简介面向ChatGPT、Claude、Bard等AI引擎使用者的《AI引擎Prompt指令设计绿皮书》系统讲解如何通过高质量Prompt让对话式AI生成更精准、更符合预期的内容。全书从指令写作的底层逻辑出发归纳出明确定义需求、提供足够上下文、使用简单直白语言、详细说明输出要求、举例说明、添加限制条件、多次迭代优化等七类核心技巧避免含糊指令带来的无关或低质量回复。针对新媒体运营场景书中给出小红书笔记万能指令、短视频开头写作指令等可直接套用的模板涵盖人设设定、标题与正文撰写、行动呼唤、话题标签和配图建议帮助创作者快速产出吸引力内容其余章节还覆盖简历写作、求职面试、个人发展等多元场景。资源为单份PDF电子书整包约3.64MB便于保存与移动阅读。目前已有6677人学习下载适合希望系统掌握Prompt设计思路并落地到实际工作的读者。1. Prompt指令设计为什么说它是用好ChatGPT的命门同样让ChatGPT写一篇小红书笔记有人拿到一条能直接发的爆款草稿有人拿回一段正确的废话——差别不在模型在Prompt指令设计。我拆完这份绿皮书之后最大的感受是写Prompt不是聊天是写需求文档。模型对指令质量高度敏感含糊的prompt提示词只会换来含糊的输出这不叫玄学叫输入决定输出。这份资源是一套完整的Prompt指令设计方法论核心是七条写作公式外加新媒体运营、简历写作、求职面试、个人发展四个场景的模板。适合两类人一类是想用AI做内容但输出总不对味的新媒体从业者另一类是想用AI改简历、准备面试但不知道怎么开口的求职者。一句话概括它不是让你背指令是让你理解AI为什么听你的话——七条公式里没有玄学全是可复制的动作。2. 七条写作公式拆解从模糊提问到结构化指令2.1 明确定义需求把「帮我写」改成「请你用…解释…」模型对歧义的容忍度极低。越模糊的指令越容易触发统计上的「平均答案」——也就是正确的废话。绿皮书给出的第一条公式就是在指令开头直接指出你的问题是什么用动作动词把任务钉死。请你用简单的语言解释什么是区块链。 对比一下这条指令的问题 帮我写一段关于区块链的东西。第一条指令指定了语言风格简单语言、动作解释、对象区块链模型知道自己要干什么。第二条「帮我写一段东西」没有指定产出形式、语言风格和听众模型只能调用最通用的「百科式」文风来兜底。这里有个参数细节需求定义包含三个要素——动作动词、对象名词、风格限定词。缺任何一个输出都会偏向平均态。常见的错误是只给对象不给动作比如「元宇宙」「私域运营」这种光秃秃的名词AI会默认你要一个科普框架而不是你真正想要的落地清单。2.2 提供上下文让AI记住「我们刚才聊了什么」新开一个对话窗口时模型对之前聊过什么一无所知。绿皮书给出的公式是在新Prompt之前先把前一轮对话的结论压缩成一句话带进去相当于给AI贴了一张便签。我们之前讨论了人工智能的发展。接下来请你解释什么是机器学习及其应用。这条指令的前半句是上下文锚点后半句是新任务。我在实际操作中会把上下文压缩到30字以内只保留和当前任务相关的结论不复制整段对话——每一句多余的背景都在占用token预算。另外一个容易被忽略的细节是如果你希望模型延续之前的输出格式光说「继续」不够要明确说「继续使用上面的列表格式/语气/结构」把格式要求指出来模型才会照着做。2.3 使用简单直白的语言减少句法层面的歧义这条公式和「明确定义需求」经常被混为一谈但它们的层面不同。定义需求管的是「说什么」简单语言管的是「怎么说」。模型对双重否定、反问句、嵌套从句的处理能力远低于对短句的处理能力。用通俗易懂的语言解释什么是元宇宙避免使用专业术语。坏指令的例子是「你能不能简单地说一下子元宇宙这玩意儿到底是怎么回事呗」——这句话里有口语虚词、有「怎么回事」的多义解读可以是定义、成因、争议模型只能猜。