略了这一点格式约定其实是在给模型画“交付边界”。你只丢一句“看下这些数据”AI给你一段散文式分析你说“请用表格列出各组数据的平均值、变化趋势和异常项”它给你的就直接是一张能贴进周报的表。指定格式不是在限制AI而是在帮它把发力点集中。我常用的格式约定包括用表格输出、分点作答、先给结论再给依据、每段不超过X字、用Markdown加粗关键信息。格式一明确连后续改稿的工作量都会变小因为你拿到的不是需要从整块文字里二次提取的半成品。2.5 边界约束用“不要”把跑偏路堵死很多提示词新手只写“要什么”不写“不要什么”。这是输出失控的一个重要原因。模型不会读心你不说“不要”它默认“可以”。我的模板里经常会放一条负面清单比如不要使用“重磅来袭”“极致体验”等空泛表达不要编造数据不要使用排比句不要输出与主题无关的建议。这类约束对质量提升立竿见影。尤其是涉及事实和数字的场景一句“只基于我提供的材料作答材料中没有的信息直接说明缺失”能挡住大量幻觉内容。3. 5个核心领域的提示词实操拆解3.1 文案创作把“AI腔”压到最低AI写文案最被诟病的就是“AI味”。什么是AI味就是大量正确但没用的形容词、整齐到腻味的排比、永远在线的“赋能”“助力”“打造”这类万能动词。要治它得从模板层面下手。我常用的一条文案改写模板长这样你是一名有8年经验的内容策划。请把下面这段产品介绍改写成适合【平台名称】发布的短文案。 要求 1字数控制在60字以内 2口语化像一个人在当面跟你聊天 3不得出现“重磅来袭”“极致体验”“不容错过”等空话 4结尾保留一个自然的行动引导。 产品介绍【粘贴你的素材】拆开看这里面每一条要求都在解决一个具体痛点。60字以内治啰嗦口语化治AI腔禁词清单治空话行动引导治营销力缺失。如果你觉得文风还不够贴近可以再加一句“请参考下面这段风格的文字模仿它的语气”然后贴一段你自己写的或喜欢的参照文案。给模型看例子比让它猜测“什么叫好”要高效得多。3.2 学术论文先定合规边界再谈高效学术场景里用AI第一条是边界AI是研究助理不是代笔。我写的模板都明确围绕“概括、梳理、提问、润色”这类辅助性任务展开避免让AI直接生成核心观点更不允许它编造文献和实验数据。可以参考这个模板你是一名严谨的学术研究助理。我会给你一段材料请完成以下任务 1用一段话概括这段材料的核心观点 2提取3个可用于论文论证的关键要素并说明它们之间的逻辑关系 3若材料中未涉及某些信息请直接说明“材料中未提及”不要自行补充或编造。 材料【粘贴文献段落】这条指令的重点在第三条边界约束。模型在学术型话题上特别容易一本正经地“笃定”不加约束它可能给你编出根本不存在的文献。限定“只基于材料”之后它的作用就回归到了工具本身帮你更快地消化和整理资料而不是替你做研究判断。写论文时再用它来梳理提纲、检查论证链条、调整语言表达都是安全且高效的应用姿势。3.3 营销推广从自我表达转向用户行为营销文案和创作型文案有一个本质区别它的目标是影响行为而不只是表达观点。所以提示词里必须写清楚目标人群、核心卖点和期望的行动号召。我常用的模板请你以营销顾问的身份帮我写一版【产品名】的推广文案。 背景目标用户是【人群特征】最看重的是【用户核心诉求】。 核心卖点包括1.【卖点A】2.【卖点B】3.【卖点C】。 要求 1第一句直接指向目标用户的痛点 2正文分点说明卖点对应的使用场景 3所有表述必须基于真实卖点不得虚构数据不夸大功效 4结尾给出清晰的行动号召。 整体风格【平实/活泼/专业】。为什么要把卖点列得那么细因为列得越清楚模型越没有机会自由发挥。它会老老实实在你给的卖点范围内挑角度而不是用一堆通用好词把你的产品“包装”成另一个东西。