简介这份PDF资料面向AI提示词工程师、内容创作者与对话产品开发者系统整理了175种ChatGPT训练指令模板帮助解决AI生成内容风格单一、指令设计缺乏章法的问题。资源包共1个PDF文件约540KB内容按应用场景分类编排涵盖人工风格写作、随机写书、软文与帖子生成、书籍与文章摘要、市场调研、短视频脚本、抖音文案、电商产品描述、Midjourney提示词、小说大纲、关键字与代码生成、角色扮演等模块。每类指令均给出可替换关键字的完整提示词结构并说明目标语言、输出格式与语气要求读者可直接套用或二次改写。已有896人学习下载适合希望快速建立提示词库、提升AI对话质量与内容产出效率的从业者参考。1. 175 种指令模板到底解决什么问题从「AI 写出来像机器」到「像人写的」你有没有遇到过这种情况让 AI 写一篇产品文案出来的东西四平八稳、毫无灵魂一看就是「AI 味」十足。问题不在模型本身而在你给它的指令。同样一个 ChatGPT有人用它写出能直接发布的 SEO 文章有人只能得到一堆正确的废话差距就在 prompt 的设计上。这份《175 种 CHATGPT 训练指令模板》就是一套系统化的提示词工程实战手册覆盖了从互联网文章写作、书籍创作、软文生成、短视频脚本、电商产品描述到代码生成、角色扮演、面试模拟等 20 多个大类场景。每个模板都给出了完整的指令结构、参数设置和输出格式要求不是那种「帮我写篇文章」的敷衍话术而是精确到字数、格式、语气、修辞手法的工程化指令。适合内容创作者、运营人员、独立开发者和任何想把 AI 对话软件用出生产力的人。2. 指令模板的底层结构为什么这些 prompt 比你自己憋的管用2.1 角色设定 输出约束 格式规范的三层架构翻完这 175 条指令你会发现一个反复出现的模式每条指令几乎都遵循「角色设定 → 任务描述 → 输出约束 → 格式规范」的四段式结构。这不是巧合而是提示词工程里被验证过最有效的组织方式。拿第 1 条「人工风格编写互联网文章」举例它的结构拆解是这样的[角色设定] 我希望您能够扮演一个非常熟练的 SEO 作家的角色 [任务描述] 针对{关键字}写一篇 2000 字的 100%独特、SEO 优化的文章 [输出约束] 至少 15 个标题和子标题H1-H4、非正式语气、主动语态、修辞问句 [格式规范] 用 Markdown 加粗标题、以结论段落和 5 个 FAQ 结束为什么要这么设计因为大语言模型在没有约束的情况下会倾向于输出「平均化」的内容——最安全、最通用、最没有个性的表达。角色设定把模型推入一个特定的概率分布区间输出约束则进一步收窄生成空间。你给它的约束越具体它偏离你预期的可能性就越小。常见做法是把角色设定写得足够具体。不要只说「你是一个作家」而要说「你是一个有 8 年从业经验的市场研究员」或者「你是一个拥有 3 年短视频创作经验的抖音创作者」。年限、平台、专业领域这些细节会显著影响输出的专业度和语气。2.2 用 perplexity 和 burstiness 控制文本的「人味」第 3 条「人工风格改写」引入了一个很有意思的概念perplexity困惑度和 burstiness突发性。这两个原本是自然语言处理领域的术语在这里被用作了控制 AI 输出风格的参数。Perplexity 衡量的是文本的不可预测性——用词越常见、句式越规整困惑度越低读起来就越像机器写的。Burstiness 衡量的是句子长度和结构的变化幅度——如果每句话都是 20 个字左右突发性就低读起来像流水线产品。这条指令要求 AI 以「高度 perplexity 和 burstiness」的方式重写文章具体手段包括使用 AI 不经常使用的词汇替换常见表达用同义词和反义词递归替换关键词用比喻替换直白陈述混合长短句打破均匀的节奏实际操作时你可以把这段逻辑抽出来做成一个通用的改写 prompt请以高度 perplexity 和 burstiness 的方式重新撰写以下内容 1. 替换所有 AI 高频词汇如「此外」「值得注意的是」「深入探讨」 2. 每 3 句话中至少包含 1 个比喻或隐喻 3. 相邻句子的长度差不超过 50% 或不少于 2 倍 4. 保持原意不变不添加新的事实性内容 5. 