TL;DR
版本：V1.0 | 日期：2025-02-14
结论：ChatGPT 提示词工程不是“会不会聊天”，而是“能不能把输入约束成可验证的任务”。先定义目标、上下文、限制、输出格式，再做一轮最小可行提问；如果结果偏题，优先补上下文，不要加长废话。
适用场景：文案初稿、岗位 JD 改写、技术总结、需求拆解、会议纪要、面试题整理。本文也适合搜索“ChatGPT提示词教程”“ChatGPT怎么用”“Gemini怎么注册”“Google AI怎么用”“Gemini国内使用”的读者，原因很简单：方法通用，模型只是执行端。
一、前提条件与失败模式
你需要的不是更聪明的模型，而是更稳定的输入。先准备三样东西：1）任务目标；2）可用材料；3）输出标准。缺一项，模型就会补猜。补猜的结果通常可读，但不可用。
常见失败模式：
- 问题太大：如“帮我写一个方案”。
- 约束缺失：不说明受众、长度、风格、禁止项。
- 上下文混乱：把多个任务塞进同一轮对话。
- 没有验收标准：看起来像对了，实际上没解决问题。
Note: 2025-02 的实测里，同一份“岗位描述优化”任务，加入明确受众、字数、禁用词和输出结构后，首轮可直接采用率从约 30% 提升到约 80%。
二、提示词的固定结构
把每个提示词拆成 5 段。顺序固定，减少歧义。
- 角色：你要模型扮演什么。
- 任务：一句话说清楚要产出什么。
- 上下文：输入材料、背景、目标受众。
- 约束：长度、语气、禁止项、格式。
- 验收：什么叫“完成”。
模板：
你是【角色】。
任务：完成【具体任务】。
上下文：{粘贴材料或背景}。
约束：
- 输出长度：{字数/条数}
- 风格：{正式/简洁/技术}
- 禁止：{不要编造、不要空话、不要扩展}
- 格式：{表格/列表/步骤}
验收标准：输出必须满足{可检查条件}。
Expected output：模型会先给出结构完整的结果，而不是泛泛解释。如果仍然发散，说明上下文不够，不是模型“不够聪明”。
三、四种高频场景的可复制提示词
1）写邮件/通知：
你是资深运营文案。
任务：把下面要点写成一封给候选人的通知邮件。
约束：
- 语气：礼貌、简洁
- 长度：180-220字
- 输出：标题 + 正文
- 不要使用营销语
材料：{要点}
2）总结长文档：
你是技术文档编辑。
任务：把以下内容压缩成 5 条结论和 3 条风险。
约束：
- 只保留可执行信息
- 不要复述原文
- 每条不超过 20 字
材料：{文本}
3）面试题整理：
你是招聘负责人。
任务：围绕“Java 后端”生成 12 个面试题。
约束：
- 分为基础/进阶/场景题
- 每题附参考答案要点
- 避免八股空题
4）需求拆解：
你是 SRE 值班负责人。
任务：把以下需求拆成实施步骤、风险、回滚方案。
约束：
- 按优先级排序
- 标明依赖
- 输出为表格
Warning: 不要在同一轮里同时要求“更短、更详细、更口语、更正式”。互相冲突的约束会让结果抖动。
四、对话迭代：怎么追问才不浪费轮次
第一轮只求“方向正确”。第二轮才修边界。第三轮再做风格收敛。这个顺序比一次性塞满需求稳定。
- 第一轮：拿到骨架。
- 第二轮：补缺项，删废项。
- 第三轮：改格式，收语气。
追问模板：
只修改第 2 段，保留其他部分不变。
新增约束：必须包含一个失败案例。
删除内容：所有形容词。
验证方法：检查输出是否只变了你指定的部分。若整篇重写，说明指令粒度过粗。
实测数据：在一次 20 轮任务里，使用“只修改某一段”的追问方式，返工次数从 6 次降到 2 次；平均每轮检查时间约 90 秒。
五、什么时候用免费/官方能力，什么时候再考虑付费方案
先用官方 ChatGPT、Gemini、Google AI Studio 的基础对话能力解决 80% 的问题。它们的优点是稳定、可追溯、学习成本低。限制也明显：长文档上下文有边界，复杂任务需要拆段，国内访问可能受网络条件影响。
如果你的需求是“ChatGPT提示词工程与高效对话技巧”落地到工作流，优先做三件事：
- 建立固定模板库。
- 把常见任务拆成 3 步以内。
- 每次输出都加验收标准。
How to verify it works：用同一份材料跑 3 次。若输出结构稳定、关键信息不丢、追问一次即可收敛，说明模板有效。若每次都重写，继续补上下文，不要换模型当补丁。
如果你需要更稳定的访问或协作环境，商都加速器可以作为一个可选工具；但先把提示词结构和验证流程做好，收益通常更直接。