顺着这个思路我有时还会追加一句“请从用户视角想一想这条文案里最容易被质疑的地方是什么并把它改得更可信。”这一句常常能救回整条文案的说服力。3.4 教育学习让AI当陪练而不是答案机很多学习者用AI的方式是“搜答案”这其实是最大的浪费。模型最好的角色是陪练它帮你理清思路、指出盲区、制造练习机会而不是直接把结论喂到嘴边。学习概念时我用的是这个模板请你以一名耐心的【学科】老师身份和我互动。我的目标是理解【概念名称】。 第一步先用一个生活化的类比解释这个概念 第二步出2道难度递进的练习题让我做 第三步等我给出答案后先针对我的错误讲原理再告诉我正确答案而不是一开始就直接给出答案。注意这里的顺序设计“先做题再讲原理”会让学习者保持主动思考而不是被动接收。类似的思路还可以用在英语对话陪练、作文批改、错题复盘上。核心是要在指令里写明你的学习目标和互动节奏AI才会真正配合你而不是默认输出一段标准讲解。3.5 数据分析要求透明拒绝盲信大模型做数据分析有个天生的短板它不是可靠的算术引擎。它可以做结构判断、趋势描述、异常归纳但涉及精确计算时容易翻车。所以这类提示词的关键词是“透明”和“可复核”。我通常这样写你是一名数据分析助手。我会提供一小段数据请按以下步骤处理 1先列出你准备进行的分析步骤再开始分析 2只基于我给出的数据下结论数据中没有的信息不要猜测 3涉及计算时先写出计算公式再给出计算结果 4最后用一句话概括最值得关注的发现。 数据【粘贴你的数据】要求先列分析步骤能让你在几分钟内看出它的思路有没有走偏要求先公式后结果能让你快速发现计算是否出错。我遇到过不少次它公式对了、算术错了的情况但因为步骤透明一眼就能抓到问题所在。用它处理小批量、需要快速理解结构的数据非常顺手真到了大量计算的场景还是交给专门的数据工具或代码更稳妥。4. 提示词库落地执行的三段式方法再好的模板拿过来直接在对话框里跑一遍效果往往只有五分。我自己实际使用下来形成了一套固定的三遍执行流程效率比“一次问到底”高很多。4.1 第一遍跑模板求糙稿第一遍不要额外加戏直接把模板复制进对话框把【背景】【产品名】【人群特征】这些占位符替换成真实信息发出去拿一版粗糙的初始输出。这一遍的目的不是拿成品而是让AI先提供一个“可攻击的靶子”。你连靶子都没有后面所有的修改需求都无从谈起。这个过程里不需要在脑子里想太多越快越好。调用模板的动作越机械你留给后续精修的时间越多。4.2 第二遍填背景做精修拿到糙稿之后开始逐句挑问题。这版哪里不符合实际情况、哪里信息缺失、哪个表达太生硬全部标出来。然后不是重新问一遍而是针对性地追加条件。假设让AI写一款睡眠耳机的推广推文第一稿写得跟科技发布会一样全是参数。我可以补一句“保留长续航和轻这两点卖点但语气要更贴近失眠人群的真实感受不要太硬核。”或者干脆给两段参照文案让它“模仿语气重写”。这个阶段的核心是反馈而不是重复。AI很吃“哪里不对、往哪里改”的具体指令你反馈得越细它修正得越准。4.3 第三遍反向追问验证逻辑这是最容易被忽略、也最值钱的一步。写完第二稿后我不会直接收工而是追加一句追问“你觉得这版内容最大的漏洞在哪里如果是目标用户哪里最可能不信”或者“用一句话说出这版内容的核心结论。”别小看这种反向提问。它强迫模型站在批判视角重新审视自己的输出往往能逼出很有价值的补充信息。有时候它会说“开头不够抓人”有时候会说“缺少一个可信的数据支撑”。这些点你人工未必没想到但让它自己揪出来修改方向会立刻清晰。三步走完你手里的稿子通常已经不再是“AI感产物”而是真正能拿去用的素材。5. 