01「ChatGPT提示词推荐」到底在问什么
「ChatGPT提示词推荐」这类需求最容易踩的坑是把数量当质量。三千条里能对上你场景的，可能不到三十条。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。
条目的写法差别很大：有的只给一句话，有的把背景和格式都写死了。后者能直接用。
下面这份内容按「示例 → 字段 → 场景 → 错误 → 验收」排，你可以从任意一节开始看；如果只想马上用，直接跳到第二节复制那段提示词。
「ChatGPT提示词推荐」这类榜单看着省事，但要留意它按什么排。按收藏量排的，往往是最容易看懂的，不是最有用的。
更可靠的做法是找同一个人写的三条内容，看他前后说法一致不一致。一致的人，推荐通常也靠谱。
02三种写法，差别在哪
同一件事，写法不同结果差很远。下面把「为什么没用」和「改成这样」并排放，方便直接对照修改。
| 常见写法 | 为什么效果差 | 改成这样 |
|---|---|---|
| 「哪个模型写ChatGPT提示词推荐更好」 | 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提示词推荐在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
下面是完整版，字段齐全。第一次用建议原样跑一遍看效果，再逐项替换成自己的信息，这样能看出每个字段的作用。
你是日常同时使用多个大模型的从业者。
【任务】说明「ChatGPT提示词推荐」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提示词推荐」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
这张表的作用是查漏：写完提示词后逐行对一遍，缺哪行就补哪行，比反复重写整段省时间。
| 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
同一个词，用在不同场合要调的地方不同。下面四种场景覆盖多数情况，按你实际的场合挑一行看就行。
| 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
判断标准要能自检，不能靠感觉。下面四条都是你自己就能确认的，不需要别人帮忙看。
09三个让它更稳的做法
10三种不满，三种改法
下面这张表反过来用：先说你哪里不满意，再找对应的那一行去改。比从第一条要求往下读快。
| 你现在的感觉 | 该动哪一行 | 改完会怎样 |
|---|---|---|
| 语气不像我们自己的 | 背景行贴一段你自己写过的样本，注明「照这个语气」 | 措辞向你靠，不向平均值靠 |
| 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 |
| 内容太满，重点被埋了 | 任务行要求先给一句话结论，再展开三点 | 结论先行，扫一眼就能拿走 |
11换个模型，要调什么
不必为每个模型重写一套。多数情况只需要动一行，剩下的是同一套结构。
| 模型 | 常见差异 | 调整一处 |
|---|---|---|
| 通义千问 | 长文档处理稳，容易顺着你的话走 | 约束行写「不同意的地方直接说，别迎合」 |
| 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 |
| 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 |
| DeepSeek | 中文技术内容扎实，偏好分点 | 任务行写「先结论，再三点理由」 |
12从空白到能交：五步走完
这五步是一套完整流程，从空白到能交。卡在哪一步就停在那一步，不用每次都从第一步开始。
- 先选任务动词：提炼、改写、对比、拆解、生成，只选一个。
- 补主语和对象：给谁、关于什么、基于哪些材料。
- 划定边界：字数、结构、语气，以及不能出现的内容。
- 要求可核验：数字给来源，判断给依据。
- 复跑一次，两次方向一致再定稿；差得远说明要求有歧义。
13常被追问的四件事
如果只想看一条，看第三条：多数人的问题不在写法，在于没想清交付物长什么样。
够用就行。日常任务八十到一百五十字；涉及格式、口径、禁用项时到三百字；超过五百字通常说明你在替模型做它该做的事。
同一份材料跑两版，只看三点：能不能直接用、要改几处、改的是表达还是事实。
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。
要。存的时候连适用场景和已知失效情况一起写，否则三个月后你不敢用。
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 |
|---|---|
| 内容要过平台审核 | 各家规则不同而且一直在变，提示词保证不了过审。发布前按平台最新的社区规范自己过一遍。 |
| 要求可复现的打分或判断 | 同一份输入两次结果不同是常态。需要稳定判断，就把标准写成清单逐项打分，别让它自由发挥。 |
| 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提示词推荐」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
同一类需求换个说法，答案的侧重也不同。下面这些词的写法可以直接套用。