输出格式使用专业排版不使用 AI 常见的列表式结构 待改写内容{关键字}参数说明第 3 条的「长度差」约束是为了制造节奏感但不要设得太极端否则读起来会像在坐过山车。我一般会控制在 1.5 到 2.5 倍之间。第 5 条的「不使用列表式结构」很关键——AI 天然喜欢用 bullet point但人类写作中列表的使用频率远低于 AI。2.3 分步指令链把复杂任务拆成可执行的序列第 2 条「人工智能想象力随机写书」展示了一个非常重要的技巧指令链prompt chain。它不是让 AI 一次性完成整本书而是拆成一系列顺序执行的步骤步骤 1生成书名 → 等待回复 步骤 2基于书名生成 15 个章节标题 → 等待回复 步骤 3生成至少 500 字的书籍介绍 → 等待回复 步骤 4-18逐章生成内容每章超过 1000 字 → 每步等待回复每条指令后面都标注了「回答后使用下一个指令」这就是指令链的核心——每一步的输出作为下一步的输入形成上下文连贯的生成流程。为什么要这么拆因为大语言模型有上下文窗口限制如果你一次性要求它写 15 章、每章 1000 字它要么偷工减料要么在后半部分严重重复。分步执行的好处是每一步都能获得完整的注意力资源输出质量更稳定。同样的模式在第 14 条「小说大纲生成」里也能看到先让 AI 生成整体大纲再要求对每一部分进行优化最后对每个章节创作详细大纲。层层递进每一步都在前一步的基础上细化。注意使用指令链时每一步之间不要开启新的对话窗口否则模型会丢失上下文。但如果你发现某一步的输出质量明显下降可以回到上一步重新生成再继续往下走。3. 高频场景实战文章、短视频脚本、电商文案怎么套模板3.1 SEO 文章生成从大纲到成稿的完整流程第 1 条指令是整份文档里最详细、最可直接落地的模板之一。我把它拆成了可复用的操作流程第一步把指令中的{关键字}替换成你的目标主题把「目标语言」改成「中文」。注意原文特别提醒了「不要复制粘贴蓝色文字」也就是说指令中那些说明性的文字不需要发给 AI。第二步发送指令后AI 会先输出一个包含至少 15 个标题的大纲表格。这时候你要做的是审核大纲——检查标题层级是否合理、覆盖是否全面、有没有偏离主题。不满意就直接让它调整不要急着进入正文。第三步确认大纲后AI 会按照大纲逐步写正文。2000 字的文章通常需要 2-3 轮对话才能完成如果它中途停了输入「请继续」即可。这里有个实操细节指令要求「用 Markdown 语言加粗第二个表格的标题」这意味着输出会包含两个表格——一个是大纲表格一个是正文表格。如果你不需要表格格式可以在指令里把这段删掉直接要求输出纯文本。3.2 短视频脚本场景、分镜头与文案的三件套第 10 条和第 11 条分别覆盖了短视频拍摄脚本和文案生成这两条配合使用效果最好。第 10 条的核心要求是「按场景逐个列出标题并解释每个场景的确切内容示例而不是指令」。这个区别很重要——它要的是可以直接拍的内容描述不是「这里拍一个特写」这种导演指令。输出格式是场景化的每个场景对应一个分镜头需求。第 11 条则专注于文案本身给出了 6 条明确的创作要求简短直接15-60 秒、强烈吸引力疑问句/感叹句、追热点、有趣幽默、情感共鸣、引导互动。这 6 条要求可以直接作为你评估 AI 输出质量的标准——如果生成的文案不满足其中任何一条就让它重写。实际操作时我一般会先用第 10 条生成脚本框架再用第 11 条生成具体文案最后手动把两者合并。AI 生成的脚本和文案往往在节奏上不完全匹配需要人工做一次对齐。3.3 电商产品描述关键词嵌入与多平台适配第 12 条「电商产品描述」的设计思路值得单独拿出来说。它要求 AI 扮演电商 SEO 专家为一个产品生成至少 3 个不同内容部分的描述每个部分嵌入不同的子集关键词。最后还要生成 5 个 H1 标题每个不超过 7 个词和广泛匹配关键词列表。这条指令的精髓在于「多平台适配」——它同时要求生成通用产品描述和亚马逊平台专属的标题与描述。亚马逊的标题要求包含数值方面比如「3 件装」「500ml」这是平台算法偏好的格式。如果你要做独立站或其他平台可以把「亚马逊」替换成你的目标平台同时调整格式要求。比如做小红书种草文案就把「1000 词的产品描述」改成「300 字以内的种草笔记」把「H1 标题」改成「话题标签」。