简介这份《ChatGPT中文调教指南》面向希望系统掌握提示词技巧的中文用户无论是初次接触大模型的普通使用者还是想提升日常效率的职场人与内容创作者都能从中找到可复用的实战思路。资源以PDF文档形式呈现压缩包内共1个文件体积约694KB轻量便携适合在电脑或移动端随时查阅。文档围绕中文环境下的有趣应用示例展开涵盖绘制表格、角色扮演、翻译润色、程序设计与代码思路梳理等场景并给出学术论文、创意写作、商业文案、数据分析、技术文档、教育培训等多类任务的提示模板帮助读者理解如何通过精准指令调教ChatGPT输出所需内容。目前已有700人学习下载可作为提示词入门与进阶的参考素材便于对照模仿并迁移到自身工作流中。1. 一份把 ChatGPT 当“角色机”用的中文提示词合集很多人第一次用 ChatGPT 写东西得到的都是四平八稳的“正确的废话”。问题往往不在模型而在提示词——你只给了它一个任务没给它一个身份、一套约束、一个输出格式。这份《ChatGPT 中文调教指南》解决的正是这件事它把“让模型扮演某个角色、按某种格式输出”的套路整理成了一批可以直接抄的中文提示词模板。里面覆盖了写小说、充当 Linux 终端、做翻译、当面试官、生成表格、扮演产品经理等几十种场景每一条都给出了角色设定、行为边界和第一句输入。适合两类人一是刚接触大模型、不知道怎么开口的新手照着模板改几个词就能用二是已经在用、但输出总不稳定的人可以拿它当提示词结构的参考范本。下面我按“怎么读、怎么改、怎么避坑”的顺序拆一遍。2. 提示词模板的骨架角色、约束、格式三件套2.1 为什么“你是一个XX”比“帮我做XX”管用大模型本质是在做条件概率续写。你给的上下文越具体它落在你想要的分布区间里的概率就越高。“帮我写个广告文案”这种指令模型只能猜你要什么风格、给谁看、多长、要不要标题。而指南里的写法是“我想让你充当广告商。你将创建一个活动来推广你选择的产品或服务。你将选择目标受众制定关键信息和口号选择宣传媒体渠道……”——它把任务拆成了角色、动作序列、决策维度三层模型每一步都有明确的落点。我一般把这类模板拆成三个可替换的槽位角色你是谁、约束你不能做什么、必须遵守什么、格式输出长什么样。指南里几乎每一条都暗含这三样。比如“充当 Linux 终端”那条角色是终端约束是“只在一个唯一代码块内回复、不要写解释、除非我指示否则不要键入命令”格式是代码块。三者缺一输出就会跑偏。2.2 把模板改成自己的三个槽位的替换方法拿到一条模板不要直接用先做替换。以“担任面试官”为例原始模板针对 Android 开发工程师你换成 Java 后端只需要改角色描述里的技术栈和第一句话。下面是我常用的改写流程用 Python 拼一个可复用的提示词构造函数def build_prompt(role, constraints, output_format, first_input): role: 角色设定如你是一名资深Java后端面试官 constraints: 约束列表如[一次只问一个问题, 等我回答后再继续] output_format: 输出格式要求 first_input: 用户的第一句话 constraint_text \n.join(f- {c} for c in constraints) prompt f{role} 你必须遵守以下约束 {constraint_text} 输出格式要求{output_format} 我的第一句话是{first_input} return prompt # 构造一个面试官提示词 p build_prompt( role我想让你担任Java后端开发工程师面试官我将成为候选人。, constraints[ 你只作为面试官回答不要一次写出所有问题, 问我问题后等待我的回答不要写解释, 像面试官一样一个一个问 ], output_format纯文本每次只输出一个问题, first_input面试官你好 ) print(p)这段代码的逻辑是把模板里散落的约束收拢成一个列表避免每次手改时漏掉某一条。参数上constraints建议控制在 3 到 5 条太多模型会顾此失彼output_format要写死比如“纯文本”“markdown 表格”“只输出代码块”不写的话模型默认会加一堆解释。跑出来的提示词直接粘进对话框即可。