提示词需按“角色→输入→路径→输出”四步逻辑流构建，先锚定不可替代的动作动词，再用四格填空法补全隐性要素，辅以反向删减测试验证关键约束。
☞☞☞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☜☜☜
写ChatGPT提示词时，一写就跳步——刚说角色设定，下一句突然要求输出格式，中间缺了任务目标和约束条件，模型要么瞎猜要么漏执行。要让提示词像流水线一样稳稳推进，必须把“用户真实意图”一层层剥开，落到可执行的最小动作单元上。
先锚定核心任务动词
打开你的原始需求句，圈出那个不可替代的动作词：是“总结”？“改写”？“对比”？“生成表格”？不是“帮我看看”，也不是“能不能”，而是真正驱动模型输出的指令性动词。这个动词错了，后面全错。
比如“帮我整理会议记录”——真正动词是“整理”，但太模糊；拆成“提取5条待办事项→按优先级排序→每条标注负责人”才够硬。
补全隐性执行要素
方法一：用“谁→在什么条件下→做什么→产出什么形态”四格填空法
例：“写一封催款邮件” → 【销售专员】→【客户已逾期15天且未回应前两封】→【敦促付款并保留协商余地】→【正文不超过200字，含明确付款截止日与对公账户】
方法二：反向删减测试
把你写的提示词逐句删除，删到某一句时模型输出明显跑偏，那句就是关键约束。删掉“需引用2023年财报数据”后模型开始编造数字，说明这条就是不可删的硬条件。
按逻辑流分步组装
第一步：定义角色与视角
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...”。
用“你是一名……，熟悉……，立场偏向……”锁定认知基线。不写这句，模型默认用通用知识库，可能混淆行业术语。
第二步：声明输入源与范围
明确告诉模型“以下文本为输入：……”或“仅基于附件PDF第3–7页作答”。【没声明输入边界时，模型会自动联网或调用旧记忆，结果不可控】
第三步：铺设处理路径
用分号或换行隔开动作链：识别矛盾点；按严重程度分级；对每级给出法律依据+实操建议。避免用“然后”“接着”这类模糊连接词。
第四步：固化输出结构
指定字段名、符号、缩进规则。例如“用✅开头每条建议；禁用‘可能’‘或许’等模糊词；金额统一用中文大写”。
