要让ChatGPT输出深度性能分析，需强制其基于可观测现象、精确上下文、原始数据及指定工具链展开；每项结论必须对应可执行验证动作，并通过对比锚点聚焦显著变化指标间的因果链。
☞☞☞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☜☜☜
要让ChatGPT输出的性能分析结果不流于表面，必须切断它默认的宽泛描述路径——它习惯用“响应时间较长”“资源占用较高”这类模糊表述，而真实问题往往藏在具体指标、上下文约束和可验证现象里。
锁定可观测现象，拒绝主观形容词
第一步：明确写出你实际看到的、可复现的行为。比如不是“系统很慢”，而是“用户点击提交按钮后，前端Loading状态持续超过8秒才消失，且浏览器Network面板显示POST /api/order耗时7.6s，Status Code为200”。
第二步：补充该现象发生的精确条件。例如：“仅在并发用户数≥120时复现；使用Chrome 124版本；后端服务部署在AWS t3.xlarge实例上；数据库为PostgreSQL 15.4，连接池max=50。”
第三步：附带至少一项原始数据截图或日志片段（文字形式即可）。如：“curl -v https://api.example.com/v2/users | head -n 20 输出中显示X-Response-Time: 4212ms，Server: nginx/1.22.1”。【没有具体数值或日志行，ChatGPT会自动补全臆测内容】
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...”。
强制绑定分析维度与工具链
方法一：指定诊断工具和指标口径
在提示词开头就写：“请基于以下前提分析：JVM堆内存使用率来自Prometheus中jvm_memory_used_bytes{area="heap"}指标，采样间隔15秒；GC暂停时间取G1OldGeneration的gc_pause_seconds_sum指标；不要引用未提及的监控项。”
方法二：限定结论必须对应可操作动作
结尾加上：“每个判断必须对应一条可立即执行的验证命令或配置修改。例如，若怀疑线程阻塞，需给出‘jstack -l
用对比锚点破除笼统归因
提供两组对照场景，让模型聚焦差异点：
① 正常态：同一接口在测试环境QPS=50时P95响应时间为112ms，JVM Young GC平均耗时23ms；
② 异常态：生产环境相同QPS下P95飙升至3840ms，Young GC平均耗时升至1870ms，且出现Full GC频率从0.2次/小时增至4.7次/小时。
请只分析这两组数据中变化幅度＞300%的指标之间可能存在的因果链，忽略CPU使用率（两环境均为42%±3%）等稳定项。
这一步能有效防止模型把“磁盘IO高”和“GC频繁”强行关联——它们可能同为结果而非因果。
