简介这套便携式PDF文档精选了一百五十个ChatGPT提示词模板并以中英文对照形式呈现面向自然语言处理爱好者、机器学习从业者以及语言模型研究者也适合日常希望提升AI对话效率的普通用户。模板覆盖范围很广包括Linux终端模拟、英语翻译与润色、面试官角色扮演、旅游向导、抄袭检测等常见场景每个模板既给出中文指令又保留英文原版既能直接套用快速搭建对话流程也能参考其任务拆解与措辞思路学习如何向大模型提出精准需求。资源仅包含一个PDF文件体积为5.18MB内容结构化便于离线查阅与跨设备保存。目前已有1271人浏览学习尤其适合具备一定自然语言处理或机器学习基础、希望深入掌握提示词工程的读者。总体而言这份资料既是实用的提示词素材库也是理解ChatGPT应用方式的入门参考。1. 这 150 个模板到底值不值得一份份去抄刚接触 ChatGPT 的人大多有这种经历想让它当翻译、当面试官、当 Linux 终端结果每次都在对话框里现编提示词编出来的要么太笼统、要么漏了关键约束运气好能用运气差就绕圈子。这份《ChatGPT使用秘籍150个ChatGPT提示词模板中英文版》解决的就是这个问题把高频场景的提示词预先写成可直接粘贴的模板你拿来改改占位符就能用。资源本身是一份 PDF内容以提示词功能列表为主每个模板都给了中英文两版覆盖角色扮演、工具替代、写作创作、学习辅导、生活娱乐五大类。它不是教程不教你模型原理也不提供训练代码而是一份拿来即用的提示词手册。适合有基础自然语言处理和机器学习概念、想提升对话系统落地效率的从业者也适合需要批量生产结构化提示词的运营和产品同学。2. 先把 150 个模板拆出结构五类功能与两种语言版本怎么读拿到 PDF 第一件事不是从头读到尾而是先把模板按功能分类。全部 150 条看着数量大但只要按这个模板在逼模型扮演什么角色、输出什么形态来拆结构一下就清楚了。2.1 角色扮演类模板占位符和角色一致性是核心角色扮演类在资源里占比最高典型代表是充当 Linux 终端担任岗位面试官充当英语翻译和改进者。这类模板的特征是开头第一句固定为我希望你充当/担任/扮演某角色后面跟着对这个角色的行为约束。以充当 Linux 终端为例完整模板可以拆成这类结构我希望你充当 Linux 终端。我会输入命令你会回复终端应该显示的内容。 我希望你只回复一个唯一的代码块不要写解释。 除非我指示你这样做否则不要输入命令。 当我需要用英语告诉你一些内容时我会用花括号 {像这样}。 我的第一个命令是 pwd。逻辑说明第一句定义角色和交互契约第二句约束输出格式代码块、无解释第三句约束模型不要主动越权第四句定义特殊标记规则第五句给出首触发指令。这五句缺一不可少了输出格式约束模型经常会把命令解释和终端输出混在一起回给你。参数说明第五句我的第一个命令是每次使用必须替换的位置把它换成你实际要执行的命令即可。如果你想连续跑多条命令发完第一条后直接输入下一条角色设定仍会保持因为上下文里一直有充当 Linux 终端这条指令存在。2.2 工具替代类模板输出格式是灵魂第二类是拿 ChatGPT 当工具用代表模板有充当 JavaScript 控制台充当 Excel 工作表充当抄袭检查员。这类模板跟角色扮演的差别在于它不追求角色人格而追求输出能被机器直接解析。以充当 JavaScript 控制台模板为例I want you to act as a javascript console. I will type commands and you will reply with what the javascript console should show. I want you to only reply with the terminal output inside one unique code block, and nothing else. do not write explanations. do not type commands unless I instruct you to do so. when i need to tell you something in english, i will do so by putting text inside curly brackets {like this}. my first command is console.log(Hello World);逻辑说明这个模板比 Linux 终端更强调只回终端输出连续用了 only reply、nothing else、do not write explanations 三个否定约束核心目的就是防止模型把 console.log 的执行结果和解释性文字混在一起。