简介这份资源面向希望提升 ChatGPT 使用效率的内容创作者、产品与技术人员以及需要快速调用角色化提示语的普通用户核心是解决「不知道如何向 AI 下达精准指令」的问题。压缩包内共 1 个文件为 json 格式体积约 40KB结构轻量便于直接导入或二次编辑。内容覆盖计算机、心理学、健康等多个领域的角色提示语例如 UX/UI 开发人员、IT 架构师、全栈开发、心理健康顾问、私人厨师、人生教练等每条均包含角色名称与对应调教语可直接复制使用或按需改写。目前已有 1057 人学习下载说明其在提示词入门与实战场景中具备一定参考价值。读者可借此快速建立角色化提问思路减少反复调试成本并在此基础上组合出适配自身业务的提示语模板。1. 260 条 ChatGPT 中文提示语到底解决什么问题从能聊到能干活的分水岭很多人第一次用 ChatGPT 中文提示语都是随手丢一句帮我写个方案然后抱怨输出又空又泛。问题不在模型在于你给的是愿望不是指令。260 条 ChatGPT Prompts 这类提示词合集的价值不是让你收藏一堆花哨句子而是把调教语这件事从玄学变成可复用的工程动作把角色、任务、约束、输出格式四件事写死让模型每次都在同一个轨道上跑。它适合三类人天天写周报、方案、邮件的职场人要批量产出文案、脚本、测试用例的运营和开发以及刚开始接触提示词工程、想建立自己模板库的新手。下面我不谈虚的直接讲这套东西怎么拆、怎么改、怎么落地成你自己的命令库。2. 拆解 260 条提示语的底层结构为什么角色任务约束格式能通吃2.1 一条能复用的提示语骨架只有四段拿到任何一份 ChatGPT Prompts 合集先别急着复制粘贴。你要做的是把它拆成四段来看因为 260 条里 90% 的差异只是这四段的排列组合。第一段是角色设定告诉模型你是谁。比如你是一名有十年经验的测试工程师这一句会显著改变输出的术语密度和严谨程度。第二段是任务描述说清做什么、做到什么程度动词要具体比如列出 10 条边界用例而不是分析一下。第三段是约束条件这是最容易被新手忽略、却最影响质量的部分字数、语气、禁止项、必须包含的字段。第四段是输出格式用 Markdown 表格、JSON、编号列表还是纯段落直接决定你后续能不能程序化处理。把这四段当成模板槽位你就能把别人的 260 条改造成自己的 260 条。下面是一个可以直接抄的骨架# 角色 你是一名【岗位】擅长【具体技能】。 # 任务 针对【输入对象】完成【具体动作】产出【数量/范围】的结果。 # 约束 - 语言【中文/英文】 - 语气【正式/口语】 - 禁止【不要出现的内容】 - 必须包含【关键字段】 # 输出格式 用 Markdown 表格输出列为【列1】【列2】【列3】逻辑说明四段之间用空行和#分隔是为了让模型在长上下文里也能稳定识别边界。参数说明【岗位】越具体越好工程师不如后端接口测试工程师【数量/范围】给区间比给单值更稳比如8 到 12 条避免模型硬凑或偷懒。2.2 中文提示语和英文提示语的差异别照搬热词里提示词工程ai提示词满天飞但很多人没意识到中文提示语不能直接翻译英文模板。英文里一个 concise 就能约束风格中文你得写每段不超过三行不要客套话。英文模型对指令的容错高中文因为语序和省略约束必须写得更死。我一般会做三件事把英文模板里的抽象形容词全部换成可量化的中文描述把你应该改成必须或禁止在结尾补一句如果信息不足先向我提问再输出。最后这条能挡掉大量一本正经的胡说八道。2.3 从 260 条里挑出你真正需要的 20 条260 条不可能条条用得上。我的做法是按使用频率分三档高频每天用比如邮件润色、会议纪要、代码注释、中频每周用比如方案框架、竞品分析、低频偶尔用比如起名、翻译腔改写。先把高频的 10 条固化成自己的快捷命令中频的 10 条存成片段剩下的当灵感库。判断一条提示语值不值得留看一个标准它能不能稳定产出可交付的结果。如果同一条提示语跑三次输出质量忽高忽低那它就不是模板是运气。这种直接删掉别舍不得。3. 把提示语变成可执行命令本地模板库的搭建与批量调用3.1 用文件夹和命名规范管理你的提示词库提示词一多找起来就是灾难。我踩过的坑是全存在聊天记录里用的时候翻半天。后来改成用纯文本文件管理一个提示语一个.md文件文件名用场景-动作命名比如邮件-催进度.md、代码-生成单测.md。这样在任何编辑器里都能靠文件名秒搜。目录结构我一般这么放prompts/ ├── daily/ # 高频每天用 │ ├── 邮件-催进度.md │ └── 会议-生成纪要.md ├── weekly/ # 中频 │ ├── 方案-输出框架.md │ └── 分析-竞品对比.md └── archive/ # 低频灵感库 └── 起名-产品命名.md逻辑说明按使用频率分层而不是按主题分层是因为你调用时想的是我现在要干嘛不是这属于哪个学科。