好指令直接指定解释对象和措辞难度。这里有个我自己的习惯一个指令里只保留一个核心动词。如果既想要定义又想要案例用「先…再…」结构拆成两步不要在一句话里塞两个问句否则模型会选其中一个回答另一个自然丢失。2.4 详细说明要求与举例说明显式约束加隐式约束绿皮书的第四条公式是详细说明输出格式、长度、语言风格第五条是给出1到2个示例。这两条放在一起看本质上是同一件事的两面显式约束说「你要什么」隐式约束用示例告诉模型「你说的要什么到底长什么样」。请以不超过500字的简短文章形式介绍孩子如何学习编程。 另外参考这个风格 上次你给我列举了旅游新西兰的5个最佳地点这次也请给我列出旅游意大利的5个最佳地点。显式约束的火候在于给区间而不是给上限。写「不超过500字」模型会往400到500字之间凑写「400到500字」它会收敛到区间中值附近输出更可控。隐式约束的坑是给太多示例给三个以上模型会开始模仿示例里的细枝末节反而丢失任务本身。我自己一般控制在一个示例最多两个并且两个示例的风格差异要拉开让模型提取「列表式、带数字、口语化」这类抽象特征而不是复制具体句子。2.5 添加限制条件与多次迭代让AI知道红线在哪限制条件本质上是给模型的采样过程加了一个负约束——不直接告诉它输出什么而是告诉它避开什么。绿皮书给出的句式请回答我的问题但请不要提供任何有争议或令人反感的内容。敏感话题、合规边界、品牌词都可以用这个句式拦截。注意参数位置限制条件写在指令尾部比写在头部有效。写在头部模型会进入「防御模式」整段输出都变得保守写在尾部模型先理解任务再收到边界输出质量损失最小。多次迭代是这条公式的另一半。它不是失败重来而是正常的工作流第一版Prompt输出不理想就往里叠上下文、叠示例、叠约束每次只改一个变量观察输出变化。绿皮书的原话是「写好Prompt需要多次尝试」这句话在实操里应该被翻译成每次只改一个参数改完看输出记录差异再改下一个。改多个参数等于什么都没改因为你看不出是哪个变量起了作用。下表是七条公式的速查公式一句话要点典型句式明确定义需求用动词对象钉死任务请你用…解释…提供上下文把前文结论压缩成一句我们之前讨论了…简单直白的语言短句、单动词、无歧义用通俗易懂的语言…详细说明要求给区间不给上限控制在600到800字…举例说明1到2个示例风格拉开参考这个风格…添加限制条件写在尾部正面替代负面请聚焦于…方向多次迭代一次只改一个参数增加背景信息再试一次3. 新媒体运营落地小红书笔记与短视频开头的指令模板3.1 小红书笔记万能指令人设、正文与配图的完整框架绿皮书里最完整的模板是这条小红书笔记指令它把一篇笔记拆成了身份层、结构层、规则层、对象层四部分。我在实际使用中把它整理成了可直接复制的版本从现在开始我想让你担任小红书的创作者。你的任务是根据我提供给你的主题撰写 一篇小红书的笔记包括标题、正文、行动呼唤、配图建议3个部分。具体要求 1、你的人设是该主题领域的专家语言需要权威。 2、标题需要吸引人最好带有数字并考虑SEO关键词匹配也需要带有小红书平台 特色的热门表情符号元素参考类似「这8个自动文案神器真的绝了」的写法。 3、正文控制在1000字以内尽量在600到800字之间至少加入5个表情符号元素。 4、正文末尾需要一些小红书相关主题的官方账号通过#的方式加上相关话题。 5、行动呼唤结合目标用户痛点设计福利资料包吸引评论比如健身教程配训练计划 PDFPS教程配工具下载链接。 6、配图部分给我一些配图的内容建议和方向尽量提供与主题相关的图片URL。 我的第一个请求是「如何选择合适的offer」。这条指令的核心不是长而是分层。