适用于各种场景的50个最佳ChatGPT提示词

大多数ChatGPT提示词列表都按工作分类，例如营销、学生或编程。当你的任务刚好符合分类时，这很有用；一旦不符合，就几乎没有帮助。真正决定提示词是否有效的不是主题，而是结构。

下面50个提示词按技巧分类：分配角色、控制输出格式、让推理过程可见、用示例教学，以及优化返回结果。掌握这五种模式，你就能为任何任务编写自己的提示词，这比背诵列表更有价值。ChatGPT能够响应这五种方法，其他同类模型也可以。

每个提示词都用方括号标出需要替换的部分。复制后替换括号内容，并保留原有结构。你可以直接在ChatGPT中运行，也可以在Chat Smith中使用。后者的主要优势是能把同一提示词发送给另一个模型，无需重新输入即可比较结果。

普通请求只说任务是什么。有效提示词在说明任务后，还会去掉那些你不希望模型代替你做出的决定。可靠的方法有五种，下面各部分正是围绕它们展开。

• 指定角色和读者 - 明确谁在回答、谁在阅读，可以同时缩小词汇、前提和语体范围。
• 规定输出形式 - 表格、字数、有效JSON、每轮一个问题。没有指定的内容通常会以普通段落返回。
• 让推理过程可见 - 要求步骤、假设和置信度，而不是只得到无法核查的结论。
• 用示例教学 - 给出两三个目标示例，通常比一整段描述更有效。这是人们最晚想到，却应该最早使用的技巧。
• 优化而不是重来 - 结果不对时，先诊断提示词，而不是盲目重写。

普通请求可能是这样：

为我的产品提供一些营销创意。

把同一请求写成提示词：

请扮演一名在[类别]中推出过三款产品、并对付费获客持怀疑态度的增长负责人。我的产品是[描述]，主要限制是[预算或团队规模]。请用表格给出8个创意，列名为创意、为何适合该限制、要运行的第一个测试、如何判断它已失败。每个单元格一句话，不要前言。

请求相同，结果却完全不同。下面每个提示词都采用这种结构，因此比常见的一句话提示词更长。

分配角色是成本最低的改进。再指定具体读者，范围会进一步收窄。要把它用于写作，可以查看写作类ChatGPT提示词。

1. 有明确局限的专家

请扮演一名拥有15年经验、对潮流持怀疑态度的[职业]。我会描述[情况]。请在300字以内评估，并明确说出在进一步建议之前你必须知道的一件事。

2. 两位意见相左的专家

模拟两位对[问题]真正持不同意见的专家进行简短交流：一位支持[立场A]，另一位支持[立场B]。共六轮，不得达成结论，任何一方都不能让步。之后列出他们一致认同的内容。

3. 具体读者

向一名只有30秒、需要做出一个决定的[具体角色，例如医院采购经理]解释[主题]。不要背景和历史，只提供与该决定直接相关的信息。

4. 敌意审稿人

请扮演一名想要否决这份材料的审稿人。阅读下面内容，按严重程度列出最可能使它被否决的三个反对意见。不要缓和措辞，也暂时不要提出解决办法。

5. 初学者与专家版本并列

分别解释两次[概念]：一次面向首次接触的人，一次面向在该领域工作并希望了解细微差别的人。为两版添加标签，第二版不得重复第一版。

6. 为我的计划唱反调

这是我的计划。请尽可能有说服力地反对它，只使用计划中尚未回应的论点。不要追求平衡，辩护由我自己完成。

7. 跨职能翻译者

请扮演一名同时做过工程和销售的人。将下面的技术说明改写为销售团队可用于客户沟通的版本，保持所有主张准确，并标出他们不应承诺的内容。

8. 做面试官而不是答题者

请扮演一名帮助我准备[职位]面试的面试官。每次只问一个问题，等待我的回答，再追问其中最薄弱的部分。回答不够扎实就不要继续，也不要给标准答案。

9. 对语气有限制的角色

请扮演一名温和但不奉承的导师。阅读下面的草稿，以大致相同比例指出真正有效和无效的部分，不要给出没有根据的鼓励。

10. 受众异议地图

我要向[具体受众]展示[提案]。请按可能性排序，列出该受众最可能提出的六个异议，并说明每一个是真实问题还是沟通问题。

给角色增加限制，而不仅是头衔。相比“专家”，“拥有15年经验且对潮流持怀疑态度的专家”会产生更好的结果，因为怀疑是一种行为，而专家只是标签。

输出不可用最常见的原因，是没人说明它应该采用什么形式。明确写出表格、100字、有效JSON、不要前言。结构化输出在技术工作中尤其重要，SEO类ChatGPT提示词整理了该领域常见的输出格式。

