简介：这份《ChatGPT中文调教指南》面向希望系统掌握提示词技巧的中文用户，无论是初次接触大模型的普通使用者，还是想提升日常效率的职场人与开发者，都能从中找到可复用的实战思路。资源以PDF文档形式呈现，压缩包内共1个文件，体积约694KB，轻量易读，便于随时查阅。内容围绕中文环境下的有趣应用示例展开，涵盖学术论文写作、创意小说、翻译润色、数据分析、技术文档、简历求职信、广告文案、SEO优化等丰富场景，并给出角色扮演式提示模板，如充当Linux终端、英语翻译与改进者、面试官、文字冒险游戏等，帮助读者理解如何通过精准指令调教ChatGPT输出所需结果。目前已有700余人学习下载，适合作为提示词入门与进阶的参考素材，帮助读者快速上手并拓展大模型在写作、编程与日常办公中的实际用法。
1. 一份把 ChatGPT 当“可编程角色”的中文提示词合集
很多人第一次用 ChatGPT 写东西，得到的都是四平八稳的“正确的废话”，于是得出一个结论：这玩意儿也就那样。但同一时间，另一些人却能让它稳定输出 Markdown 表格、扮演面试官逐题追问、当 Linux 终端只回代码块、甚至用固定格式生成正则表达式。差距不在模型，而在提示词的结构。这份《ChatGPT 中文调教指南》就是一份把“角色设定 + 输出约束 + 交互协议”写死的中文提示词合集，覆盖学术写作、翻译、编程辅助、角色扮演、表格生成、数据分析等几十个场景。它适合两类人：一是刚上手、不知道怎么把需求说清楚的新手；二是想把提示词沉淀成模板、嵌进自己工作流的从业者。下面我按“它到底怎么组织 → 怎么抄着用 → 哪里会翻车”的顺序拆一遍。
2. 提示词的骨架：角色、约束、协议三件套
2.1 为什么“你是一个XX”不是玄学
指南里几乎每条提示词都以“我想让你充当……”或“我要你扮演……”开头，这不是仪式感，而是有实际作用的。大模型在生成时会对上下文里的每个 token 做条件概率计算，当提示词里出现一个明确的角色锚点，后续输出的词汇分布会被收窄到该角色的典型语域里。比如“充当英英词典”这条，它要求输出“中文翻译 + 英文释义 + 一个例句”，并且“保持简洁，不需要任何其他反馈”。如果你只说“帮我解释 Hello”，模型可能给你一段百科式的介绍；加上角色和格式约束后，它才会输出词典条目式的紧凑结构。
这里的关键是：角色负责收窄语域，约束负责收窄格式，两者缺一不可。只给角色不给格式，输出会飘；只给格式不给角色，语气会干。指南里那些看起来“啰嗦”的提示词，其实是在同时锁死这两个维度。
2.2 输出约束的四种常见写法
翻完整份指南，输出约束基本可以归为四类，我按约束强度从弱到强排一下：
| 约束类型 | 典型写法 | 适用场景 |
|---|---|---|
| 内容范围约束 | “只回复推荐的项目，不要写解释” | 购物建议、评论生成 |
| 格式约束 | “以 markdown 表格形式回复” | 表格生成、棋盘状态 |
| 交互节奏约束 | “不要一次写出所有问题，等我回答” | 面试官、辩论教练 |
| 协议级约束 | “只在一个唯一的代码块内回复，不要写解释” | 终端模拟、SQL 终端 |
协议级约束是最强的，因为它同时规定了“输出容器”和“禁止内容”。指南里“充当 Linux 终端”那条就是典型：它要求模型只在一个代码块里回复终端输出，不写解释，除非用户指示否则不主动输入命令。这种写法把模型的自由度压到最低，换来的是可预测性最高。
2.3 交互协议：多轮对话怎么不跑偏
单轮提示词好写，难的是多轮。指南里“担任面试官”这条给了一个可抄的模板：
我想让你担任Android开发工程师面试官。 我将成为候选人，您将向我询问Android开发工程师职位的面试问题。 我希望你只作为面试官回答。不要一次写出所有的问题。 我希望你只对我进行采访。问我问题，等待我的回答。 不要写解释。像面试官一样一个一个问我，等我回答。 我的第一句话是“面试官你好”这段的逻辑说明：第一句定角色，第二句定双方身份，第三句定交互节奏（一次一问），第四句定禁止项（不写解释），第五句给启动信号。参数上，你可以把“Android开发工程师”替换成任何岗位，把“面试官”替换成“技术评审”“论文导师”等。注意“等我回答”这四个字不能省，省了模型就会一口气把十个问题全列出来，多轮就变成单轮了。
