提示词工程优化
提示词模板
提示词模板
内容创作
-
工作汇报
-
活动宣传
-
产品推广
-
行业分析
-
活动推文
-
部门知识分享
-
技术培训文档
-
活动通知
-
项目复盘报告
-
概念讲述
软件工程
-
SQL生成
-
代码实现
-
代码示例
-
算法实现
-
测试用例
-
正则表达式
-
根据接口文档实现代码
-
代码翻译
文书信函
-
推荐信
-
感谢信
-
道歉信
-
邀请信
-
请假条
-
公司公示
-
祝贺信
-
邮件撰写
一、内容创作类
- 工作汇报：“以
<汇报周期/项目名称>为核心，撰写一份<部门/岗位>的工作汇报，包含<核心成果（需数据支撑）、未完成事项、改进计划、后续安排>，语言简洁正式，结构清晰，控制在<字数>以内，适合提交给<汇报对象>。” - 活动宣传：“为
<活动名称>创作宣传内容，活动主题为<活动核心主题>，面向<目标人群>，突出<活动亮点/福利>，明确<活动时间、地点、参与方式>，风格<活泼/正式/热血>，适合在<宣传渠道>传播，控制在<字数>以内。” - 产品推广：“为
<产品名称>撰写推广文案，聚焦<核心卖点（如功能、价格、优势）>，针对<目标用户群体>，结合<使用场景>，风格<专业/接地气/潮流>，用于<推广场景（电商详情页/朋友圈/短视频脚本）>，需包含<行动指引（如立即购买/预约体验）>。” - 行业分析：“撰写一份
<行业名称>的<分析维度（如发展趋势、竞争格局、政策影响）>分析报告，收集<时间范围>内的行业数据，结合<典型案例>，总结<核心观点>，输出结构化分析内容，适合<使用场景（内部会议/对外发布）>，语言专业客观。” - 活动推文：“为
<活动名称>撰写一篇回顾 / 预告推文，包含<活动背景、流程、亮点瞬间/核心信息>，搭配<图文排版要求（如多图配文/分点说明）>，风格<温暖/活泼/正式>，加入<话题标签/互动引导>，适合发布在<公众号/内部平台>，控制在<字数>左右。” - 部门知识分享：“围绕
<分享主题>准备一份部门内部分享稿，时长<预计时长>，包含<核心要点（数量）>、<真实案例（数量）>，结尾设计<互动环节/总结建议>，风格<轻松易懂/专业严谨>，适配<线下演讲/线上直播>场景。” - 技术培训文档：“为
<培训主题（如某框架/工具使用）>撰写培训文档，目标受众是<新手/进阶人员>，内容分<模块数量>个模块，每个模块包含<理论讲解、实操步骤、案例演示、常见问题>，语言通俗易懂，搭配<截图/代码示例>，便于自学或课堂教学。” - 活动通知：“撰写一则
<活动名称>的内部 / 外部通知，明确<活动时间、地点、参与人员、报名方式、注意事项>，说明<活动目的>，风格<正式规范/亲切活泼>，确保信息完整无遗漏，适合通过<企业微信/邮件/公告栏>发布。” - 项目复盘报告：“围绕
<项目名称>（起止时间：<时间范围>）撰写复盘报告，包含<项目概况、目标达成情况、亮点与成功经验、问题与原因分析、改进措施、后续规划>，用<数据/案例>支撑观点，格式清晰，便于团队内部共享经验。” - 概念讲述：“用通俗易懂的语言讲解
<核心概念>，结合<生活案例/行业场景>，避免过多专业术语，分<要点数量>个维度拆解，可搭配<比喻/图示说明>，目标是让<受众群体（如新手/非专业人员）>快速理解概念的含义与应用价值。”
二、软件工程类
- SQL 生成：“根据需求：
<具体业务需求（如查询某时间段订单、统计用户数量）>，针对<数据库类型（MySQL/PostgreSQL等）>，生成符合<规范（如索引优化、分页查询）>的 SQL 语句，需包含<条件筛选、关联查询/聚合统计>，并添加关键注释说明逻辑。” - 代码实现：“使用
<编程语言（Python/Java/Vue等）>实现<功能需求（如用户登录、数据导出）>，要求遵循<开发规范（如RESTful、面向对象）>，包含<核心逻辑、异常处理、参数校验>，输出完整可运行代码及详细注释。” - 代码示例：“为
<技术知识点（如循环遍历、多线程）>或<功能场景（如文件上传）>，使用<编程语言>编写简洁易懂的代码示例，包含<基础版/进阶版>，附带<代码解释、运行结果说明>，适合用于<学习/教学/开发参考>。” - 算法实现：“用
<编程语言>实现<算法名称（如快速排序、Dijkstra算法）>，要求<满足时间/空间复杂度要求>，处理<边界情况（如空输入、大数据量）>，输出完整代码、测试用例及算法原理简要说明。” - 测试用例：“为
<功能模块/接口（如登录接口、购物车结算功能）>设计测试用例，涵盖<测试类型（功能测试、异常测试、性能测试）>，明确<输入数据、预期结果、测试步骤>，按<表格/清单>格式输出，确保覆盖核心场景。” - 正则表达式：“编写正则表达式实现
<匹配需求（如验证手机号、提取邮箱地址、过滤特殊字符）>，说明<正则逻辑>，提供<测试用例（匹配成功/失败的示例）>，并标注<适用场景（如表单校验、数据清洗）>。” - 根据接口文档实现代码：“依据以下接口文档信息：
<接口地址、请求方式、参数说明、返回格式、异常码>，使用<编程语言/框架>实现接口调用 / 开发代码，包含<请求封装、响应解析、错误处理>，确保符合接口规范并可直接集成。” - 代码翻译：“将以下