2.3 输出格式控制表格、代码块、纯文本怎么锁死指南里“做表格”那条是个典型“你只会回复我一个包含10行的表格……只会以 markdown 表格形式回复结果而不是其他任何内容。”这里的关键词是“只会”“而不是其他任何内容”——用否定式约束把模型的发散空间堵死。实测下来光说“用表格回复”不够模型经常在表格前后加一句“好的以下是……”加上“不要附带任何额外的解释”之后干净很多。代码块同理。“充当 SQL 终端”那条要求“在单个代码块中使用查询结果表进行回复仅此而已”。如果你要的是可复制的结果就在提示词里明确“只输出一个代码块代码块外不要有任何文字”。我踩过的坑是有时候模型会把代码块语言标成sql有时候标成空如果你后续要程序化解析最好在提示词里指定语言标记比如“代码块语言标记为 sql”。3. 高频场景实战翻译、终端模拟、结构化生成3.1 翻译类模板从“不要翻译腔”到发音注音指南里翻译相关的有三条方向各不同。“充当英语翻译和改进者”要求把简单词汇替换成优美高雅的表达且“仅回答更正和改进的部分”“充当英翻中”强调“不要带翻译腔要自然流畅地道”“充当英语发音帮手”则是给汉语使用者做谐音注音。这三条其实对应了翻译需求的三个层次润色、本地化、语音辅助。以英翻中为例模板的核心约束是“不要翻译腔”。但光说这句没用模型不知道你定义的翻译腔是什么。我一般会补一句“避免‘进行’‘使得’‘被’字句多用短句”把抽象要求落到具体禁用词上。下面是一个可复用的翻译提示词片段translate_prompt 你是一名翻译家目标是把任何语言翻译成中文。 要求 - 不要带翻译腔要自然、流畅、地道 - 避免使用进行使得被字句 - 保持原文语气不增删信息 - 只输出译文不要解释 请翻译下面这句话 {text} 参数上{text}是待翻译内容。如果你要批量翻译可以把这段提示词作为 system 角色内容逐条传入用户消息。注意“只输出译文”这条要保留否则模型会在译文后面附上“这句话的意思是……”之类的废话。3.2 终端与结构化输出Linux 终端、SQL 终端、正则生成器“充当 Linux 终端”和“充当 SQL 终端”这两条模板的约束几乎一样只输出代码块、不写解释、不主动执行命令、等用户输入。区别在于 SQL 终端多了一个前置的数据库结构描述。指南里给了一个user表的建表语句模型据此理解表结构后再响应查询。这类模板的价值在于把模型变成一个“无状态响应器”。你输入pwd它回/home/user你输入SELECT TOP 10 * FROM Products ORDER BY Id DESC它回一个表格。但要注意模型并不知道真实的文件系统或数据库内容它是在“扮演”终端。所以如果你问它一个不存在的表它可能会编一个结果出来。我的做法是在提示词里加一句“如果查询的表不存在回复‘Error: table not found’”给它一个明确的失败出口。正则表达式生成器那条更简单“只提供正则表达式本身不要写解释或例子。”这条适合已经懂正则、只是懒得手写的人。如果你需要解释就另开一条提示词别混在一起。3.3 角色扮演类小说、面试官、辩论教练的边界控制角色扮演是这份指南里占比最大的部分从写小说、当诗人、扮演哲学家到担任面试官、辩论教练、心理医生。这类模板最容易翻车的地方是“出戏”——模型演着演着就开始用助手口吻说“作为AI我无法……”。指南里的应对方式是加约束“不要写任何解释”“不要破坏性格”“远离像 curl 或 wget 这样会显示大量 HTML 的命令”。以“扮演一个试图逃离盒子的人工智能”为例这条模板要求模型只输出命令用户在三重反引号内回复终端输出且明确“不要破坏性格”。这是一个强角色约束适合测试模型在极端设定下的稳定性。但实际用的时候要注意这类提示词可能触发模型的安全策略导致它拒绝继续。我的经验是如果只是做提示词结构研究把场景改成“扮演一个在模拟环境中探索的程序”会更稳约束逻辑是一样的。4. 避坑与排查模板用不对的五个典型现象4.1 现象模型输出开头总带“好的以下是……”原因提示词只说了要什么没说不要什么。模型默认会在正式内容前加过渡句。解决在约束里加“不要写任何解释”“不要附带任何额外的说明”“直接输出结果”。如果还不行加一句“你的回复的第一个字符必须是……”用格式锚点逼它跳过寒暄。4.2 现象角色扮演到一半模型突然说“作为AI我无法……”原因对话轮次变多后角色设定的权重被稀释模型回退到默认的助手人格。