你拿它调试一段 JavaScript 逻辑时能直接复制输出结果不用人肉过滤多余文字。参数说明花括号声明是这类模板的共同约定作用是让模型区分你输入的代码和你要与模型说的话。如果你要执行 console.log() 但希望模型忽略其中某段就把那段放进花括号。注意中英文版模板的语言不同但协议完全一致实际使用时中文版更省 token。2.3 写作创作、学习辅导与生活娱乐类模板的交叉用法剩下三类模板数量多、结构差异不大核心都是同一套角色行为格式骨架只是替换了内容方向。写作创作类包括充当小说家充当编剧充当诗人充当说唱歌手充当影评人这类模板会额外要求风格参数比如充满想象力的故事有转折的剧情能触动灵魂的诗句。学习辅导类包括担任数学老师担任哲学老师担任 AI 写作导师担任职业顾问这类模板的特征是允许模型提问和反问交互是多轮的。生活娱乐类包括充当旅游指南扮演脱口秀喜剧演员充当魔术师这类模板行为约束最松主要靠场景描述约束发散程度。这三类的交叉用法很容易被忽略写作创作模板改一下输出格式就能变成学习辅导工具。比如把充当影评人的回复从段落改成主题/表演/摄影/综合评价四个字段的分条文本它就从影评人变成了结构化的内容分析器。这个改造在我接触的很多新媒体运营场景里比单独用学习辅导类模板更实用因为影评人模板本身已经内置了分析维度你只是换了个输出容器。3. 提示词的通用公式角色、行为、格式、首触发句把 150 个模板都翻完会发现它们不可能是 150 种完全不同的写法背后是同一个四要素公式。看懂了公式你就不需要死记模板遇到新场景自己就能组装。3.1 拆解模板公式以充当英语翻译和改进者为例这个模板是资源里被引用最多的一条完整长这样我希望你能充当英语翻译、拼写纠正和改进者。 我会用任何语言与你交流你将检测语言翻译它并用更美丽、更优雅、更高级的英语单词和句子回答我的文本。 保持意思相同但使它们更具文学性。 我只希望你回答纠正和改进不要写解释。 我的第一句话是我非常喜欢伊斯坦布尔来这里很美好。逻辑说明四要素在这条模板里的布局非常标准——充当英语翻译、拼写纠正和改进者定义角色我会用任何语言与你交流定义交互方式用更美丽、更优雅、更高级的英语单词和句子回答定义行为标准不要写解释定义输出边界最后一句定义第一个输入。你把英语换成日语法语把文学性换成商务严谨性就得到了一条新提示词。参数说明保持意思相同但使它们更具文学性这句是质量杠杆很多人在实际使用时会把它删掉结果模型只做直译改写得平淡无味。如果你要的是商务邮件润色把更具文学性替换成更正式、更简洁、逻辑层次更清晰即可。末尾的我的第一句话同样必须替换成你自己的文本否则模型会一直等你发那指定的一句话。3.2 语言方向与语气参数中英文版模板的差异处理资源里每条模板都有中英文两版很多人的误区是英文版效果更好所以只用英文版。实际拆下来你会发现中文版的约束句在控制模型行为上往往比英文版更稳原因是中文指令在抑制解释性输出方面歧义更少。我的处理习惯是角色名保留英文行为约束用中文。比如充当哲学家这条中文版写我会提供一些话题或问题你的工作是深入探索这些概念比英文版you will explore these concepts in depth对回答深度的约束更明确。中文里深入探索四个字已经把期望的输出层次说清楚了英文的 in depth 则容易被模型理解为字面深度。语气参数是另一处容易被忽略的差异。英文模板里的 polite 约束比如pleasethank you在中英文版模板里出现的频率不一致。我一般不删但也不依赖它因为模型对礼貌词的行为响应并不稳定真正决定输出质量的是角色描述和输出格式约束语气词最多影响开头一句的措辞。3.3 给模板加示例约束少样本提示的活用资源里的模板大多数是零样本提示也就是只给角色和行为描述不给示例。