身份层约束人设结构层固定了标题、正文、行动呼唤、配图四个输出块规则层用数字作战——字数、表情符号数量、标题里有没有数字对象层就是最后那行「我的第一个请求是…」。参数细节末尾这个「我的第一个请求是…」是变量位每次换主题只改这一行前面的框架不动。这个设计非常关键——它让你不用每次重写一整套指令只替换业务变量。另外注意「正文600到800字」是区间约束只写「1000字以内」模型容易给你800到900字的版本区间约束会让输出收敛到中值附近这是模型概率分布决定的不是玄学。3.2 短视频开头BPKT指令把「抓人」拆成可执行的检查点「开头要吸引人」这种要求太抽象模型听了等于没听。绿皮书的高明之处在于把「吸引人」拆成了七个可以逐条对照的检查点并命名为BPKT。这是一条典型的把隐性经验显性化的指令你是抖音短视频运营专家擅长短视频开头的文本创作和优化。接下来你需要作为我的 短视频开头写作助手我会给你短视频标题你需要帮我撰写开头。以下要求定义的开头 撰写方式称为【BPKT】 1、引人入胜用问题、冲突或意想不到的观点激发好奇心。 2、简洁明了开头直戳主题不拖泥带水。 3、视觉吸引建议画面亮点或视觉冲击元素。 4、语言简练避免专业术语让观众在短时间内明白主题。 5、制造悬念留下好奇点让观众想继续看。 6、突出价值让观众知道继续观看能得到什么收获。 7、快节奏避免过长的铺垫。 好的开头例如…我在拆这条指令时注意到一个容易忽略的设计第2条「简洁明了」和第7条「快节奏」在语义上重叠但它们的实现手段不同——一个管句子长度一个管信息密度。如果你图省事把它精简成五条输出反而会少一个层次。参数说明BPKT的价值在于它是一个「多约束优化」问题。模型生成时会在七个维度上做权衡而不是只追逐「吸引人」三个字。使用这个指令时记得把你自己的示例填进「好的开头例如」的位置——这一步很关键示例是模型校准风格的最短路径。3.3 标题优化与B站场景适配从抖音到B站的参数迁移标题优化指令BPBT是BPKT的「少版本」——只有三条要求引人入胜、制造悬念、突出价值。我把这个模板用在B站标题上做过迁移效果比直接套抖音指令好得多你是B站短视频运营专家擅长短视频标题的撰写和优化。我需要你作为我的短视频标题 写作助手我会给你一些短视频标题你需要帮我撰写标题。以下要求的标题撰写方式 称为【BPBT】 1、引人入胜用问题、冲突或意想不到的观点激发好奇心。 2、制造悬念留下疑问让观众想看下去。 3、突出价值在标题中表现视频的独特价值。 4、标题控制在20字以内允许包含具体数字。 好的标题例如《不要做只会让你贫穷的职业规划》。注意从抖音迁移到B站只改平台名是不够的。抖音标题更强调前3秒的刺激B站标题因为搜索占比高需要留出关键词空间。所以我加了第4条「控制在20字以内」——这是B站标题的实际规格同时默认模型用关键词匹配的思路来写。短视频标题平台迁移时至少要同步调整两处参数字数上限和关键词策略否则模型会照搬源平台的风格。提示指令里的「平台名」不只是称呼它会影响模型调用的内容风格库。写「你是抖音运营专家」和「你是B站运营专家」模型对标题节奏、信息密度的默认值完全不同。3.4 指令里的数字不是装饰品参数怎么设、什么时候不该设绿皮书所有模板里都带数字——字数、条数、表情符号数量、阅读数据。这些数字是让输出可控的关键参数推荐值不设置时会发生什么正文字数区间600到800字模型默认给3到4段短文结构松散表情符号数量5到8个没有约束时随机出现位置不可控标题数字1到2个标题缺少具体感点击意图弱行动呼唤诱饵必须设置笔记变成纯内容输出缺少转化路径数字约束不是拍脑袋。小红书正文的黄金长度在600到800字是因为这个长度能触发「读完」的互动权重标题里带数字是因为数字能降低认知成本。