提示词必须用具体动作动词替代抽象词汇，每条指令含输入→处理→验证闭环，绑定真实代码片段、工具环境与可验证反馈信号。
☞☞☞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☜☜☜
你设计的ChatGPT代码学习计划提示词写出来后，自己读着发懵、模型执行时跳步骤、生成的路线图全是“掌握基础”“深入理解”这类空话——这不是你不会学，是提示词没把“人怎么真正学会写代码”这个过程钉死在可操作的动作上。
把抽象目标转成机器能识别的动作动词
第一步：打开你当前写的提示词，用Ctrl+F搜索所有“掌握”“了解”“熟悉”“理解”“学习”“夯实”“提升”——这些词全部删掉。【它们是提示词失效的根源，ChatGPT对这类词没有执行锚点】
第二步：对照你的真实学习场景，把每个被删掉的抽象词，替换成具体动作。例如：“理解Python函数” → “写出3个带return、带默认参数、带*args的函数，并用print()逐行验证输出”；“掌握列表推导式” → “把一段含for+if的循环代码，手动改写成等价的列表推导式，再让ChatGPT比对两段输出是否一致”。
第三步：每条指令必须包含输入→处理→验证闭环。比如不要写“学习Pandas数据清洗”，要写“给定一个含缺失值、重复行、类型错误的CSV样本，用pd.read_csv()加载后，依次执行dropna()、drop_duplicates()、astype()修复，并用df.info()和df.head()截图确认结果”。
用真实代码片段当提示词的锚点
方法一：直接把你要练的最小可运行代码块贴进提示词开头。例如：
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
```python
def calc_discount(price, rate=0.1):
return price * (1 - rate)
print(calc_discount(100)) # 输出？
print(calc_discount(100, 0.2)) # 输出？
```
然后接指令：“逐行解释这段代码的执行流程，标出每次调用时栈帧中price/rate的值，并修改第4行让它输出‘折扣后：90.0’”。
方法二：要求ChatGPT先输出“你接下来要执行的3个动作”，再执行。例如：“请先列出你为教我这个知识点将做的3件事（必须含1次代码改写+1次错误注入+1次输出对比），确认后我回复‘开始’，你再执行”。【这能强制模型放弃泛泛而谈，先暴露它的教学逻辑】
绑定具体工具和反馈信号
第一步：在提示词里明确指定你正在用的环境。不是“用Python练习”，而是“我在VS Code里用Python 3.11，终端能跑python -c 'print(1+1)'，但还没装任何包”。
第二步：规定每次输出必须附带可立即验证的反馈项。例如：“每讲完一个概念，必须给出：① 一行可复制粘贴到你终端运行的验证命令（如python -c "print([x**2 for x in range(3)])"）；② 该命令预期输出（[0, 1, 4]）；③ 如果输出不符，下一步该检查什么（检查中括号是否匹配/确认range起始值）”。
第三步：加入失败触发机制。例如：“如果我回复‘报错：NameError: name 'df' is not defined’，你立刻停止讲解，只做一件事：反向推导我漏写了哪行代码，并用>>>符号标出必须补上的完整语句”。