11. 指定列的表格

用表格比较[三个选项]，列必须严格为：选项、最适合、最大限制、成本信号、什么情况下应排除。每个单元格一句短句，表格前后不要任何说明。

12. 严格字数

将下面文本准确总结为100字。计算字数并在末尾注明。如果无法容纳，请删掉一个主张，而不是把句子压缩得难以阅读。

13. 禁用词

为[产品]写一段120字以内的产品描述，不得使用innovative、seamless、revolutionary、leverage、robust或game-changing。如果想用这些词的同义表达，请改为更具体的说明。

14. 结构化JSON输出

从下面文本中提取信息，只返回有效JSON，不要任何说明。输出由对象组成的数组，每个对象包含name、role、organisation和quote键。缺少字段时使用null，不要猜测。

15. 固定章节框架

围绕[主题]写一页简报，必须使用以下标题：现状、发生了什么变化、选项、建议、需要决定的事项。每部分不超过60字，不要引言和结论。

16. 带理由的排名列表

为[问题]提供8个选项并排序，每个选项说明它位于该排名的唯一主要原因。然后指出你会彻底删除的两个选项及原因。

17. 两种相反策略

写两个版本的[信息]：一个直接简短，一个先建立背景。为每个版本标明它优化的目标和可能的风险。不要告诉我应该发送哪一个。

18. 每轮一个问题

我想与你一起梳理[问题]。每次只问一个问题，等我回答后再问下一个。不要总结，不要提供解决方案，也不要提出包含多个部分的问题。

19. 逐步增加细节

以逐渐增加的深度解释三次[主题]：一句话、一段话、一页。每个层级都应能独立阅读，而不是前一层的续篇。

20. 明确拒答条件

只使用我附加的文档回答下面的问题。如果文档中没有答案，请明确说明并停止。不要用常识补充缺失内容。

如果你需要手动重新格式化输出，那是提示词问题，而不是模型问题。把格式写进提示词，问题就会消失。

只要求结论，你得到的就只是结论。要求步骤、假设和置信度，才能得到可核查的内容。当答案会产生实际影响时，这一组最重要。数据分析类ChatGPT提示词把同一思路应用于数字。