但实际使用中真正让模板稳定的是自己在对话里补一个示例。以充当抄袭检查员为例原模板只要求回复 undetected 或检测结果。实际使用时我先手动发一条带明显改写痕迹的句子给它让它给出判定格式然后追加一句后续按此格式回复充当抄袭检查员。我会给你句子你只回复该语言下的抄袭检测结果不写解释。 参考格式 输入This is a sample sentence. 输出undetected 我的第一句话是For computers to behave like humans...逻辑说明加一个参考格式相当于给了模型一个输出锚点比单纯说只回复结果要稳得多。模型会倾向于模仿示例的格式而不是自己发挥。这个技巧对工具替代类模板尤其有效。参数说明示例可以给一条也可以给两条形成对比比如一条 undetected、一条 detected模型会更快理解分类边界。但示例别超过三条过多示例会挤占上下文空间在长文本输入时反而降低判断准确率。4. 把现成模板改成自己的业务场景三个可复用的改写动作资源给的是通用模板直接拿来能用但用得好不好取决于你会不会做场景化改写。下面三个动作是我在多个实际项目里反复用的每一个都能单独用也能叠加。4.1 动作一替换角色描述把面试官改成行为面试官担任岗位面试官模板的通用版本只定义了面试官-应聘者关系没有行业和职级参数。要改成技术岗行为面试需要在角色名后面追加两到三个限定词。我希望你担任资深前端岗位的行为面试官。 我会扮演应聘者你将基于候选人过去经历提问重点考察项目决策过程和冲突处理方式。 不要给题目评分不要一次性列出所有问题。 每问完一个问题等待我的回答再继续。 第一轮问题请从请讲一个你推动技术方案落地的项目开始。逻辑说明第一句把面试官改成资深前端岗位的行为面试官第二句定义提问维度过去经历、项目决策、冲突处理第三句约束输出边界不评分、不列题第四句定义交互节奏第五句给出第一个问题。对比原模板改动集中在角色描述和提问维度上交互格式原封不动。参数说明资深前端岗位和行为面试两个词分别限定行业层级和面试方法。如果你想面的是校招把资深换成初级行为面试改成基础知识行为面试想面后端把前端换掉即可其他结构不用动。4.2 动作二更换输出格式从文本回答变成表格输出写作创作类模板默认输出是连续文本但很多工作场景需要结构化结果。改造方法是直接追加一个输出格式约束。充当影评人。你将针对电影撰写有洞察力的评论覆盖剧情、主题、表演、摄影、剪辑、节奏、配乐。 请按以下字段输出 | 维度 | 评分(1-10) | 评论 | 不要写总结性段落不要泄露关键情节。 我的第一个请求是分析这部电影的叙事结构。逻辑说明把原模板的撰写评论改成了按字段输出并直接用 Markdown 表格语法定义了输出容器。模型会按维度逐行填充比让它自由写一段影评更容易用于后续的数据整理。参数说明表格字段可以按需增删比如做短视频文案分析时我把字段改成爆点位置/情绪曲线/台词密度/可模仿性模型照样能按格式输出。Markdown 表格语法不需要写完整写列头模型就能推断出结构。注意不要写总结性段落这句要保留否则模型会在表格后面习惯性补一段分析。4.3 动作三追加限定词控制回复长度和术语资源里很多模板没写长度约束模型默认会回得很长。追加限定词是成本最低的改造方式。充当哲学老师。你将解释我提供的哲学概念要求易于理解。 请控制在 200 字以内先给结论再给例子。 不要使用本体论认识论等未解释的术语。 我的第一个问题是如何将不同哲学理论应用到日常生活。逻辑说明三段约束分别控制长度、输出顺序、术语使用。先给结论再给例子这条对模型输出结构的影响比说人话这类模糊要求有效得多因为模型对顺序性指令的遵循率远高于风格性指令。参数说明字数约束用200 字以内比简短一点可靠模型对具体数字的响应稳定。术语约束要列出具体词列举得越细屏蔽越有效。如果跑完发现还有术语漏出来把漏的那个词追加进约束里用一轮基本就能压住。5. 提示词模板落地避坑指南五个高频翻车现场模板抄下来能跑通是第一步真正折磨人的是跑着跑着行为就变了。以下五个问题我在使用过程中反复遇到都按现象→原因→解决记录下来。5.1 翻车现场一角色演着演着掉了现象让模型充当某角色前三轮很稳第五轮开始突然用作为一个 AI 模型的口吻回答或者输出里混入解释性文字。