参数说明文件名里的动词尽量统一全用生成/改写/分析/提取这类方便后续写脚本批量处理。3.2 用一段脚本把模板变量填进去模板里那些【岗位】占位符手动替换很烦。写个小脚本把占位符替换成实际参数直接生成可粘贴的完整提示语。下面用 Python 演示import re from pathlib import Path def render(template_path, **kwargs): text Path(template_path).read_text(encodingutf-8) # 把【xxx】占位符替换成传入的参数 def repl(m): key m.group(1) if key not in kwargs: raise KeyError(f缺少参数: {key}) return str(kwargs[key]) return re.sub(r【(.?)】, repl, text) if __name__ __main__: result render( prompts/daily/邮件-催进度.md, 收件人张工, 事项接口联调, 截止时间本周五 ) print(result)逻辑说明re.sub用正则匹配所有【...】占位符逐个替换缺参数时直接抛错避免生成半成品。参数说明template_path指向你的模板文件kwargs的键必须和模板里的占位符文字完全一致包括空格。跑通之后你可以把它包成一个命令行工具输入render 邮件-催进度 收件人张工就出结果。3.3 批量生成时怎么控制输出稳定性当你需要一次跑几十条提示语比如批量生成商品文案稳定性比单条质量更重要。三个参数必须固定温度temperature调低到 0.3 左右减少随机发挥每次请求都带上完整的四段骨架不要依赖上下文记忆输出格式强制成 JSON方便程序解析。import json def build_payload(template, item): return { prompt: template.replace(【商品名】, item[name]), temperature: 0.3, response_format: {type: json_object} }逻辑说明temperature越低输出越确定适合批量response_format强制 JSON 能挡掉模型加的开场白。参数说明如果模型不支持 JSON 模式就在提示语结尾写只输出 JSON不要任何解释文字效果差一点但能用。4. 提示语调教的避坑清单这 5 个翻车现场我替你踩过了4.1 现象输出越来越长全是废话原因任务描述里没给字数上限模型默认多写显得认真。解决在约束段写死总字数不超过 300 字每点不超过两行并且加一句不要总结段。4.2 现象同一条提示语换个对话窗口就失效原因你把关键约束放在了上一轮对话里新窗口没有上下文。解决每条提示语必须自包含四段骨架一次给全不依赖历史消息。4.3 现象模型编造不存在的字段和数据原因任务里出现了模型不熟悉的专有名词它选择硬编。解决加约束如果不确定标注待确认不要编造并在输入里提供真实数据作为参考。4.4 现象中文输出夹英文术语读起来别扭原因角色设定用了英文岗位名模型跟着切换语言。解决角色段明确写全程使用简体中文专业术语首次出现时用中文加括号标注英文。4.5 现象批量跑的时候个别结果格式错乱原因模型偶尔不遵守格式约束尤其是列表嵌套表格时。解决把格式要求放在提示语最后一段模型对末尾指令更敏感并在脚本里加一层校验格式不对就重试一次。5. 进阶把 260 条提示语变成你自己的命令体系走到这一步你手里应该已经有一批能稳定出活的模板了。接下来做一件让效率再翻倍的事给每条提示语配一个短命令。比如#邮件催对应邮件催进度模板#单测对应生成单测模板。在支持自定义快捷指令的工具里输入短命令自动展开成完整提示语。我自己的习惯是每周复盘一次把这周用过、但输出需要大改的提示语挑出来改约束段重新跑三遍验证。改到第三次还稳的才升级进daily/目录。这个习惯坚持了半年我的模板库从 260 条精简到 40 条但每条都能直接交付不再需要二次返工。还有一个验证技巧拿同一条提示语分别用两个不同模型跑对比输出。如果差异只在措辞、结构一致说明模板稳如果结构都乱了说明约束还不够死回去补格式段。提示词这东西没有一劳永逸但把骨架立住、把约束写死、把格式固定它就从玄学变成了手艺。希望帮到你。本文还有配套的精品资源点击获取