21. 展示过程

逐步处理[问题]，每使用一个假设就明确写出。最后告诉我你最没有把握的是哪一步，以及什么变化会改变答案。

22. 先分解问题

在解决之前，把[复杂问题]拆分为彼此独立的子问题，并说明应先处理哪一个以及原因。本次回答不要尝试解决。

23. 假设审计

这是一个计划。列出它依赖的所有假设，按对计划的重要性排序。对前三个假设，说明如果它是错的，计划会发生什么。

24. 从失败倒推

假设[项目]在12个月后严重失败。写一份复盘：最可能的三个原因、每个原因会出现的早期预警信号，以及现在可以监控什么来及时发现。

25. 先强化再反驳

只使用真实支持者提出的论据，为[我不同意的立场]构建最强论证。然后给出对该论证最有力的两个反对意见。不要表示你认为哪一方更有说服力。

26. 明确输入的估算

估算[数量]，并以明确输入值和乘数链展示推理。标出答案对哪个输入最敏感，并给出合理范围，而不是单一数字。

27. 区分证据与断言

阅读下面论证，把每个主张分类为“有给定证据支持”“无支持的断言”或“隐含假设”。不要评论结论是否正确。

28. 二阶影响

如果发生[变化]，先列出一阶后果，再列出这些后果产生的二阶后果。到二阶为止，并标出只会在特定条件下发生的情况。

29. 按我的标准比较

我最重视[标准A]，其次是[标准B]，完全不在意[标准C]。请根据这一权重比较[选项]，并告诉我这种权重是否让某个选项明显不适合我。

30. 寻找异常

审查下面的数据并识别异常：离群值、不可能的值、可疑重复，以及分布更像数据录入错误而非真实模式的列。解释每个判断的理由。

把置信度作为单独一行要求。必须把某个主张标为低置信度的模型，更容易在正确的位置谨慎，而不是对所有内容都含糊处理。

两个目标示例通常胜过一整段描述。这是人们最晚使用、却应该最早使用的技巧。它也适用于视觉工作，图像生成类ChatGPT提示词采用的正是同一逻辑。

31. 少样本模式

这里有三个目标输出及其输入示例。研究模式，用一句话说明你推断出的规则，然后把它应用于下面四个新输入。不要为了改进而偏离模式。

32. 分析语气并复用

这是我写的300字样本。分析句子长度变化、词汇水平、缩略形式的使用以及衔接方式。然后围绕[主题]写200字新内容，匹配这些特征，并列出你匹配了哪些。

33. 反面示例

这是我不想要的输出示例及原因。写三个避免该具体问题的替代版本，并在每个版本后注明你针对的是哪一部分失败。

34. 通过示例规定格式

复制下面文档的准确结构，包括相同的章节顺序、相对长度和正式程度，但主题改为[不同主题]。不要改进结构。

35. 使用评分标准校准

根据这个[评分标准]，对下面五份草稿的清晰度打1到5分。然后具体解释3分和4分之间的差别，让我看出你在哪里划线。

36. 对比版本

把同一段话写两遍：一版像相信读者能跟上的作者，一版像过度解释的作者。内容和长度相同，并添加标签。

37. 锁定内容的风格转换

把下面段落改写为[体裁或文档类型]的语体。所有事实主张必须保持不变。之后说明哪些主张在新语体中最难保留。

38. 保持一组内容一致

这是一个完全符合我要求的项目。为下面列表再制作9个，匹配它的长度、结构和细节程度。如果为了适配格式而省略了重要内容，请标出。

39. 从成功案例中推导规则

这里有两个产生了满意结果的提示词。找出它们在框架、细节程度和指定方式上的共同点，然后用相同规则为[主题]写五个新提示词。

40. 逆向设计优秀输出

这是一个我欣赏的作品。写出最可能产生它的提示词，并解释该提示词中哪些部分发挥了主要作用。

加入一个反面示例。展示不想要的内容通常比描述想要的内容更快，也是可靠传达语气的唯一方式。

结果不对时，人们本能地想重写整个提示词。但几乎总是只需修改一个分句。下面10个提示词用于找到那个分句。在技术迭代中尤其重要，因此编程类ChatGPT提示词也大量采用这一模式。

41. 询问哪里不明确

你刚才给出的结果不是我想要的。不要重新尝试，先告诉我指令中哪些部分含糊，以及你做了什么假设。然后问我两个能解决问题的问题。

42. 交付前自我批评

先起草[交付物]，再像敌意审稿人一样批评自己的草稿，然后只给我修订版，并用两行说明改了什么。

43. 标记置信度

回答下面的问题，然后把每个主张标为高、中或低置信度。对每个低置信度主张，说明验证它需要什么。

44. 每次只改一处

这是你之前的输出。只修改开头一段，其他内容完全保持不变。然后停止，让我先看清这一处变化的影响。

45. 有意过量生成

为[事物]给出15个选项，其中至少4个是你认为较弱的。不要按质量过滤。然后在单独列表中指出你认为弱的4个及原因。

46. 删除式优化

在不丢失任何论点的情况下，把下面文本删减30%。把删除内容单独列出，以便我否决个别删减。

47. 检验自己的推理

我从[证据]得出[X]。请说明这一推断是否成立、同一证据还支持什么替代结论，以及区分两者需要什么额外证据。

48. 失败模式检查

在我使用下面的输出之前，告诉我它最可能出错或在实践中失败的三种方式，以及我应该先检查什么。

49. 迭代提示词本身

这是我写的提示词及其产生的糟糕输出。诊断提示词而不是输出：缺少什么、什么含糊、什么规定过度。然后给我修订后的提示词，但不要运行。

50. 停止条件

继续改进下面的草稿，但一旦进一步修改只属于品味而非质量问题，就停止。告诉我何时达到这一点，以及还剩哪些选择。

不要盲目重新生成。询问指令中哪部分含糊只需一轮，通常能把之后三轮猜测变成一个分句的修改。

把同一提示词发送给两个模型，会得到明显不同的输出，这正是拥有多个模型的意义。上面的推理提示词最能体现差异：分别在GPT-5.6 Sol和GPT-5 Nano中运行同一提示词，各自展示过程的方式会立刻显现。建议浏览一次完整模型列表，了解你实际可以使用哪些模型。

值得养成一个习惯，也就是列表中的第41条：结果不对时，不要重写提示词，先问指令的哪部分含糊。模型通常会告诉你，而修复往往只需一个分句。这一步比本文任何单个提示词都更能节省时间。