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，压缩包内仅含1个PDF文件，体积约694KB，轻量便携，适合随时查阅。文档围绕中文环境下的有趣应用展开，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、广告文案、SEO优化等丰富场景，并给出角色扮演、充当Linux终端、面试官、文字冒险游戏等具体提示词范例，帮助读者理解如何通过精准指令调教ChatGPT输出所需内容。目前已有700人学习参考，内容兼具模板参考与思路启发，可作为提示词设计的案头手册，帮助读者快速上手并拓展大模型在写作、编程与日常任务中的实用边界。
1. 提示词到底是个啥：为什么同一句话它能听懂，换一句就翻车
你有没有遇到过这种情况：同样是用 AI 工具，别人输入一句话就能得到条理清晰的表格、结构完整的方案，而你输入差不多的话，得到的却是一堆废话或者答非所问。问题往往不在工具本身，而在于你给它的那句“指令”——也就是提示词。
提示词，通俗地说，就是你跟语言模型对话时输入的那段文字。它可能是一个问题、一段描述、一条命令，也可能是一整套带角色设定的长文本。语言模型本身像一个知识渊博但完全没有主动性的合作者，它不会猜你想干嘛，只会根据你给的文字往下接。你给的信息越明确、越有结构，它接出来的内容就越接近你想要的。
这份《ChatGPT中文调教指南》整理的，就是大量经过验证的中文提示词范文和模板。它不教你底层原理，而是直接把“怎么说 AI 才听得懂”这件事，用一个个现成的例子摆在你面前。搞懂提示词这个概念，你再用任何语言模型，效率都会完全不一样。
2. 为什么提示词值得单独学：语言模型的“输入决定输出”
2.1 语言模型不是搜索引擎，它更像一个即兴演员
很多人第一次用语言模型时，习惯像用搜索引擎一样丢几个关键词进去，比如“论文 摘要 写”。结果得到的回答往往泛泛而谈，因为模型不知道你要什么学科的论文、多长、给谁看、什么风格。
语言模型的工作方式是根据你给的上下文，一个词一个词地预测接下来最可能出现的内容。你给的上下文越具体，它的预测空间就越窄，输出就越精准。打个比方，搜索引擎像图书馆管理员，你报书名它帮你找；语言模型像一个即兴演员，你给它剧本大纲，它就能演出一整场戏。你只给它一个词，它只能自由发挥；你给它完整的角色、场景、台词要求，它就能演得八九不离十。
这就是为什么“调教”这个词很贴切——它不是编程，而是像导演给演员说戏。你说得越清楚，它演得越对。
2.2 中文提示词有自己的坑：翻译腔和模糊指代
英文提示词社区发展得早，很多模板直接机翻成中文后效果会打折扣。原因有两个：一是中文表达本身更依赖语境，很多在英文里需要明说的主语、时态，中文可以省略，但模型不一定能补全；二是机翻模板里常出现“请作为一个……”“我希望你……”这类翻译腔句式，读起来别扭，模型理解起来也容易跑偏。
这份指南里的范文是直接用中文写的，覆盖了写小说、做表格、充当翻译、模拟面试官、扮演终端等大量场景。它的价值在于：你不需要从零去摸索“中文怎么说 AI 才听得懂”，直接参考这些已经跑通的例子，替换掉具体内容就能用。对于写论文、做内容创作、写商业文案、做数据分析这些高频需求，相当于省掉了大量试错成本。
2.3 一个模板能省掉十次“血泪经验”
没有模板的时候，普通人调教 AI 的典型过程是这样的：先随便问一句，得到不满意的回答，然后加几个限定词再问，还是不对，再改措辞，来回折腾五六轮才勉强能用。有了模板，你第一次就能把角色、任务、格式、限制条件一次性说清楚，省掉大量来回。
比如指南里“充当 Linux 终端”那个例子，它明确要求：只在一个代码块内回复终端输出，不要写解释，不要主动输入命令，用户用中括号括起来的内容才是给你的指令。这几条限制一加，模型就不会自作主张地加一堆说明文字，输出直接就是干净的终端模拟结果。这种“把边界画清楚”的思路，是所有好模板的共同特征。
