100个入门提示词：信息整理、内容生成、学习辅助与日常决策模板-尧图手机网站定制

1. 为什么“入门提示词”值得单独拎出来讲

1.1 大多数人卡在“不会问”，而不是“不会用”

我接触过不少刚开始用大语言模型的朋友，发现一个特别普遍的现象：他们打开对话框，输入“帮我写个方案”，然后盯着屏幕上那段四平八稳、毫无灵魂的回复发呆，心里想的是“这东西也就那样”。问题出在哪？不是模型不行，是提问的方式太“人类默认”了。我们平时跟人说话，对方能靠语气、场景、共同经历去补全信息，但模型不会，它只能根据你给的文字去猜。你给的信息越模糊，它猜出来的东西就越平庸。

提示词本质上就是一套“信息压缩包”，你得把背景、目标、限制条件、输出格式这些要素塞进去，模型才能给你一个像样的东西。入门者最需要的不是那些花里胡哨的“咒语”，而是几个能覆盖高频场景的模板，先跑通“提问-得到可用结果”这个正循环，再慢慢琢磨怎么调优。这也是为什么我把“100个入门提示词”这个系列的第一篇，聚焦在信息整理、内容生成、学习辅助、日常决策这四个最常碰到的场景上。

1.2 这套提示词适合谁，不适合谁

如果你已经能熟练写几百字的系统提示词，或者已经在用API做自动化流程，那这篇内容对你来说可能偏基础。但如果你属于下面这几类人，这套东西能帮你省下不少瞎试的时间：

刚接触大语言模型，不知道除了“帮我写个东西”还能怎么问的人；
偶尔用一下，每次都要重新想怎么组织语言的人；
想把模型当成日常效率工具，但还没形成自己提问套路的人；
带团队或教别人用模型，需要一套拿来就能演示的入门材料的人。

我下面拆解的每一个提示词，都会把结构、变量、适用场景、为什么这么设计讲清楚。你不需要死记硬背，理解背后的逻辑之后，自己就能改出适合自己行业的版本。

2. 信息整理类提示词：把杂乱输入变成结构化输出

2.1 长文摘要：三层压缩法

很多人让模型做摘要，就是一句“帮我总结一下这篇文章”。结果要么太短漏了关键信息，要么太长跟没总结一样。我常用的结构是这样的：

你是一名资深编辑，请对下面这段内容做三层摘要。 第一层：用一句话概括核心结论（不超过30字）。 第二层：用3-5个要点列出支撑结论的关键论据，每个要点不超过50字。 第三层：列出文中提到的所有具体数据、人名、时间节点（如果有）。 原文如下： [粘贴内容]

这个结构的关键在于分层。一句话结论逼着模型抓最核心的东西，要点列表保证信息密度，第三层专门捞那些容易被忽略但可能很重要的细节。我试过拿一篇五千字的行业分析报告丢进去，出来的三层摘要直接可以贴到工作群里，省了至少二十分钟的阅读和整理时间。

注意：如果原文特别长，比如超过模型单次处理上限，你得先分段摘要，再把各段摘要合并成最终版。直接硬塞进去，模型可能会丢掉中间部分的信息。

2.2 会议纪要整理：从流水账到行动清单

开会录音转文字之后，那一大坨内容看着就头疼。我用的提示词是这样的：

下面是一段会议记录，请帮我整理成标准会议纪要。 要求： 1. 按议题分段，每个议题下列出讨论要点和最终结论。 2. 单独列一个“待办事项”表格，包含：事项、负责人、截止时间。 3. 如果原文没有明确负责人或时间，标注“待确认”，不要自己编。 4. 语气保持中性，不要添加原文没有的评价。 会议记录： [粘贴内容]

这里最值得说的是第3条。模型有个坏习惯，遇到信息缺失的时候喜欢“合理推测”，你不拦住它，它就会给你编一个负责人出来。加上“不要自己编”这个约束之后，输出就老实多了。另外“待办事项”单独成表这个设计，是我踩过坑之后加的——以前混在正文里，翻半天找不到谁该干什么。