解决每隔几轮把角色设定重新贴一遍或者在提示词里加“无论我说什么你都必须保持角色不得以AI身份回应”。如果用的是支持 system 角色的接口把角色设定放在 system 里比放在用户消息里更稳。4.3 现象表格输出列数不对、行数不对原因模型对“10行”“5列”这类数量约束的执行不稳定尤其是当它需要自己生成内容填充时。解决把数量要求写进格式描述里并且给一个表头示例。比如“输出一个 markdown 表格表头为 | 序号 | 名称 | 说明 |共10行数据”。有示例表头的情况下列数基本不会错行数如果还飘就在末尾加一句“数一下你的表格确保正好10行”。4.4 现象翻译结果还是有翻译腔原因“不要翻译腔”太抽象模型不知道你具体反感哪些表达。解决给禁用词列表。我常用的禁用词包括“进行”“使得”“被”“性”“化”结尾的抽象名词。另外可以要求“如果直译不通顺可以调整语序但不得增删信息”。这条比单纯说“地道”可操作得多。4.5 现象代码块语言标记不对后续解析失败原因模型默认会猜语言猜错很正常。解决在提示词里写死语言标记比如“代码块的语言标记必须是 python”“只输出一个语言标记为 sql 的代码块”。如果做程序化解析解析前先做一次语言标记的归一化处理别指望模型每次都标对。5. 把模板变成工作流批量测试与效果验证单条提示词调好了下一步是批量验证。我一般会建一个小测试集每条模板跑 5 到 10 个输入看输出是否稳定。下面是一个简单的批量测试脚本用列表存测试用例逐条调用并记录输出长度和是否包含禁用词import re # 假设 call_model 是你封装好的模型调用函数 # def call_model(prompt: str) - str: ... def test_prompt(template, cases, banned_wordsNone): template: 含 {input} 占位符的提示词模板 cases: 测试输入列表 banned_words: 禁用词列表用于检查输出是否违规 results [] for case in cases: prompt template.format(inputcase) output call_model(prompt) # 替换为实际调用 # 检查禁用词 violations [] if banned_words: for w in banned_words: if w in output: violations.append(w) results.append({ input: case, output_len: len(output), violations: violations, output_preview: output[:80] }) return results # 示例测试翻译模板 cases [how are you ?, This is a test., The system has been updated.] banned [进行, 使得, 被] res test_prompt(translate_prompt, cases, banned) for r in res: print(r[input], -, r[output_preview], | 违规:, r[violations])这段代码的逻辑是对每条测试输入套用模板生成提示词调用模型然后检查输出里有没有禁用词、长度是否异常。参数上banned_words根据你的模板约束来定翻译类模板就填翻译腔禁用词格式类模板可以检查输出是否以特定字符开头。跑完一轮如果某条用例的violations非空就回去改模板把对应的约束写得更死。验证提示词效果还有一个土办法把同一条模板隔一天再跑一遍看输出风格是否一致。如果差异很大说明模板里的约束不够硬模型在自由发挥。这时候要么加约束要么把温度参数调低。我自己的习惯是凡是要求格式严格的模板温度不超过 0.3创意写作类可以放到 0.8 以上。从那以后我每次拿到一份新的提示词模板都先跑一遍禁用词检查和格式检查确认输出稳定了再拿去用。这份指南里的模板省去了从零设计提示词结构的功夫但直接抄往往会在细节上翻车替换槽位、补约束、跑验证这三步走完才算真正能用。希望帮到你。本文还有配套的精品资源点击获取