提示：多轮提示词里，凡是涉及“等待”“逐条”“一次一个”的约束，都要写得非常直白，模型对隐含的节奏要求不敏感。
3. 高频场景实战：表格、翻译、终端模拟怎么落地
3.1 表格生成：把“10行”和“只回表格”写死
指南里“做表格”这条提示词很短，但约束很密：
请你充当表格生成器。 您只会回复我一个包含10行的表格。 我会告诉你在单元格中写入什么，你只会以markdown表格形式回复结果， 而不是其他任何内容。 请注意，您的回答应该是简明扼要的，不需要附带任何额外的解释。 你只会回复 markdown 表的作为结果。 首先，回复我十二生肖表。逻辑说明：这里有三层约束——“10行”限定了规模，“markdown表格”限定了格式，“不是其他任何内容”排除了前置说明和后置总结。参数上，“10行”可以改成任意数字，但建议不要超过 20，否则模型容易在中间行开始偷懒或合并单元格。实测中，如果不写“不需要附带任何额外的解释”，模型大概率会在表格前加一句“好的，以下是十二生肖表”，这在需要直接复制进文档的场景里就是噪音。
3.2 翻译类提示词：区分“英翻中”和“英英词典”
指南里翻译相关的有三条，用途完全不同，别混用：
- “充当英语翻译和改进者”：输入任意语言，输出更优美精炼的英语，只回更正和改进的部分。
- “充当英翻中”：把任何语言翻成中文，要求不带翻译腔，自然流畅地道。
- “充当英英词典（附中文解释）”：把英文单词转成“中文翻译 + 英文释义 + 例句”的完整解释。
这三条的约束差异很大。第一条只回“改进后的部分”，适合润色；第二条要求“不带翻译腔”，适合本地化；第三条要求“检查所有信息是否准确”，适合查词。如果你拿“英翻中”的提示词去查单词，得到的会是一整段翻译而不是词典条目。选型时先想清楚你要的是“改写”“翻译”还是“释义”，再挑对应模板。
3.3 终端与 SQL 模拟：协议级约束的典型用法
“充当 Linux 终端”和“充当 SQL 终端”这两条是指南里约束最狠的，也是最适合拿来做自动化测试的。以 SQL 终端为例：
我希望您在示例数据库前充当 SQL 终端。 该数据库包含名为“Products”、“Users”、“Orders”和“Suppliers”的表。 我将输入查询，您将回复终端显示的内容。 我希望您在单个代码块中使用查询结果表进行回复，仅此而已。 不要写解释。除非我指示您这样做，否则不要键入命令。 当我需要用英语告诉你一些事情时，我会用大括号{like this}。 我的第一个命令是“SELECT TOP 10 * FROM Products ORDER BY Id DESC”逻辑说明：第一句定角色和数据库结构，第二句定输入输出关系，第三句定输出容器（单个代码块），第四句定禁止项（不写解释、不主动输命令），第五句定“元指令”的转义方式（大括号）。参数上，表结构可以替换成你自己的 schema，但要注意：模型并不会真的连数据库，它只是根据表名和字段名“演”一个结果。所以字段名要写清楚，否则它可能编出不存在的列。
注意：终端模拟类提示词适合做交互演示和格式测试，不要用它来验证真实 SQL 的执行结果，模型返回的是模拟数据。
4. 避坑与排查：五条血泪经验
4.1 现象：模型一口气把多轮对话全答完了
原因：提示词里没有写“等我回答”或“一次一个”，模型默认按单轮任务处理，直接把所有问题或步骤列出来。
解决：在交互节奏约束里显式加“不要一次写出所有的问题”“等我回答”“一个一个问我”。如果已经跑偏，重新开一个会话，把约束补上再启动。
4.2 现象：表格行数对不上，说好10行只给了7行
原因：行数约束不够硬，或者表格内容触发了模型的“精简”倾向。当单元格内容较长时，模型会主动合并或省略行来节省输出。
解决：把行数写在最前面，并加一句“必须严格包含10行，每行都要有内容”。如果还是不稳，改成“先输出表头，然后逐行输出，每行前标注行号”。
4.3 现象：翻译提示词输出了一堆解释