<原编程语言>代码翻译成<目标编程语言>，保持功能完全一致，遵循目标语言的<编码规范>，处理<语法差异、库函数替换>，输出翻译后的完整代码及关键差异点说明：<粘贴原代码>。”
三、文书信函类
- 推荐信：“以
<推荐人身份（如领导/老师）>名义，为<被推荐人姓名>撰写一封<推荐场景（求职/升学/评奖）>的推荐信，突出<被推荐人的核心优势（能力、业绩、品格）>，结合<1-2个具体事例>，语言正式诚恳，控制在<字数>以内。” - 感谢信：“代表
<个人/部门/公司>，向<感谢对象（如客户/同事/合作伙伴）>撰写感谢信，感谢其在<具体事件（如项目合作、提供帮助）>中的支持，说明<对方帮助带来的积极影响>，表达后续<合作/互动>的意愿，风格亲切真诚。” - 道歉信：“针对
<道歉事件（如工作失误、服务不到位）>，向<道歉对象（如客户/领导/同事）>撰写道歉信，明确<承认错误、说明原因（简洁客观）、提出具体补救措施、承诺后续改进>，态度诚恳，避免推诿责任，语言简洁得体。” - 邀请信：“以
<邀请方（个人/部门/公司）>名义，邀请<被邀请人/群体>参加<活动名称/会议>，明确<活动时间、地点、主题、议程>，说明<邀请原因、被邀请人的参与意义>，注明<报名方式/联系人>，风格正式礼貌，适配<商务/私人>场景。” - 请假条：“以
<请假人身份>向<审批人（如领导）>提交请假申请，说明<请假类型（事假/病假/年假）>，请假时间为<起止日期>，明确<工作交接安排（如代办人、关键事项）>，确保工作不受影响，语言简洁规范，符合公司制度要求。” - 公司公示：“代表公司发布
<公示事项（如制度修订、人事任免、招标结果）>，说明<公示背景、核心内容（如条款变更、任免信息）、实施时间>，注明<反馈方式/公示期限>，语言严谨规范，避免歧义，适合在<内部平台/对外渠道>发布。” - 祝贺信：“向
<祝贺对象（如客户/合作伙伴/同事）>撰写祝贺信，祝贺其<具体喜事（如公司成立周年、晋升、项目成功）>，肯定对方的<努力/成就>，表达<美好祝愿/深化合作>的意愿，风格热情得体，适配<商务/私人>场景。” - 邮件撰写：“撰写一封
<邮件主题（如需求对接、工作汇报、合作洽谈）>的邮件，收件人为<收件人姓名/群体>，抄送人（如有）：<抄送人姓名>，内容包含<背景说明、核心需求/信息、行动指引（如待办事项、回复要求）>，语言<正式/简洁/亲切>，符合职场邮件礼仪，控制在<字数>以内。”
1、
2、
一、Prompt定义
“Prompt” 是当前 AI 时代高频出现的术语，核心指 “指令、提示语”—— 即用户向 AI 模型（如 ChatGPT、MidJourney、文心一言等）传递需求、引导其生成目标内容的 “输入文本 / 信息”。它不仅是人与 AI 交互的 “桥梁”，更是决定 AI 输出质量的关键因素。
二、AI 场景中 “Prompt” 的关键要素（决定输出质量）
一个 “有效 Prompt” 并非简单的一句话，而是需要包含足够的 “需求细节”。核心要素通常包括：
- 明确目标：告诉 AI 你要 “做什么”（如 “写文案”“画图片”“查资料”“改代码”）；例：无效 Prompt→“写个方案”；有效 Prompt→“写一份面向大学生的考研英语复习方案”。
- 限定范围 / 风格：指定内容的风格、受众、格式等细节；例：给 DALL・E 的 Prompt→“生成一张儿童绘本风格的森林场景角是小兔子，色调温暖，画面简洁”。
- 补充上下文 / 约束：提供背景信息或 “不能做
- ” 的限制；例：给 ChatGPT 的 Prompt→“基于‘2024 年中国新能源汽车销量数据’，写一段 500 字分析，重点讲比亚迪和特斯拉的竞争，不涉及技术术语”。
- 输出格式：要求 AI 特定结构输出（如表格、列表、对话体）；例：“总结《三体》第一部的核心剧情，用‘角色 + 关键事件’的列表形式呈现，不超过 5 点”。
四、“Prompt 工程”：优化 Prompt 的核心方法
随着 AI 应用普及，“Prompt 工程”（Prompt Engineering）成为一门实用技能 —— 即通过 “优化指令设计”，让 AI 更精准地满足需求。核心优化方法包括：
- “拆解需求” 而非 “模糊指令”：把复杂需求拆成多个小 Prompt，逐步引导 AI；例：想写 “考研时间规划”，先让 AI “列出考研各阶段的核心任务”，再让 AI “基于任务表设计每日时间表”。
- “提供示例” 而非 “空泛描述”：若需要特定风格，给 AI 一个 “参考案例”；例：“按以下风格写一句广告语：参考案例‘奶茶：一口丝滑，治愈所有疲惫’；产品：保温杯”（AI 更易贴合风格）。
- “追问迭代” 而非 “一次定型”：若首次输出不满意，补充指令让 AI 优化；例：“刚才的散文很好，但希望增加‘秋天的桂花香气’的细节，再缩短 100 字”。
- “明确角色” 而非 “默认交互”：让 AI 代入特定 “身份”，输出更专业的内容；例：“假设你是一名有 10 年经验的高中数学老师，用通俗的语言解释‘导数的几何意义’”。