原因角色指令只存在于系统消息和历史对话中随着对话轮次变长模型对角色约束的记忆权重被新内容稀释。尤其是多轮对话里每轮回复都很长时最早的指令在注意力上占比会明显下降。解决换新对话粘贴模板或者每隔几轮手动补一句继续以上角色回答。我一般在第 5 轮左右补一次如果对话很长每 5 到 7 轮补一次。与其让角色跑偏后再纠偏不如主动刷新指令。5.2 翻车现场二中英文混用导致行为漂移现象用中文版模板开局模型规规矩矩回中文。聊着聊着输入里带了英文术语模型后半段开始切换成英文输出而且角色行为也变了。原因模型在上下文里检测到语言切换会倾向于跟随最近输入的语言。英文术语的出现让它误判你希望它用英文表达而语言切换往往同时带走了它对你先前中文行为约束的注意力。解决在模板里追加一句无论输入包含何种语言始终使用中文回复保留专业术语英文原文。这句话要放在角色定义之后、首触发之前。另外专业术语尽量首次出现时给中文括注减少模型对语言方向的误判。5.3 翻车现场三输出格式约束失灵现象明确要求只回复代码块不写解释前几轮正常某次输入内容较长时输出里多了这段代码的作用是……之类的解释。原因输入复杂度升高时模型的默认行为是尽量帮助用户理解这个默认偏好会压过之前的格式约束。尤其是模板里的约束只出现一次且位置在比较靠前时容易被长输入挤出有效上下文。解决把格式约束在模板里重复两遍开头一遍、命令提示前再强调一遍。比如只回复终端输出不写解释放在第一句然后记住不要解释放在首触发句之前。对长输入任务可以在输入内容后面追加严格按之前的输出格式执行。5.4 翻车现场四多任务塞进一个模板现象想让模型同时担任翻译和写作导师于是把两个模板拼在一起。结果翻译不彻底、修改建议也不到位两头都做不好。原因两个角色对应的指令之间存在竞争模型在生成每个 token 时都要权衡该跟随哪套约束最终得到的往往是折中输出。角色越不相干折中越严重。解决一个对话只保留一个角色。需要多任务时拆成两个独立对话或者先让翻译角色完成输出再把输出复制到新对话中交给写作导师角色。如果你想在一个对话里切换用新对话粘贴新角色模板不要在旧对话里改角色名。5.5 翻车现场五占位符没替换就发送现象模板里写了 {character} 和 {series}直接原样发送后模型开始扮演角色这个字面意思输出变得莫名其妙。原因占位符本身被当作角色名输入了。模型不知道这是待替换的位置会把 {character} 视为你要它扮演的实体角色。解决发送前先用查找替换把模板里所有花括号占位符处理完。批量使用模板时我一般先把每条模板过一遍替换检查确认没有残留花括号再进入对话。这条看似低级实际是新手翻车率最高的位置。6. 从模板到个人提示词库版本管理、回归测试与复用技巧150 条模板用熟之后下一步是把它改造成自己的私有资产。我不建议在 PDF 里直接改而是建一个自己的提示词台账。台账按四要素字段建表每条记录五列模板名角色描述行为约束输出格式首触发示例前端面试官资深前端岗位行为面试官考察项目决策与冲突处理逐轮提问不评分请讲一个技术方案落地项目影评结构化影评人覆盖六个分析维度Markdown 表格 3 列分析某剧叙事结构术语屏蔽讲解哲学老师200 字内先结论后例子单段落解释某概念每次改模板不要在原记录上覆盖而是复制一行改参数、注明改动原因。这样遇到模型行为不稳时可以随时回滚到上一版比每次临场重写好救急得多。我自己的经验是一次只改一个参数改完立刻跑同一段输入做对照比如同样拿请讲一个你推动项目落地的经历去测新版面试官模板观察行为是否一致。如果输出与上一版差异巨大且不是你想要的说明改动方向错了直接回滚。对常用模板我还会额外保存两个版本精简版和鲁棒版。精简版删掉语气词和冗余描述用于上下文长度受限的场景鲁棒版保留所有边界约束用于长对话或复杂输入。这两个版本用同一份台账管理只差在约束密度上。从那以后我每次拿到一个新的提示词任务都强制走一遍角色拆解、行为限定、输出定型、首句触发四步再进台账回归测试一次确认行为没跑偏才正式投入使用。这套流程跑顺之后基本告别了现场编提示词和反复试错的日子。希望这份模板资源和这套用法能帮你在调提示词这件事上少走几趟弯路。本文还有配套的精品资源点击获取