原因：用了“英英词典”类模板去翻译句子，或者模板里没有写“不要写解释”。词典类模板默认会附带释义和例句，和纯翻译的预期冲突。
解决：翻译用“充当英翻中”，查词用“英英词典”，润色用“英语翻译和改进者”。三条不要混用，混用就会得到混合输出。
4.4 现象：终端模拟里模型开始写解释
原因：协议级约束被后续对话稀释了。多轮之后，模型会逐渐“忘记”最初的“不要写解释”约束，尤其是在你输入了自然语言问题之后。
解决：每隔几轮重申一次约束，或者把约束写成固定前缀，每次输入命令时带上。更稳的做法是开新会话，把完整协议重新贴一遍。
4.5 现象：角色扮演越跑越偏，语气完全不对
原因：角色锚点太弱，或者后续对话里出现了与角色冲突的内容。比如让模型扮演“唐三藏”，但你问了一个现代技术问题，它就会在角色和知识之间摇摆。
解决：在提示词里加一句“必须以XX的语气和知识范围为基础”，把知识范围也锁死。如果角色需要长期维持，把角色设定写成一段固定文本，每轮对话都带上。
5. 进阶：把提示词模板化成可复用资产
指南里的提示词是散的，真正要用起来，得把它们变成可复用的模板。我一般的做法是建一个 Markdown 文件，每条模板按“场景名 + 提示词正文 + 可替换参数”三段式存。比如面试官那条，参数就是“岗位名称”；表格生成器那条，参数就是“行数”和“表名”。这样下次用的时候只改变量，不改结构。
再进一步，可以把高频模板做成命令行工具的参数。比如用 Python 写一个小脚本，把模板存在字典里，运行时传入场景名和参数，自动拼出完整提示词并复制到剪贴板：
# prompt_templates.py # 把指南里的提示词模板化，按场景名索引 TEMPLATES = { "interviewer": ( "我想让你担任{role}面试官。我将成为候选人，" "您将向我询问{role}职位的面试问题。" "我希望你只作为面试官回答。不要一次写出所有的问题。" "我希望你只对我进行采访。问我问题，等待我的回答。" "不要写解释。像面试官一样一个一个问我，等我回答。" "我的第一句话是“面试官你好”" ), "table_gen": ( "请你充当表格生成器。您只会回复我一个包含{rows}行的表格。" "我会告诉你在单元格中写入什么，你只会以markdown表格形式回复结果，" "而不是其他任何内容。请注意，您的回答应该是简明扼要的，" "不需要附带任何额外的解释。你只会回复 markdown 表的作为结果。" "首先，回复我{table_name}。" ), } def build_prompt(scene, **kwargs): # 按场景名取模板，用参数填充占位符 template = TEMPLATES.get(scene) if not template: raise ValueError(f"未知场景: {scene}") return template.format(**kwargs) if __name__ == "__main__": # 示例：生成一个面试官提示词 print(build_prompt("interviewer", role="Android开发工程师")) # 示例：生成一个12行的表格提示词 print(build_prompt("table_gen", rows=12, table_name="十二生肖表"))逻辑说明：TEMPLATES字典把场景名映射到模板字符串，build_prompt负责填充参数。参数上，role替换岗位，rows控制行数，table_name指定表名。这个脚本的价值在于：你不再需要每次手动改提示词里的变量，也不会因为漏改某个词导致约束失效。
验证方法也很简单：跑一遍build_prompt，把输出贴到对话里，看模型是否按预期返回。如果返回格式不对，先检查模板里的约束句有没有被参数替换破坏，再检查参数值是否合理（比如行数是不是写成了字符串）。
从那以后我每次整理提示词，都强制走一遍“模板化 → 参数化 → 跑一遍验证”的流程，不再直接复制粘贴散装提示词。希望帮到你。
本文还有配套的精品资源，点击获取