2.3 表格信息提取：从图片描述到结构化数据

有时候你拿到的是别人发来的一段文字，里面混着各种参数、价格、型号，你想把它变成表格。直接说“帮我整理成表格”，模型可能给你分错列。更稳的做法是先把列定义清楚：

请从下面的文本中提取信息，整理成Markdown表格。 表格列固定为：产品名称 | 型号 | 关键参数 | 参考价格 | 备注 规则： - 如果某个字段原文没有，填“未提及”。 - 关键参数只保留最核心的2-3个，不要全部罗列。 - 价格统一换算成人民币，保留整数。 文本内容： [粘贴内容]

把列定义死，模型就不会自由发挥。我拿这个模板处理过供应商报价单、设备参数表、课程对比信息，基本一次成型，最多微调一下个别字段的归类。

3. 内容生成类提示词：让输出从“能用”到“好用”

3.1 公众号开头：三种钩子任选

写东西最难的往往是第一段。我常用的提示词是让模型一次给三个不同风格的开头，然后我挑一个顺眼的再往下写：

我要写一篇关于[主题]的文章，目标读者是[读者描述]。 请帮我写三个不同风格的开头段落，每个150字左右： 1. 故事型：用一个具体场景或小故事引入。 2. 数据型：用一个反常识的数据或现象引入。 3. 痛点型：直接点出读者正在经历的困扰。 要求：不要用“随着...的发展”这种句式，不要用“在当今社会”开头。

这个提示词的精髓在于一次给三个选项。模型单次生成的质量有随机性，但三个里面通常至少有一个能用的。而且明确禁止了那几句被用烂的套话之后，出来的文字会清爽很多。我一般会把三个开头都看一遍，有时候会把故事型的场景和数据型的观点拼在一起，效果比单独用一个更好。

3.2 产品描述：FAB结构加场景锚点

写产品介绍最容易犯的毛病是堆参数。用户不关心你用了什么技术，只关心这东西能帮他解决什么问题。我用的结构是FAB（Feature-Attribute-Benefit）加上一个具体的使用场景：

请为下面这个产品写一段电商详情页描述。 产品信息： [粘贴产品参数和卖点] 要求： 1. 先用一句话点出目标用户的核心痛点。 2. 然后按“特点-优势-利益”的结构展开，每个点都要落到具体的使用场景里。 3. 最后加一句行动号召，语气自然，不要用“赶紧抢购”这种。 4. 全文不超过300字，口语化，像朋友推荐一样。

“落到具体场景”这个要求很关键。比如一个保温杯，“12小时保温”是参数，“早上装的咖啡，下午开会喝还是烫的”才是场景。模型一旦被要求写场景，就会自动把参数翻译成用户能感知的好处。

3.3 短视频脚本：黄金三秒加节奏控制

短视频脚本和图文完全是两套逻辑。我常用的模板是这样的：

请帮我写一个[时长]秒的短视频口播脚本，主题是[主题]。 结构要求： - 0-3秒：用一个问题或反常识结论抓住注意力。 - 3-15秒：给出核心观点，配合一个具体例子。 - 15-25秒：给出可操作的建议或步骤。 - 最后5秒：引导互动，但不要用“点赞关注”这种硬广。 输出格式：分镜表格，包含：时间轴 | 画面提示 | 口播文案。

分镜表格这个输出格式是我试了好几次才定下来的。纯文字脚本拍的时候不方便，表格一目了然，拍的时候直接照着走。另外“不要用点赞关注”这个约束，是发现模型特别喜欢在结尾加这句，加了之后整个视频的调性就变得很营销号，去掉之后自然很多。