这不是模型偏好是平台用户行为决定的。但有一条边界不是每条指令都该设数字。如果你要的是发散型内容——头脑风暴、选题灵感、创意方向——就不该设字数和条数设了反而压制多样性。我的做法是区分「生产型指令」和「发散型指令」前者设参数后者只给方向和边界。用错类型是新手最常见的翻车原因没有之一。4. 选题调教与风格延续让AI成为懂你的内容搭子4.1 选题调教指令先让AI列出它能扮演的角色绿皮书的选题调教部分藏了一段非常典型的多轮对话。用户没有直接要选题而是先问AI「你需要我定义哪些角色」。AI列出了十个它可以扮演的身份信息搜集者、趋势分析师、创意发想者、数据解读者、话题挖掘机、目标受众分析师、多样性和包容性倡导者、热点事件跟踪者、专家引用和观点整合者、选题排列组织者。然后用户才说「从现在开始你需要具备以上全部角色」。这个顺序很有讲究。让AI先自我声明角色等于给后续输出铺了一层行为约束——它说出「我可以扮演十个角色」之后再收到「请全部扮演」的指令会自动用十个视角轮流分析而不是只从单一角度给答案。直接要选题的话模型只会给出最安全的三个大众话题。我希望你作为我的新媒体选题助手。请先列出你能扮演的角色我会根据需求选择。 AI列出角色后 好的从现在开始你需要具备以上全部角色。我负责半撇私塾的订阅号去年账号 平均文章阅读600左右通常植入0.1元的超级会员来转化读者。目标有2个提高阅读 量和转化率。现在遇到的问题1、文章平均阅读在300左右2、植入的超级会员很难 转化。这是过去1周的历史选题和数据 1、7大热门运营岗位小白适合哪一个阅读244 2、又双叒叕失业混不下去了就转行新媒体运营吧阅读237 3、要离职了被同事要求请吃饭怎么办阅读413 4、岗位内推丨8月招聘25k15薪offer等你来拿这段对话的另一个关键点是历史数据全部带数字。模型对数字的敏感度远高于对形容词的敏感度——写「数据不好」它只会泛泛而谈写「阅读244/237/413」它会自己去发现规律前两篇主题相似导致疲劳第三篇有共鸣所以高第四篇偏离定位所以低。数据就是喂给模型的事实锚点。4.2 用阅读数据喂AI从「我觉得」到「数据说」绿皮书里AI对历史选题的分析维度可以提炼成一套可复用的框架主题广泛性、选题创意相似性、受众匹配度。我在日常复盘里把这套方法封装成了一条固定指令维度明确指定AI的输出就是一份可以直接贴进复盘的结论。这是我们的定位、目标、历史选题数据。请从主题广泛性、选题重复度、受众匹配度、 互动潜力4个维度分析问题并给出改进建议 定位新媒体运营订阅号受众是转岗和求职小白。 目标提升阅读量、提升0.1元超级会员的转化率。 历史数据 1、7大热门运营岗位小白适合哪一个阅读244 2、又双叒叕失业混不下去了就转行新媒体运营吧阅读237 3、要离职了被同事要求请吃饭怎么办阅读413 4、岗位内推丨8月招聘25k15薪offer等你来拿直接丢数据给AI它会给你正确的废话指定维度之后它会按维度逐条输出。参数细节是维度数量控制在三到四个。太少模型钻不深太多它会平均用力、每个维度都说不到点上。这套「定位目标数据指定维度」的结构完全可以迁移到抖音账号复盘、知乎账号分析、公众号选题规划换场景只改定位和数据的值就行。4.3 写作风格延续指令BPFG把「文风」变成可复用变量绿皮书末尾的写作风格延续指令是我最常用的模板。它把写作风格定义为一个可以反复调用的变量第一次定义清楚之后每次只需要写「按BPFG风格写」接下来我会给你一些关于写作风格的要求我们将符合这些要求的写作风格定义为 【BPFG】 1、专业且贴近读者语言通俗易懂避免过于专业术语用「你」而不是「您」称呼。 2、分享实际案例结合真实案例或成功经验让读者容易产生共鸣。 3、简洁明了使用简洁的句子和段落不过于冗长。 