3. 提示词和相近概念的区别：别把调教、微调、写代码混为一谈
3.1 提示词工程 vs 模型微调：一个动嘴，一个动刀
这是最容易混淆的一对概念。提示词工程是在模型已经训练好的前提下，通过设计输入文本来引导输出，不改变模型本身的任何参数。模型微调则是拿一批特定数据继续训练模型，改变它的内部权重，让它更适应某个垂直领域。
打个比方：提示词工程像你给一个经验丰富的员工写工作说明书，他本身能力不变，但你告诉他具体怎么做；微调像把这个员工送去专门培训三个月，让他从根上更擅长某类工作。前者成本低、见效快、随时可改；后者成本高、需要数据、周期长。这份指南属于前者，它教的是怎么把“工作说明书”写好，而不是怎么重新培训模型。
3.2 提示词模板 vs 提示词技巧：一个是菜谱，一个是刀工
提示词技巧是通用原则，比如“说清楚角色”“给出输出格式”“分步骤思考”。提示词模板则是把这些原则落成一段可以直接复制粘贴的完整文本。技巧像刀工，模板像菜谱。你会刀工不代表能直接做出一桌菜，但照着菜谱做，同时刀工好，成功率就高。
指南里大量内容属于模板——比如“担任面试官”那个例子，它把角色、行为规则、交互方式、第一句话都写好了，你拿去就能开始一场模拟面试。而“只回复推荐的项目，不要写解释”这类要求，则是技巧层面的约束。两者配合使用效果最好。
3.3 中文调教 vs 英文调教：不是翻译关系
很多人以为把英文提示词翻译成中文就是中文调教，其实不是。中文调教要考虑中文的语言习惯、中文用户的使用场景、中文内容平台的风格。比如写小红书文案和写英文 Twitter 帖子，节奏、语气、标签习惯完全不同。指南里“充当花哨的标题生成器”“充当中国亲妈”这类例子，就是典型的中文场景定制，直接翻译成英文反而会失去味道。
3.4 角色扮演 vs 角色设定：一个是过程，一个是前提
角色扮演是你让模型“演”一个角色，比如“请你扮演一个牙医”。角色设定是你给模型一个身份背景，让它用这个身份的知识和语气来回答。两者经常一起用，但侧重点不同。角色扮演更强调交互过程中的行为一致性，角色设定更强调知识范围和表达风格。指南里“担任院士”“作为 IT 架构师”属于角色设定，“扮演脱口秀喜剧演员”“充当说唱歌手”更偏向角色扮演。
3.5 提示词生成器 vs 提示词本身：一个是模具，一个是零件
指南里有一个很有意思的例子叫“充当提示生成器”——你给它一个标题，它帮你生成一段完整的提示词。这相当于用 AI 来写 AI 的指令，把提示词本身当成一种可批量生产的内容。提示词生成器是模具，生成出来的提示词是零件。对于需要大量不同场景提示词的人来说，这个思路能极大提高效率。
4. 一份中文调教指南里到底有什么：从写小说到扮终端
4.1 内容创作类：写小说、写文案、写新闻稿
指南里占比最大的一类就是内容创作。写小说部分给出了五种不同方向的提示词：出人意料结局的推理小说、让读者参与的交互小说、激励孩子面对挑战的故事、科技创新未来世界的小说、让人沉浸的幻想故事。每一条都限定了类型、目标读者和核心要求，模型拿到这种指令就不会写出千篇一律的流水账。
广告文案、SEO 文章、社交媒体帖子、新闻稿这些也都有对应模板。它们的共同套路是：先定角色（你是广告商/你是 SEO 专家），再定任务（推广什么产品/优化什么关键词），再定目标受众，最后定输出格式。这个结构可以直接套用到任何内容创作需求上。
4.2 工具模拟类：终端、表格生成器、翻译器
“充当 Linux 终端”和“充当 SQL 终端”这两个例子展示了另一种思路：把模型当成一个交互式工具来用。关键约束是“只回复代码块内的内容，不要解释”。这种用法适合需要快速验证命令或查询语句的场景，模型不会加一堆废话，输出干净利落。
“做表格”那个例子更直接：你告诉它单元格里写什么，它只回复 markdown 表格，不加任何额外解释。对于需要快速生成结构化数据的人来说，这比手动敲表格快得多。翻译类模板则区分了“英翻中”“中翻英”“英英词典”等不同方向，每个方向对语气和格式的要求都不一样。
