01「ChatGPT提示词例子」到底在问什么
「ChatGPT提示词例子」的搜索结果通常很长，但大部分是同义词改写。真正有用的判断标准只有一条：它有没有写清适用条件。模型适配的清单如果没标适用条件，用的时候还得重新判断一遍，等于没省时间。
清单真正值钱的部分往往不是内容，而是标注：这条适合什么任务、需要补什么信息、什么时候会失效。
为了让你少走弯路，下面把「怎么写」和「怎么判断写得对不对」放在一起讲。只讲前者，你永远不知道自己那版差在哪。
案例的价值在于能倒推。看「ChatGPT提示词例子」的时候，别只看它写了什么，要看它省掉了什么：哪些信息它默认你会补，哪些约束它提前写死了。
一个实用做法：挑三条你用得上的案例，把里面跟业务相关的词替换掉，剩下的结构留着。改到第三条时，你会发现套路其实只有几个。
02三种写法，差别在哪
三种写法放在一起对比，最容易看出问题：多数人卡在第一行，以为多写几句客套话就叫说清楚了。
| 常见写法 | 为什么效果差 | 改成这样 |
|---|---|---|
| 「哪个模型写ChatGPT提示词例子更好」 | 得到主观排序，和你的任务无关 | 「用下面这段完全相同的输入，分别在两个模型上跑，比较格式遵守度」 |
| 「换个模型重写一遍」 | 不知道变好是因为模型还是因为重写 | 「保持输入完全一致，只换模型，其余不变」 |
| 「ChatGPT提示词例子在xx模型上不行」 | 结论来自单次失败，可能是偶然 | 「同一输入跑三次，看失败是否稳定复现」 |
03一条能直接用的示例
这段可以直接复制。把【】和括号里的内容换成你的情况，其余不用改；如果只有一分钟，改前两行就够跑起来。
你是日常同时使用多个大模型的从业者。
【任务】说明「ChatGPT提示词例子」这类写法在具体模型上的差异，以及怎么调整。
【要求】指出至少两处不同模型表现不一致的地方，并给对应改法。
【约束】不确定的地方写「需要实测」，不要编造版本差异。
【格式】先结论，再分点说明差异，最后给一段通用写法。04要加强版就加这两步
加强版的关键不在更长，而在多了「自检」这一步。让它在输出后指出自己哪里没把握，比你事后逐句核对快得多。
你是做多模型横向评测的人，需要用同一任务对比「ChatGPT提示词例子」在不同模型上的表现。
【任务】设计一个可复现的对比方案。
【要求】
1. 固定任务描述，逐字相同，只改变模型；
2. 列出三个观察维度（例如：是否遵守格式、是否编造、长文稳定性）；
3. 每个维度给一个可打分的标准，三档即可；
4. 说明这个对比在什么条件下结论会失效。
【约束】不比较价格；不使用「更聪明」这类无法测量的词；结论必须基于输出本身。
【格式】先方案，再表格，最后一段局限说明。05字段怎么填
字段不用一次填满。先填任务和格式，看结果差在哪，再回头补对应那一行，效率比一次写全高。
| 字段 | 怎么写 | 常见反例 |
|---|---|---|
| 指令强度 | 有的模型很吃「必须」「禁止」，有的反而变差 | 一套写法套所有模型 |
| 上下文 | 长文档理解能力差异明显 | 以为都能读完整篇 |
| 格式服从 | 结构化输出（JSON/表格）稳定性不同 | 假设一定按格式给 |
| 任务固定 | 同一段话复制到不同模型，不改一个字 | 每个模型换一种问法 |
| 观察维度 | 格式遵守、事实准确、长度控制 | 「哪个更好」 |
| 记录方式 | 把输出原文留存，方便回看对比 | 只看一眼就下结论 |
06换场景，侧重就不一样
场景变了，重点就变了：有的要短，有的要全，有的必须先声明边界。选错侧重，写得再细也不合适。
| 场景 | 这种场合下要侧重什么 |
|---|---|
| 选型阶段 | 用你真实的高频任务做对比，别用通用题 |
| 日常使用 | 固定一个主力模型，减少切换带来的变量 |
| 长文任务 | 重点看后半段是否跑题，这是分水岭 |
| 格式要求高 | 重点看是否严格遵守结构，而非内容好坏 |
07六个常见错误
- 把一个模型上调好的提示词直接搬到另一个，效果断崖式下降。
- 忽略版本差异，用去年的经验判断今年的模型。