实测中的高频问题与排查技巧5.1 高频问题速查表我在长期调试里整理了一张问题排查表遇到输出不对劲的时候先对照看是哪里没写到位。现象可能原因排查方向输出泛泛而谈、全是套话缺背景信息、缺边界约束补全【背景】增加“不要出现……”清单文案像AI写的、没有个人风格缺少风格参照给它2到3段参照文字让它模仿语气格式混乱、没法直接用没约定输出格式明确“用表格”“分点”“先结论后依据”数据错误、数字对不上大模型算术不可靠要求“先写公式再给结果”并人工复核聊着聊着偏题了多轮对话任务漂移重新粘贴核心需求必要时新建会话回答太短或太长没有长度约束写明“不少于500字”或“控制在100字内”一本正经地编造内容缺材料限定加一句“只基于我提供的材料作答”这张表基本覆盖了我踩过的大部分坑。你调试自己的提示词时遇到问题先对号入座比瞎改有效得多。5.2 调试的通用三板斧除了查表还有三个调试细节值得单独说一下。第一叠加上下文。多轮对话里模型容易“失忆”不只是技术上的上下文窗口限制更多是它在对话中途模糊了你最初的诉求。解决办法不是每轮都甩一长段背景而是把核心约束压成一两句话每轮贴一次。第二换一种动作表达。同样的需求把“分析一下”换成“列出三个可能的障碍并分别给一个解决方案”输出质量可能完全不一样。动作越像“交付物”模型的完成度越高。第三用例子锁风格。你要求“写得更专业”不如直接给它一段专业的样例。给例子是成本最低、效果最稳的风格控制方式尤其适合文案和翻译类任务。6. 把公共指令库变成你自己的指令库6.1 按触发场景记录不按标准答案记录很多人收藏提示词的习惯是按分类建收藏夹“文案类”“学习类”“办公类”。看起来很整齐真到用的时候还是想不起来。我后来的做法是倒过来按触发场景记录。同样的功能标题写成“当我要写朋友圈推广时”和“当我要给客户出方案导语时”下次遇到这个场景记忆会主动蹦出来根本不用翻文件夹。这也是我整理这套100指令合集时的一个原则标题和分类都要贴着真实使用场景走。一个模板好不好不是看它听起来高不高级而是看它在那个具体时刻你能不能想到它。6.2 给提示词做版本管理提示词也会“过期”也需要迭代。我平时会把常用模板做成一份文档每次改动都加一行版本记录。过程看起来像这样v1.0 初始版本v1.1 增加“口语化”要求v1.2 增加负面清单去掉空话v1.3 输出格式改为表格别觉得小题大做。你改一个字、加一个前缀对最终输出的影响都可能非常大。有了版本记录哪次效果突然变好或变坏你都能精确定位到是哪一处改动造成的而不是凭感觉来回试。6.3 定期回归测试防止“过期”主流大模型产品的更新速度非常快几个月可能就有一次能力升级也可能有一些行为变化。昨天好用的提示词今天可能就因为模型风格调整而失灵了。我的习惯是每个月挑10条最常用的重点模板统一跑一遍看输出有没有退化退化就修一直好的就留着。新模型出来我也拿同一套模板做一次“基线测试”既看新模型的水平也顺便检验提示词的稳健性。这个习惯帮我避免过很多次“临时要用才发现模板失效”的尴尬也让我对哪条提示词在哪个产品上更好用保持清晰的判断。工具会变模型会变但“用结构化指令控制输出”这套方法长期有效。最后分享一点个人心得做这套AI指令合集的过程里我最大的收获不是那一百多行可复制的文字而是慢慢建立起来的一种拆解问题的习惯。我开始习惯性地想一件事的目标是谁、交付物是什么、边界在哪里、怎么验证它做得好不好。这套思考方式反过来也影响了我看问题、提需求的方式。所以如果你打算用这套合集我的建议是不用一次性把100多条全背下来每天挑一条用熟一个真实场景把它的写法拆开看一遍再顺手记下你自己的调整。用不了几周你手里就会有一份比任何人都适合你自己的提示词库。那才是真正属于你的东西。