ChatGPT提示词优化需遵循十大原则：一角色锚定、二范例引导、三分步推理、四上下文约束、五结构化输出、六响应边界、七前提校验、八迭代重写、九RACE框架、十参数高亮。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
一、赋予明确角色，激活专业响应
当ChatGPT被赋予具体身份时，其输出会自动调用与该角色高度关联的知识结构和语言风格，避免泛泛而谈。角色设定构成提示词的锚点，显著提升回答的专业性与针对性。
1、在提问开头使用“请你扮演一位[具体领域]+[资历/专长]专家”句式。
2、角色描述需包含行业术语或典型能力标签，例如“精通婚姻法的资深律师”“专注Z世代用户增长的社交平台产品经理”。
3、紧接角色后直接下达任务动词，如“分析”“撰写”“诊断”“设计”，不添加模糊修饰语。
二、提供清晰范例，引导格式与逻辑对齐
模型通过模式识别理解用户意图，范例比抽象描述更高效地传递结构、语气、长度与细节层级等隐性要求。
1、在指令中插入“参考以下范例：”作为过渡。
2、范例必须真实、完整、可验证，且与待生成内容类型一致，例如要生成小红书文案，就提供一条已发布的小红书爆款正文。
3、每个范例后标注关键特征，如“注意：使用第一人称+emoji分隔+三段式结构（痛点引入→解决方案→行动号召）”。
三、拆解复杂任务，强制分步推理
对于含逻辑链、多条件判断或需权衡取舍的问题，一次性输出易跳步或自洽性不足；分步指令可迫使模型显式呈现中间结论，便于用户校验与干预。
1、使用“让我们一步一步思考：”作为前置引导语。
2、将任务分解为编号子步骤，每步只处理一个确定性操作，例如“第一步：列出影响该问题的三个核心变量；第二步：对每个变量标注数据来源可靠性等级（高/中/低）”。
3、在关键节点插入验证指令，例如“请确认上一步结论是否与原始输入中的【XX事实】一致”，并要求模型明确回应“是”或“否”及依据。
四、嵌入上下文约束，排除干扰信息
开放性提示易导致模型引入无关知识或默认假设；显式声明背景、限制条件与禁忌项，能大幅压缩无效输出空间。
1、在任务前插入“背景：”段落，限定时间、地域、受众、技术栈等客观参数。
2、使用“禁止：”单独成句，列举三项以内绝对不可出现的内容，例如“禁止使用专业缩写”“禁止虚构数据来源”“禁止建议法律诉讼以外的维权方式”。
3、对关键变量加引号标定，例如“用户当前使用的是‘iOS 17.6’系统，不是‘Android’设备”，防止模型自行替换前提。
五、结构化输出指令，适配后续处理
非结构化文本难以被程序解析或快速比对；指定JSON、表格、带编号列表等格式，既提升可读性，也支持自动化流程对接。
1、在动词后紧跟“以JSON格式输出，包含字段：[字段1]、[字段2]、[字段3]”。
2、字段名须为英文且无空格，值内容保持纯文本，不嵌套复杂对象。
3、若需多级结构，明确层级关系，例如“主键为‘category’，其下‘items’为字符串数组，每项不超过15字”。
六、设置响应边界，控制输出粒度
未限定长度、深度或视角的提问，常导致冗余铺垫或偏离焦点；主动声明边界可锁定有效信息密度。
1、在结尾添加“要求：仅输出答案，不解释原理，不加说明性前缀或后缀”。
2、用“限200字内”“用3个要点概括”“聚焦2024年后的政策变化”等方式量化约束。
3、对主观类任务，指定参照系，例如“按麦肯锡问题解决框架的四个阶段组织内容”，而非“全面分析”。
七、注入校验机制，识别前提偏差
模型可能基于错误假设展开推理，尤其当输入信息存在歧义或缺失时；要求其主动检验前提，可提前拦截逻辑坍塌。
1、在任务指令末尾加入“请先确认以下前提是否成立：【前提陈述】。若不成立，请指出缺失信息并暂停执行。”
2、前提陈述必须为可证伪的客观句式，例如“用户已安装Python 3.9以上版本”而非“用户具备编程基础”。
3、模型必须以“确认成立”或“不成立：【具体缺失项】”开头作答，不得省略校验环节。
八、迭代优化提示，基于反馈重写
首次提示未达预期时，不应重复提交，而应将原始输出与偏差点作为新输入，驱动模型自我修正。
1、将原prompt、模型输出、你标注的“问题位置+期望结果”三者拼接为新输入。
2、指令明确为：“请分析上述输出在【具体维度，如逻辑连贯性/数据准确性/格式合规性】上的缺陷，并重写原始prompt以规避该问题。”
3、新prompt生成后，立即在新对话窗口中测试，不复用旧上下文。
九、使用RACE框架组织提示词
RACE是角色（Role）、行动（Action）、上下文（Context）、执行（Execution）四要素组合，覆盖提示工程核心结构，适合新手建立系统性思维。
1、Role：以“你是一位……”起始，限定知识域与表达身份。
2、Action：使用强动作动词，如“提取”“对比”“重写”“生成”，避免“帮忙”“看看”等弱动词。
3、Context：用“背景：”“用户需求：”“约束条件：”分段给出不可变事实。
4、Execution：指定格式、长度、分隔符、禁用词等执行细则，例如“用中文输出，每段首行缩进2字符，禁用‘可能’‘大概’等模糊副词”。
十、高亮关键参数，防止视觉遗漏
人类阅读时易忽略嵌套在长句中的数值、版本号、时间节点等决定性参数；将其独立成短句并高亮，可确保模型优先捕获。
1、将所有数字、日期、型号、百分比、人称代词等关键参数单独成句。
2、每句仅含一个参数，例如不写“iOS 17.6和Android 14”，而分写为“iOS 17.6”“Android 14”。
3、在参数句前后各空一行，形成视觉隔离带，避免被上下文稀释注意力。