4. 学习辅助类提示词：把模型变成私人教练

4.1 概念解释：三层递进法

学一个新概念的时候，最怕的就是解释里全是更陌生的术语。我用的提示词是让模型用三层递进的方式讲：

请解释[概念名称]。 第一层：用一句话说清楚它是什么，假设我完全不懂这个领域。 第二层：用一个生活化的类比来说明它的工作原理。 第三层：给出一个具体的应用例子，说明它在实际中怎么用。 要求：不要用专业术语解释专业术语，如果必须用到，先解释那个术语。

这个结构的好处是强制降维。模型在第一层被要求“假设完全不懂”，就会被迫用最朴素的语言。第二层的类比是帮助建立直觉，第三层的例子是帮助落地。我拿这个模板学过不少东西，从数据库索引到机器学习里的注意力机制，基本都能在几分钟内建立起一个可用的理解框架。

4.2 错题分析：从答案反推知识漏洞

辅导孩子学习或者自己备考的时候，错题是最宝贵的材料。但很多人只是把正确答案抄一遍，下次遇到类似的还是错。我用的提示词是让模型做“错因分析”：

下面是一道我做错的题目，以及我的答案和正确答案。 题目：[粘贴题目] 我的答案：[粘贴我的答案] 正确答案：[粘贴正确答案] 请帮我分析： 1. 我的答案错在哪一步？是概念不清、计算失误还是审题偏差？ 2. 这道题考察的核心知识点是什么？ 3. 给我出一道类似的题目，但换一个考察角度，让我检验自己是不是真的懂了。

第3条“换一个角度出题”是这个提示词最有价值的地方。它能检验你是真懂了还是只是记住了这道题的解法。我试过拿数学题和逻辑题做测试，模型出的变式题质量还不错，偶尔会有小瑕疵，但作为自测工具完全够用。

4.3 学习计划：倒推加缓冲

制定学习计划最容易犯的毛病是排得太满，执行三天就崩了。我用的提示词会强制留缓冲：

我想在[时间范围]内学会[技能/知识领域]，每天能投入[小时数]。 请帮我制定一个学习计划，要求： 1. 先列出这个领域必须掌握的5-8个核心模块。 2. 按依赖关系排序，说明为什么这个顺序。 3. 每个模块给出预计耗时和检验是否掌握的标准。 4. 总时间只占我可用时间的70%，留30%作为缓冲和复习。 5. 每周安排一次回顾，不学新内容，只复习和补漏。

“只占70%”这个约束是我自己踩坑之后加的。以前按100%排，一旦某天加班或者状态不好，整个计划就崩了。留出缓冲之后，反而执行率更高。另外“检验标准”这一条也很重要，不然学完一个模块你不知道自己到底学没学会。

5. 日常决策类提示词：把纠结变成可比较的选项

5.1 多选项对比：加权评分法

遇到几个选项拿不定主意的时候，我用的提示词是让模型帮我做一个加权评分表：

我需要在下面几个选项中做一个决定： [列出选项] 我在意的因素有：[列出因素，如价格、时间、风险、长期收益等] 请帮我： 1. 给每个因素分配一个权重（总和100%），并说明为什么这么分配。 2. 给每个选项在每个因素上打分（1-10分）。 3. 计算加权总分，给出推荐选项。 4. 指出这个推荐结果对权重变化有多敏感——如果我把某个因素的权重调高或调低，结论会不会变。

第4条“敏感性分析”是很多人忽略的。有时候两个选项总分很接近，换个权重就反转了。模型帮你把这一点指出来，你就知道这个决定到底有多“稳”。我拿这个模板做过租房选择、课程选择、甚至旅行路线选择，出来的表格直接可以当决策依据。

5.2 利弊分析：强制找反方证据

人做决定的时候容易陷入确认偏误，只找支持自己倾向的信息。我用的提示词会强制模型站在反方：

我正在考虑[某个决定]。 请帮我做两件事： 1. 列出支持这个决定的5个最强理由。 2. 列出反对这个决定的5个最强理由，要求每个理由都有具体的场景或数据支撑，不要泛泛而谈。 然后，请指出：如果我要推翻这个决定，最关键的证据是什么？