4、鼓励互动在所有输出内容的最后鼓励读者留下评论或提出问题。 接下来请使用【BPFG】的写作风格撰写一篇题目为【xxx】的知乎回答。这个指令的巧妙之处是命名。一旦定义完成后续所有对话里只需要说「按BPFG风格写」模型会记住整套规则。这相当于在模型的工作记忆里注册了一个全局变量每次少复制几百字还减少了上下文占用。参数说明风格定义用「正面要求反面禁令」的组合最有效。「用‘你’而不是‘您’」是一条精确的反面指令比「要亲切」好使。反面禁令越具体越好——「避免专业术语」不如「把术语替换成大实话」有效因为后者给了模型一个可执行的动作。我把这套方法用滥了「小红书风格」「知乎专业风」「老板汇报风」都定义成变量切换风格只需要改一个词。4.4 诱饵设计与转化让AI帮你设计福利资料包绿皮书里另一个贯穿全文的概念是「诱饵」——行动呼唤部分用来吸引评论的福利资料包。这个概念放在今天看依然是转化设计的核心。AI在选题调教对话里给出的诱饵建议相当实操诱饵必须和选题高度相关AI新媒体的文章配「AI辅助创作指南」加免费工具试用码而不是通用资料包设置付费门槛领取诱饵需要付费购买0.1元超级会员免费——把「领取」变成「开通会员的理由」在正文里解释诱饵价值不能只说「文末有福利」要说清楚这份资料能解决什么具体问题帮我为下个月的选题设计诱饵。目标用户是想做新媒体副业的小白目标是通过诱饵 引导他们购买0.1元超级会员。请为每个选题推荐诱饵类型、诱饵内容大纲、以及 正文中的价值描述文案 选题1用AI创作如何为你的自媒体打造独特创意内容 选题2新媒体运营利用AI工具提升你的内容创作效率设计诱饵的本质是相关性设计。绿皮书里的原话是「如果笔记主题是健身教程福利诱饵可能是训练计划PDF」——抽象出来就是诱饵必须是内容主题的生产工具或成果物。「运营干货100篇」这种泛诱饵的转化率一定低于「AI工具清单试用码」因为后者和文章主题是同一件事。命令行文里我特意加了「价值描述文案」这个要求——别只听诱饵清单还要让AI替你写正文里的带货话术不然活只干了一半。5. 常见问题排查闪退、Token超限与输出跑偏的解法5.1 Prompt闪退指令本身成了解析的牺牲品现象长的Prompt粘进去还没等模型回答界面直接报错或者转圈消失有时会看到invalid prompt之类的提示。原因多数情况不是网络问题是指令里有歧义字符或格式冲突——不对齐的引号、中英文逗号混用、复制时混入的隐藏字符。模型在解析阶段就挂了根本到不了生成环节。长指令最容易出这个问题因为格式错误往往藏在后半段平时注意不到。解决先把Prompt粘贴到纯文本编辑器里清洗一遍再贴回对话框。检查引号是否成对、每行有没有多余空格。我还会在指令开头加一行「请仅根据以下指令作答不要解释指令本身」——这一行能同时压制模型对指令做无意义的元评论。5.2 Token超限上下文太长导致指令后半段被截断现象指令越来越长以后模型只响应前半段、忽略后半段的格式要求或者新一轮对话里它「忘了」之前定义的BPFG风格。原因模型对上下文长度有硬性限制。指令越长留给生成的空间越少。当上下文接近上限时部分模型会优先响应靠前的指令丢尾部的约束——所以最先被牺牲的往往是字数、格式、限制条件这些写在后面的参数。解决把指令拆成「固定前缀变量」。固定前缀放人设、规则、风格定义每次任务的具体要求放在最后。风格定义只做一次之后用「按BPFG风格写」引用不要每次都复制整段。这样上下文占用压到最短尾部约束永远在窗口内。我一般按一个中文字符大约对应0.7到1.4个token来粗算接近上限就裁剪背景描述保留业务数据。