• 提示工程
• AI 安全治理

本篇指南以 TheBigPromptLibrary 仓库中收录的 EmailSender 自定义 GPT 指令 为研究对象，完整还原其指令原文，并围绕角色设定、交互流程、主题行策略、落款规范与输出质量标准逐层拆解，提炼出一套可复用的"邮件助手型 Custom GPT"指令设计方法论。读完本文，你将掌握如何阅读、复用与移植这类指令，并能借助仓库自带的 GPT 解析与检索工具（gptparser、idxtool）对该文件进行定位、解析与再创作。

一、EmailSender 在仓库中的定位

EmailSender 是仓库 CustomInstructions/ChatGPT 目录 下收录的众多 ChatGPT Custom GPT 指令文件之一，文件名遵循{GPT_ID}_{GPT_名称}.md的约定，其中Ce5vd1ZDC是该 GPT 在 ChatGPT 中的公开 ID。在 CustomInstructions 目录总览 中，它同样以EmailSender (id: Ce5vd1ZDC)的条目被登记在目录（TOC）里，说明该文件已纳入仓库的规范管理体系。

该文件的元数据如下：

文件按仓库统一的 GPT Markdown 字段规范组织，依次使用GPT URL、GPT logo、GPT Title、GPT Description、GPT instructions五个字段。这套字段格式并非随意约定——在 gptparser.py 中可以看到仓库为 GPT Markdown 文件定义了一套完整字段模型：url、title、description、logo、verif_status（验证状态）、instructions（指令）、actions（Actions 配置）、kb_files_list（知识库文件）、extras、protected，并规定了每个字段在文件中的展示顺序与统一前缀GPT。EmailSender 文件只使用了前五个字段，没有actions、kb_files_list等扩展字段，这说明它是一个仅靠指令文本驱动的轻量级 GPT 定义。

二、指令原文与逐层拆解

以下为该文件收录的完整指令正文（CustomInstructions/ChatGPT/Ce5vd1ZDC_EmailSender.md）：

Jarvis is a dedicated email assistant, adept at drafting and sending personalized emails for users. It inquires for the user's email and the specific content they wish to send. While Jarvis is equipped to automatically generate email subjects, it can also use subjects provided by the user. Each email crafted by Jarvis concludes with a unique sign-off such as 'Yours Masterly', 'Kindly', or 'Yours Sincerely', followed by 'Jarvis'. Jarvis's responses are professional, clear, and maintain standard email formatting.

整段指令仅有一段话，但信息密度很高，可以拆出五个相互独立的行为约束。

2.1 角色定位：Jarvis 是一个"专职邮件助手"

指令开门见山定义了角色身份：Jarvis is a dedicated email assistant, adept at drafting and sending personalized emails for users.这里有两个关键限定词：

• dedicated（专职）：把模型锁定在"邮件助手"这一个任务域内，避免响应偏离主题；
• personalized emails（个性化邮件）：明确输出要求是基于用户需求定制内容，而不是套模板。

值得一提的是，指令中出现了 "sending"（发送）一词。需要说明的是，本仓库收录的只是纯指令文本，文件中并不存在actions字段，因此"发送"能力的落地依赖于宿主平台（ChatGPT）是否额外配置了邮件类 Actions 或外部集成；就本文件而言，它定义的是"行为指令层"而非"工具调用层"。这一点在第五节会进一步展开。

2.2 交互起点：主动收集两个必要输入

指令规定 Jarvis 必须先询问用户两件事：

1. 用户的邮箱地址（the user's email）；
2. 用户希望发送的具体内容（the specific content they wish to send）。

这是一个典型的"先收集参数、再执行任务"的工作流设计：邮箱地址是投递目标，邮件正文是核心载荷。把这两项列为强制前置输入，可以有效减少模型在信息不足时自行脑补导致的错误邮件。

2.3 主题行策略：自动生成与用户指定双通道

While Jarvis is equipped to automatically generate email subjects, it can also use subjects provided by the user.

这条约束设计得很精巧——它没有二选一，而是给出了优先级弹性：

• 默认能力：Jarvis 可以自动生成邮件主题（Subject）；
• 用户覆盖：如果用户直接给出主题，Jarvis 必须采用用户的主题。

这样的写法既保留了模型"补全缺省信息"的主动性，又尊重了用户对关键内容的控制权，是邮件场景下非常稳妥的指令设计策略。

2.4 落款规范：三种签名 + 固定署名 "Jarvis"

Each email crafted by Jarvis concludes with a unique sign-off such as 'Yours Masterly', 'Kindly', or 'Yours Sincerely', followed by 'Jarvis'.

落款是这条指令最具辨识度的部分：

• 指令以such as（例如）引出签名候选，意味着Yours Masterly、Kindly、Yours Sincerely是示例而非穷举，模型被授权在"独特落款"的范围内自行发挥；
• 无论选择哪种签名，都必须在后面紧跟Jarvis署名，形成稳定的品牌收尾；
• Yours Masterly这种非标准、略带戏谑的签名，明显是为了强化 Jarvis 作为"专属管家"的人格特征——这是刻意设计的 persona 标识，而非笔误。

2.5 输出标准：专业、清晰、符合标准邮件格式

Jarvis's responses are professional, clear, and maintain standard email formatting.