4.3 专业角色类：面试官、产品经理、律师、医生
指南里覆盖了大量专业角色：面试官、产品经理、UX/UI 开发人员、网络安全专家、招聘人员、职业顾问、心理医生、牙医、会计师、厨师、汽车修理工、金融分析师、投资经理、室内装饰师、花店、营养师、统计员、机器学习工程师、IT 架构师、项目经理、专业 DBA 等等。
这些模板的价值在于，它们把每个职业的核心工作方式提炼成了几句话。比如“担任面试官”要求模型一次只问一个问题，等回答后再问下一个，不写解释，像真实面试一样推进。“作为专业 DBA”则要求模型根据表结构和需求给出性能最优的 SQL 语句，并解释优化建议。你不需要成为这些领域的专家，也能借助这些模板获得专业级的对话体验。
4.4 创意娱乐类：五子棋、文字冒险、脱口秀
指南里还有一些偏娱乐的用法：下五子棋、文字冒险游戏、扮演脱口秀喜剧演员、扮演魔术师、充当诗人、充当说唱歌手、充当励志演讲者、扮演疯子。这些模板的共同点是强调交互性和沉浸感。比如五子棋要求模型在脑海中更新棋盘状态，以 markdown 表格形式回复最新棋盘，不解释走棋理由。文字冒险游戏要求模型在唯一代码块中描述环境和行动结果，推动故事进行。
这些用法看起来是玩，实际上是在训练你“把规则说清楚”的能力。游戏规则越明确，模型表现得越像那么回事。
5. 什么时候该用模板，什么时候别硬套
5.1 适合直接套模板的场景
如果你要做的事情属于以下类型，直接找对应模板改一改就能用：写各类文章（论文、小说、新闻稿、广告文案）、做翻译和润色、模拟对话（面试、咨询、教学）、生成结构化内容（表格、列表、代码）、角色扮演类交互（游戏、模拟终端）。
这些场景的共同特征是：任务边界清晰，输出格式可预期，对创造性要求适中。模板已经帮你把角色、任务、格式、限制条件都写好了，你只需要替换具体内容。
5.2 需要自己调整甚至放弃模板的场景
有些情况模板反而会限制你。比如你有一个非常具体的业务问题，模板里的通用角色设定可能不够精准；或者你需要模型进行多轮深度推理，固定的输出格式反而会打断思路；再比如你面对的是高度专业的领域，模板里的知识范围描述可能不够准确。
这时候更好的做法是：把模板当成起点，根据实际反馈逐步调整。先跑一轮，看哪里不对，针对性地加限制或改措辞。调教本身就是一个迭代过程，没有一次就完美的模板。
5.3 一个具体例子：用“担任面试官”模板准备技术面试
假设你下周有一个后端开发岗位的面试，想提前练一练。直接套用指南里的面试官模板：
我想让你担任后端开发工程师面试官。我将成为候选人，您将向我询问后端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”。这段提示词的关键参数有四个：角色（后端开发工程师面试官）、交互规则（一次一个问题、等回答、不写解释）、启动方式（我先说“面试官你好”）、输出限制（只作为面试官回答）。你把这四个参数替换成前端、算法、系统设计等方向，就能快速切换面试场景。
跑起来之后你会发现，模型真的会像面试官一样一个一个问，不会一口气把十个问题全倒出来。如果你回答得不好，它还会追问细节。这种模拟不能完全替代真实面试，但用来熟悉节奏、练习表达、发现知识盲区，效率比对着镜子练高得多。
注意：模板里的“不要写解释”这条约束很关键。不加这条，模型很可能在问完问题后附上一段“这个问题主要考察……”的说明，破坏面试的沉浸感。约束条件往往比角色设定更能决定输出质量。
5.4 我自己的使用习惯
从那以后我每次用语言模型处理正经任务，都强制走一遍“角色-任务-格式-限制”四步检查。角色决定它用什么知识库和语气，任务决定它往哪个方向使劲，格式决定输出能不能直接用，限制决定它会不会加一堆废话。四步都过一遍，基本第一轮就能拿到能用的结果，不用来回折腾。
这份指南里的范文和模板，相当于把这四步已经帮你走完了。你拿到的是一个个可以直接运行的“指令包”，替换内容就能用。希望它帮你省下那些来回试错的功夫。
本文还有配套的精品资源，点击获取
