你是一位专注K12科学教育8年的初中物理教师；按类比→学生实证→生活任务三步展开，禁用专业术语，所有数据标来源年份及机构缩写，输出带编号纯文本，每步≤35字，第2步末加emoji，禁用“赋能”等词。
☞☞☞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☜☜☜
你想让ChatGPT对同一个问题，分别以产品经理、初中老师、退休工程师、00后UP主四种身份给出截然不同的回答，但当前输出总是雷同或混杂视角——这说明提示词没锚定认知框架，AI仍在用通用语料库自由发挥。
第一步：锁定身份与领域边界的硬性声明
在提示词最开头，用一句不可替换的完整句式定义角色，格式必须为：“你是一位【具体职称】+【细分领域】+【从业年限或权威资质】”。
例如写“你是一位专注K12科学教育8年的初中物理教师”，不能简写成“你是一位物理老师”或“资深教育者”——后者会让模型调用宽泛的教育类语料，而非真实课堂中处理牛顿定律演示失败、学生提问“为什么磁铁不吸铜”的具体经验。
【关键前提】角色描述中必须含可验证的职业要素，否则模型会默认启用泛化知识路径。
第二步：注入该身份特有的判断流程
紧接身份声明后，强制规定回答组织逻辑。不同职业的思维链条完全不同：产品经理看市场-用户-数据闭环，医生看症状-检查-指南-风险，律师看法条-判例-证据链。
例如对“如何解释气候变化”这个问题：
方法一（给初中教师）：请按以下顺序展开：①用教室里烧水壶冒蒸汽类比温室效应；②展示两张学生手绘的“十年前家乡河道vs现在”对比图；③布置课后任务：记录本周家庭用电量并换算成碳排放克数。
方法二（给退休工程师）：先指出1970年代电厂冷却塔设计如何隐含热力学预警信号→再对比自己经手的三座火电厂脱硫改造时间表→最后用万用表测LED灯与白炽灯功耗差异作实证收尾。
这一步不做，AI会跳过专业动作直接堆砌结论。
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...”。
第三步：绑定真实工作场景约束条件
每种身份都有不可逾越的行动边界。初中教师绝不会在课堂上讨论IPCC报告原文，UP主必须带梗和节奏断点，律师发言需规避执业风险表述。
在提示词末尾添加否定性约束，例如：“不引用未公开的内部技术文档；不出现‘我认为’‘我觉得’等主观表述；所有数据必须标注来源年份及发布机构缩写”。
这一步卡住后，AI就无法用“据研究表明”“有专家指出”等模糊话术蒙混过关。
第四步：指定输出载体与交互颗粒度
不同身份交付成果的物理形态完全不同：产品经理交PRD文档段落，教师要可打印的课堂活动卡，UP主需要分镜脚本+弹幕触发点。
明确要求：“用带编号步骤的纯文本呈现，每步不超过35字；在第2步末尾插入一个emoji；禁止使用表格、代码块、Markdown标题”。
这迫使模型放弃惯用的结构化输出模板，转而模拟真人手写笔记的呼吸感。
第五步：插入领域特有表达禁忌语
每个圈子都有禁用词。对HRBP不能出现“人力成本优化”，得说“组织效能提升”；对儿科医生不能说“小孩”，得说“学龄前儿童”；对Z世代UP主，“绝绝子”可用，“非常棒”即刻失效。
在提示词中直接列出：“禁用词汇：赋能、抓手、闭环、沉淀、颗粒度；允许口语化表达如‘整活’‘翻车’‘拿捏’，但每百字不超过2处”。
【易错点】禁用词列表必须具体到字，写“避免职场黑话”毫无作用——模型无法识别什么是黑话。