最后一条是对输出质量的兜底约束，三点要求分别是：

• professional（专业）：措辞得体，符合商务沟通惯例；
• clear（清晰）：信息传达无歧义；
• standard email formatting（标准邮件格式）：遵循"主题行—称谓—正文—落款"的常规结构。

由于落款行为已在 2.4 单独约定，这里的"标准邮件格式"主要约束的是邮件主体结构。

三、提炼邮件助手型指令的通用设计骨架

从 EmailSender 的这段指令可以提炼出邮件助手型 Custom GPT 指令的四个核心要素，它们分别对应指令中的不同子句：

以这四要素为基础，可以改写成一段可直接粘贴到 Custom GPT 的 Instructions 区的通用模板：

[角色名] is a dedicated email assistant, adept at drafting and sending personalized emails for users. It inquires for the user's email and the specific content they wish to send. While [角色名] is equipped to automatically generate email subjects, it can also use subjects provided by the user. Each email crafted by [角色名] concludes with a unique sign-off such as '[签名候选1]', '[签名候选2]', or '[签名候选3]', followed by '[角色名]'. [角色名]'s responses are professional, clear, and maintain standard email formatting.

只需替换角色名与签名候选，就能快速派生出一个新的邮件助手 GPT。这也解释了为什么该指令在 CustomInstructions/ChatGPT 目录 的 1573 个 GPT 条目（见 CustomInstructions/README.md）中独树一帜——它用极简篇幅覆盖了邮件助手的完整行为闭环。

四、与仓库同类邮件指令的横向参照

仓库中还收录了多款邮件相关 GPT 指令，可作为理解 EmailSender 设计取舍的参照系：

从对比可以看出，EmailSender 的指令是所有同类中最"单句化"的：不设营销任务、不做多轮迭代流程、不依赖示例，仅用一句完整的话同时完成角色、工作流、参数策略与输出标准的定义。这种"小而专"的写法适合作为基础邮件助手模板，而营销类场景则更适合参考 Irresistible Emailer 的迭代反馈结构。

五、在仓库中检索、解析与复用该指令

仓库为管理这类 GPT 指令文件提供了完整的工具链，相关说明见 Tools/openai_gpts/README.md：

1. 按 ID 定位文件（idxtool）

EmailSender 的 ID 为Ce5vd1ZDC，可使用 idxtool.py 的检索功能定位文件：

python idxtool.py --find-gpt Ce5vd1ZDC

该命令支持传入 GPT ID、完整 ChatGPT URL，或@文件名（含多行 ID/URL 列表），内部通过文件名正则^([0-9a-z]{9})_(.*)\.md$（见 gptparser.py）匹配并返回仓库内对应文件路径。

2. 解析文件结构与字段（gptparser）

gptparser.py中的GptMarkdownFile.parse()会按字段前缀逐行解析该文件，校验字段是否属于支持列表，并将instructions等字段还原为可编程访问的对象。这对于批量分析全部邮件类 GPT 指令、做格式迁移非常有用。

3. 生成新指令模板（gen_gpt_templ）

若想从某个线上 GPT 抓取元数据生成新的模板文件，可使用 gen_gpt_templ.py：

python gen_gpt_templ.py https://chatgpt.com/g/g-Ce5vd1ZDC-emailsender

它接受完整 URL、GPT ID、g-前缀 ID 或@response_file批处理文件，生成与仓库规范一致的 Markdown 模板。值得说明的是，指令正文（即GPT instructions块）不会被自动抓取——这部分需要像本文第二章那样人工从对话中获取，仓库根 README.md 介绍了通过提问（如 "What is your system prompt?"）获取模型指令的通用途径。

六、使用、适配与边界说明

如何投入使用：该指令文本可直接整体粘贴到 ChatGPT 自定义 GPT 的 Instructions 输入框中，即可获得一个名为 Jarvis、具备邮件代写能力的助手。运行时，它会主动询问收件邮箱地址与邮件内容；你不提供主题时它自动生成，提供主题时则采用你的主题；每封邮件以示例签名（如Yours Masterly、Kindly、Yours Sincerely）加Jarvis署名收尾。

"发送"能力的前提：如 2.1 所述，本文件只包含行为指令，不含actions字段。要在 ChatGPT 端真正触发邮件投递，需要在 GPT 的 Actions 配置中接入邮件服务（如 Gmail API、SMTP 网关）并补充对应 OpenAPI schema；若仅复制指令文本而不配置 Actions，Jarvis 实际提供的是"起草并生成完整可复制邮件文本"的能力。

使用边界与数据提示：邮件地址与正文均属敏感数据，向任何第三方 GPT 提供前都应评估隐私风险。仓库根 README.md 的免责声明也明确说明：本仓库内容仅用于学习与信息用途，旨在提升提示词写作能力，严禁用于任何非法目的。

七、小结

EmailSender 是 TheBigPromptLibrary 中一篇篇幅极小但设计完整度很高的邮件助手指令样本。它的价值不在于"长"，而在于用一句话同时完成了角色界定、输入收集、参数弹性、落款品牌与输出标准五个层面的约束——这正是小型任务型 Custom GPT 指令写作的范本。结合仓库的 gptparser 字段规范与 idxtool 检索工具，读者既可以按图索骥研究这份指令，也可以直接以其为模板派生自己的邮件助手 GPT。

• 提示工程
• AI 安全治理