场景推荐指令编号核心参数输出字数SEO 长文115 个标题、H1-H42000 字短视频脚本10场景化、分镜头按场景短视频文案1115-60 秒、6 条要求100-300 字电商描述123 个内容部分、5 个 H11000 词以内软文生成4开始/停止标记1000 字以上3.4 代码生成与角色扮演开发者场景的指令设计第 16 条「代码生成」和第 21-24 条的技术类角色扮演Linux 终端、JavaScript 控制台、Excel Sheet是开发者最常用的几条。第 16 条的设计很巧妙它让 AI 扮演一个叫 CODAI 的角色要求「只提供修改部分的代码」「不写任何解释」「用描述性变量名」「在代码中写注释就像读者完全不了解代码一样」。最后还定义了严格的输出格式包括文件名标注和代码块分隔。这条指令的一个关键约束是「优先使用多个代码文件」。这意味着当你要求一个完整项目时AI 会按文件拆分输出而不是把所有代码塞进一个代码块。对于前端项目来说HTML、CSS、JS 会分别放在不同的代码块里方便你直接复制到对应文件。第 21 条「Linux 终端」和第 24 条「JavaScript 控制台」则更简单直接——让 AI 模拟终端环境你输入命令它返回输出。这类指令适合用来练习命令行操作或者测试代码片段不需要真的打开终端。提示使用代码生成指令时如果你需要 AI 解释代码逻辑不要在同一个对话里问而是新开一个对话窗口把代码贴进去再问。否则 CODAI 角色设定会被打破输出格式会混乱。4. 避坑与排查指令模板用不好八成是这几个原因4.1 输出格式混乱AI 不按模板走现象明明指令里写了「用 Markdown 格式输出」「加粗标题」但 AI 返回的内容格式乱七八糟该加粗的没加粗该分段的没分段。原因大多数情况下是因为你在指令中混入了太多说明性文字。原文特别提醒了「不要复制粘贴蓝色文字」——那些是给你看的注释不是给 AI 的指令。如果你把「注指令中目标语言是需要的文章输出语言」这类文字也一起发给 AI它会把这些当成任务的一部分导致输出偏离。解决发送前把指令中所有括号内的说明、注释、示例文字删掉只保留核心的任务描述和约束条件。如果不确定哪些该删就先发一条最简版本看输出效果再逐步加约束。4.2 长文生成到一半就断了或者开始重复现象要求写 2000 字以上的文章AI 写到 800 字左右就停了或者后半部分开始重复前面的内容。原因这是大语言模型的输出长度限制导致的不是指令写得不好。模型在单次回复中有 token 上限超过之后要么截断要么用重复内容填充。解决用指令链的方式拆分任务。先让 AI 生成大纲确认后逐段生成。每段控制在 500-800 字生成完一段后输入「请继续下一段」或「请继续创作」。原文第 4 条软文生成指令里也提到了这个技巧——「如果文章未写完请在聊天框里输入请继续创作」。4.3 角色扮演指令被 AI 拒绝执行现象发送角色扮演类指令后AI 回复「抱歉我不能扮演这个角色」或者直接忽略角色设定。原因部分角色设定可能触发了模型的安全策略。比如第 19 条「黑化 ChatGPT」原文已经标注了「之前还能用现在已经不可以了」说明这类指令已经被模型拦截。解决遇到被拒绝的指令不要反复尝试同一个 prompt。换一种表达方式把角色设定改得更具体、更正面。比如把「扮演一个黑客」改成「扮演一个网络安全专家从防御角度分析系统漏洞」。如果多次尝试仍然不行就放弃这条指令换用功能相近的其他模板。4.4 替换关键字后输出质量明显下降现象用模板里的示例关键字测试时输出很好换成自己的关键字后质量大幅下降。原因模板中的示例关键字往往经过了精心选择与指令的其他部分形成了良好的匹配。换成你的关键字后如果新主题与角色设定的匹配度不高输出质量就会打折扣。解决替换关键字的同时检查角色设定是否还适用。比如第 9 条「市场调研员」的指令里写了「为特定市场的{关键字}业务生成用户人物画像」如果你把关键字替换成一个非常小众的 B2B 产品可能需要把「用户人物画像」改成「企业客户画像」把人口统计维度改成企业规模、行业分布等维度。4.5 指令中的占位符没有全部替换现象AI 输出里出现了「{关键字}」「[目标语言]」「【网站名】」这样的占位符原文。