5.3 输出被Flagged不是内容违规是指令里的词触发了过滤器现象Prompt内容完全正常但模型回复「无法生成」或者出现类似potentially violating usage policy的报错。原因指令里的某些词触发了生成侧的安全检查。这里有个反直觉的坑指令里的否定句反而会把敏感词喂进上下文。比如「不要提供有争议或令人反感的内容」模型先看到「有争议」「令人反感」这些词过滤器直接拦截任务还没开始就结束了。解决把负面限制改成正面替代。不说「不要提及X」说「请只回答与Y相关的内容」。比如「不要回答政治话题」改成「请只回答与运营技巧相关的内容」。写完指令后通读一遍检查有没有把红线词写进去——这个习惯能省掉大量莫名其妙的被拦截。5.4 越调越差的死循环一个参数改了三次输出反而更差现象对输出不满意给AI加了「更详细一点」「更生动一点」的要求结果每次调整都让输出变得更空洞最后变成全是套话的废稿。原因模糊的增强词起的是反效果。「更详细」会让模型把每句话都拉长「更生动」会让它堆形容词。模型并不理解你的真实痛点——你可能只是觉得开头不够抓人改的却是整体篇幅。这是Prompt迭代里最典型的浪费。解决把「哪里不对」翻译成具体的参数修改。开头不抓人加「第一句必须用问句」语气不专业加「删除所有口语虚词」结构散加「每段用总—分结构」。我养成的习惯是不说形容词只给动词。每一个修改要求都必须是一个可以核对是否完成的操作而不是一个感受。5.5 同一指令两个模型输出完全不同模型差异不是玄学现象同一套指令在ChatGPT上输出是标准列表切到Claude就变成散文段落在GPT上能用的限流指令Claude会自动补充很多解释。原因不同模型的指令遵循度不一样。GPT更擅长跟随「输出格式」指令Claude带有更强的解释倾向——你不说「不要解释」它会默认先解释一遍再给答案。同理Bard等同类模型对「角色扮演」类指令的理解方式也各有差异公式通用参数要微调。解决在核心指令里加一条「不要解释指令不要输出思考过程直接给出答案」。这个句式对Claude尤其有效。跨模型复用模板时先跑一轮最小测试只给角色定义和一句话任务看模型输出再决定要不要调整指令强度。6. 沉淀自己的Prompt模板库验证与迭代的收尾功夫绿皮书给的是一套公式但公式要变成肌肉记忆得先沉淀成模板库。我把它浓缩成一张模板卡模板字段小红书笔记示例参数说明角色小红书创作者领域专家人设决定语气的权威程度任务写标题、正文、行动呼唤、配图建议显式列出输出块输出约束标题带数字SEO词正文600到800字用区间不用上限限制条件不涉及争议内容写在尾部用正面替代变量位我的第一个请求是「主题」每篇只改这一行模板卡写多了你会发现所有生产型Prompt都是「角色任务输出约束限制变量位」五件套。缺一项输出就失控。验证方法也很简单同一个Prompt连续跑三次比较主题相关性和句式差异。如果三次输出的首句完全不同说明指令的约束强度够了可以放行如果三次开头都是同一句式说明示例把模型锁死了需要删掉示例或者换成风格差异更大的两个示例重新校准。如果三次输出内容稳定一致、没有离散度也是问题——说明指令收得太紧生成的是模板化的空话这时候要放宽一个参数试试。token预算是我每次写长指令前必做的粗算一个中文字符大约0.7到1.4个token一屏对话大约能撑1500到2000字的输出。指令超过这个量我会砍背景描述保留业务数据把风格定义改成引用变量。有一次我写一条选题分析指令改了十几轮越改越迷糊输出的建议一条比一条空。后来复盘发现问题出在变量位和固定部分混在一起每次调整都在动全局框架。从那以后我每次定义新指令都强制走一遍五件套拆分先拆出固定框架再单独维护变量位调参只动变量位框架永不改。这么一来改一条指令的时间从半小时压缩到五分钟踩坑的概率也低了很多。希望帮到你。本文还有配套的精品资源点击获取