“最关键的证据”这个问题，是逼着模型找出那个“一票否决”的因素。有时候你看了正反两边的理由还是纠结，但一旦看到那个关键变量，决定就清晰了。

5.3 风险评估：事前验尸法

这个方法是跟项目管理里的“事前验尸”学的，我把它改成了提示词版本：

我计划做[某件事]。 请假设现在是六个月后，这件事已经失败了。请帮我分析： 1. 最可能导致失败的原因有哪些？按可能性排序。 2. 每个原因对应的早期预警信号是什么？ 3. 针对每个原因，我现在可以做什么来降低风险？ 要求：不要给我“执行力不够”这种笼统的原因，要具体到这件事本身。

“假设已经失败”这个视角的切换非常有用。正常想的时候人会乐观，一旦假设失败，模型就会帮你把那些平时忽略的风险点翻出来。我拿这个模板评估过几个小项目，提前发现了几个没想到的坑，省了不少事。

6. 提示词调优的四个实操心得

6.1 变量用方括号标出来，方便复用

上面所有模板里，我都用[方括号]标出了需要替换的变量。这个习惯看起来小，但特别实用。你存下来一个模板，下次用的时候一眼就知道哪里要改，不用重新读一遍全文。我自己的提示词库就是一堆这种带方括号的文本文件，用的时候复制粘贴，改几个变量就能跑。

6.2 输出格式说得越具体，返工越少

“帮我写个东西”和“帮我写一个包含三列五行的表格，列名分别是A、B、C”，出来的结果质量差很远。模型在格式上的自由度越大，你拿到之后调整的时间就越长。我现在的习惯是，只要输出结构稍微复杂一点，就先把格式定死，哪怕多写两行说明。

6.3 加一句“不要做什么”比“要做什么”更管用

模型有很多默认的“坏习惯”，比如爱用套话、爱编信息、爱在结尾加营销话术。与其在生成之后手动删，不如在提示词里直接禁掉。我常用的禁止项包括：不要用“随着...的发展”、不要编造原文没有的数据、不要用“点赞关注”结尾、不要用专业术语解释专业术语。这几条加上之后，输出质量明显提升。

6.4 一次生成三个版本，挑着用

模型每次生成都有随机性，与其反复调提示词追求“一次完美”，不如让它一次给三个版本，你从里面挑最好的，或者把几个版本拼起来。这个方法在写开头、写标题、写口号的时候特别好用。三个里面通常有一个能用的，两个凑合的，一个不行的，效率比反复重试高得多。

7. 常见问题与排查技巧

7.1 模型输出太短或太长怎么办

输出太短，通常是因为提示词里没有给“长度锚点”。加一句“每个要点不少于50字”或者“全文控制在300字左右”，模型就会往那个方向靠。输出太长，就在提示词里加“不要展开解释，直接给结论”或者“每个点不超过两句话”。我试过同一个提示词只改长度约束，输出长度能差三倍。

7.2 模型编造信息怎么防

编造信息通常发生在你问的东西超出它的知识范围，或者原文里没有明确信息的时候。防的办法有两个：一是加约束“如果原文没有提到，标注‘未提及’，不要自己编”；二是要求它“只根据下面提供的材料回答，不要引入外部知识”。这两个约束加上之后，编造的情况会少很多，但偶尔还是会有，所以关键信息自己还是要核对一遍。

7.3 输出格式不稳定怎么调

有时候你要求了表格，模型给你一段文字；你要求了分点，它给你一大段。这种情况通常是格式要求写得不够“硬”。把“请用表格”改成“必须输出Markdown表格，列名固定为A、B、C”，把“分点说明”改成“用有序列表，每点以动词开头”，格式就稳了。模型对“必须”“固定”“只能”这类词的敏感度比“请”“建议”高很多。