原因模板里的占位符有好几种格式——花括号、方括号、中文方括号很容易漏掉一两个。特别是「目标语言」这个占位符如果你不替换成「中文」AI 可能会用英文回复。解决发送前用搜索功能检查一遍确保所有{}、[]、【】包裹的内容都替换成了你的实际内容。我一般会把整条指令先粘贴到记事本里逐个替换完再发。5. 进阶技巧把 175 条模板变成你自己的指令库5.1 模板组合用指令链串起多个场景单条指令能解决的问题有限真正高效的做法是把多条指令串起来用。比如做一次完整的内容营销可以这样组合先用第 15 条「关键字生成」产出 25 个相关关键词挑出搜索意图最明确的 5 个再用第 9 条「市场调研员」生成目标用户的详细画像接着用第 1 条「SEO 文章」针对每个关键词写一篇长文然后用第 11 条「抖音视频文案」把每篇文章的核心观点改写成短视频文案最后用第 12 条「电商产品描述」的逻辑把内容里的产品卖点提炼成电商详情页文案。这一套流程走下来从关键词研究到多平台内容分发就全部覆盖了。每条指令的输出都是下一条的输入上下文连贯不需要反复解释背景。5.2 参数化改造把固定模板变成可配置的 prompt 函数175 条模板里有很多重复出现的参数比如字数要求、输出格式、语气风格。你可以把这些抽出来做成一个配置表每次使用时只改变量不动模板主体。# 指令模板参数化示例 prompt_config { role: 拥有 8 年从业经验的市场研究员, task: 为{market}市场的{keyword}业务生成用户人物画像, output_format: 4 个独立表格每个数据点单独一行, constraints: [ 不使用项目符号, 每个表格的列 1 为数据点列 2 为答案, 用户描述不超过 240 个字符 ], language: 中文 } def build_prompt(config, keyword, market中国): 根据配置组装最终 prompt role_line f你是一名{config[role]}。 task_line config[task].format(keywordkeyword, marketmarket) format_line f输出格式{config[output_format]}。 constraint_lines \n.join(f- {c} for c in config[constraints]) lang_line f请用{config[language]}回复。 return f{role_line}\n{task_line}\n{format_line}\n约束条件\n{constraint_lines}\n{lang_line} # 使用示例 prompt build_prompt(prompt_config, keyword智能家居, market中国一线城市) print(prompt)这段代码的逻辑是把指令模板中的可变部分抽成字典通过一个组装函数生成最终 prompt。参数说明role控制角色设定的具体程度task里的{keyword}和{market}是运行时替换的变量constraints列表里的每条约束会逐行展开。这样你只需要维护一份配置就能批量生成针对不同关键词和市场的指令。5.3 效果验证怎么判断一条指令是否「调好了」我判断一条指令是否合格会看三个指标第一输出稳定性。同一条指令连续跑 3 次如果 3 次的输出结构基本一致标题层级、段落数量、格式规范都符合要求说明指令的约束力足够。如果每次输出差异很大说明约束条件写得太模糊。第二关键词覆盖率。对于 SEO 类指令把输出内容复制出来搜索你指定的关键词是否出现在标题、首段、小标题和结尾。如果关键词只出现在正文中间说明指令对关键词嵌入位置的约束不够明确。第三人工修改量。把 AI 的输出直接拿去用统计你需要改动的比例。如果修改量超过 30%说明指令还需要优化如果低于 10%这条指令就可以固化下来放进你的常用指令库了。从那以后我每次拿到新的指令模板都会先用一个自己熟悉的主题跑一遍完整流程把输出质量和修改量记录下来再决定要不要纳入日常工作流。希望帮到你。本文还有配套的精品资源点击获取