- 以为模型越新越不需要写清楚，其实只是容错高了一点。
- 不记录用了哪个模型，出问题无法定位。
- 每个模型用不同问法，比出来的差异其实是问法的差异。
- 只看一次输出就判定强弱，忽略了随机性。
08怎么判断这次输出能不能用
不用逐句读，按下面四条过一遍，两分钟能判断出这版要不要重写。
09三个让它更稳的做法
10三种不满，三种改法
不满意通常只有三种来源：信息不够、格式没定、边界没说。对着症状改，比重新想一遍快。
| 你现在的感觉 | 该动哪一行 | 改完会怎样 |
|---|---|---|
| 每次结果都不一样，没法复现 | 自检行让它先列三条核对项，再输出正文 | 波动变小，出错也知道错在哪一步 |
| 看着都对，但一句都用不上 | 任务行把「帮我写」换成「交什么、给谁看、多少字」 | 从正确的废话变成能直接用，第一版就够改 |
| 让它改，越改越偏 | 一次只提一个问题，别把五条意见一起丢回去 | 能看出是哪一句起了作用 |
11换个模型，要调什么
如果只在一个模型上用，这节可以跳过；如果你在几个工具之间来回切，这四行能省掉不少试错。
| 模型 | 常见差异 | 调整一处 |
|---|---|---|
| Stable Diffusion | 负面词和权重是主要把手 | 负面词单列一段，别和正向混在一起 |
| Gemini | 对表格和结构化输出响应快 | 格式行直接给列头，别用文字描述结构 |
| 豆包 | 口语化，短内容出得快 | 先用它出草稿，再交给长文模型润 |
| Claude | 长文和改写更稳，但句子容易绕 | 加一条「每句不超过 30 字，能删就删」 |
12从空白到能交：五步走完
流程的价值在于可复现：同样的五步，换一个任务照样能走。
- 把需求拆成「必须」和「加分」两列，先只写必须的。
- 定格式：段落数、每段字数、要不要小标题。
- 加一条禁用项，通常是「不要客套话」或「不要总结」。
- 先要骨架，确认结构对了再让它填内容。
- 把跑通的那版存下来，下次同类任务只替换主体信息。
13常被追问的四件事
这些是实际操作里最常被问到的，不涉及原理，只讲怎么处理。
加一句：没有依据的数字写「待核实」，不许估算。然后把待核实项逐条自己查。
不需要。把跑通的那版存下来，下次只替换主体信息。变化的是内容，不是结构。
事实、数字、引用、法规条款必须自己核；表达可以直接用。涉及合同、医疗、法律的内容，只当草稿。
不一定。角色只在需要特定口吻或专业视角时有用；写清交付物和读者，比加一句「你是专家」有效得多。
14这套写法什么时候不管用
任何方法都有失效场景。这几条不属于「再调调就好」，而是要换一种做法。
| 情况 | 为什么不管用 |
|---|---|
| 要求绝对一致的品牌语气 | 语气这种要长期校准的东西，一段提示词只能接近。真正有效的做法是给样本，然后逐句改。 |
| 要用到没公开的内部信息 | 客户名单、未发布方案别直接贴进去。需要的那部分改写成抽象描述，模型照样能给结构。 |
| 结果要是能直接交付的成品 | 排版、配色、图表这些，模型只能给描述，落到文件还得你自己动手。 |
FAQ常见问题
「ChatGPT提示词例子」在不同模型上效果一样吗？
不一样。指令强度、上下文长度、格式服从度都不同。同一段提示词建议在两个模型上各跑一次再定稿。
换模型后提示词要重写吗？
多数情况只需调两处：把模糊的约束改成明确数字，把长背景压缩到关键信息。不需要整体重写。
新模型是不是不用写那么细？
容错高了，但「说清楚要什么」这件事不会消失。省下的是措辞，不是信息。
不同模型要改写法吗？
大体结构不用改，但格式要求的严格程度要调。有的模型对结构指令很敏感，有的需要把格式放到最后再强调一遍。
为什么同一个提示词结果差别很大？
常见三种原因：输入信息量不足、要求之间互相冲突、任务本身有随机性。先排除前两个，再看第三个。
需要每个模型都试一遍吗？
不必。选一个主力，遇到明确的失败模式再换。频繁切换会让你无法判断问题出在哪。
→同类关键词
这些词和本页属于同一类，字段结构基本相同，换个词就能复用。