简介《AI引擎Prompt指令设计绿皮书》是一份面向ChatGPT、Claude、Bard等AI工具使用者的实用指南适合新媒体运营、内容创作者及希望提升AI交互效率的职场人群。资源围绕Prompt指令写作展开系统讲解明确定义需求、提供上下文、使用直白语言、详细说明要求、举例说明、添加限制条件与多次迭代优化等技巧公式并给出小红书笔记、短视频开头、爆款文案、简历写作、求职面试及个人发展等场景的指令模板。压缩包内为1个PDF文件约3.64MB结构清晰便于按目录快速查阅与套用。目前已有6665人学习下载读者可从中获得一套可复用的Prompt设计框架与多场景实例快速掌握指令撰写要领让AI输出更贴合预期。1. 拿到这份 Prompt 绿皮书先别急着套模板很多人第一次打开 ChatGPT 对话框输入一句“帮我写篇小红书文案”结果出来一堆四平八稳的废话然后得出结论AI 不行。问题往往不在模型而在指令本身。这份《AI引擎Prompt指令设计绿皮书》就是冲着这个痛点来的——它不讲 Transformer 架构也不聊注意力机制而是把 Prompt 当成一门可拆解、可复用的手艺从指令写作公式一路铺到新媒体运营、简历、面试、个人发展四个场景的现成模板。它适合谁如果你是从业者日常要用 AI 出文案、做选题、改简历、准备面试但每次都要跟模型来回拉扯五六轮才勉强能用这份绿皮书能帮你把“碰运气”变成“按流程走”。它本质上是一本场景化的指令手册不是学术论文也不是 API 文档。你拿到手要做的第一件事是理解它背后的指令结构逻辑而不是把模板原封不动复制进去——因为模板里的平台规则、人设、字数限制都是可以按你的业务改的参数。2. 指令写作公式拆解七个要素怎么落到参数上2.1 从“明确定义需求”到“多次迭代优化”的完整链路绿皮书把指令写作拆成七个要素明确定义需求、提供足够上下文、使用简单直白语言、详细说明要求、举例说明、添加限制条件、多次迭代优化。这七个点单看都是常识但真正落地时大部分人只做到了第一条和第三条后面五条全漏。我一般会把它们归成三层。第一层是“任务定义层”包含明确需求和详细说明要求——你要模型干什么、输出什么格式、多长、什么风格全在这一层说死。第二层是“语境约束层”包含上下文、简单语言、举例和限制条件——这一层决定模型会不会跑偏。第三层是“迭代层”也就是根据第一轮输出反推指令哪里没说清然后补参数。举个实际例子。你要模型写一段产品介绍第一版指令是“写一段我们产品的介绍”。模型会给你一段泛泛而谈的话。按公式改你是一位有 5 年经验的 B2B SaaS 产品市场经理。 请为我们的产品「智能客服工单系统」写一段 200 字以内的介绍。 目标读者是中小电商团队的运营负责人。 要求 1. 开头用一句话点出他们最痛的场景客服响应慢导致差评。 2. 中间用三个短句说明核心功能自动分单、话术推荐、数据看板。 3. 结尾给一个行动建议不要用“欢迎咨询”这种套话。 语气专业但不端着像同行聊天。这段指令里“5 年经验 B2B SaaS 产品市场经理”是人设“200 字以内”是长度“中小电商运营负责人”是受众“三个短句说明核心功能”是结构“不要用欢迎咨询”是限制条件。七个要素里至少覆盖了五个。模型输出的稳定性会明显高于第一版。2.2 上下文和示例两个最容易被跳过的参数上下文这一条在单轮对话里经常被忽略。但只要你是在做多轮任务——比如先让模型分析数据再让它基于分析写选题——就必须把上一轮的关键结论复述进新指令。绿皮书里给的例子是“我们之前讨论了人工智能的发展接下来请解释机器学习及其应用”。这个写法在 ChatGPT 里有效在 Claude 和 Bard 里同样有效因为所有大语言模型都依赖当前上下文窗口内的信息做推理。示例这一条更关键。很多人觉得“举例说明”是可选动作实际上它是控制输出风格最便宜的手段。你给一个示例模型就能捕捉到句式、语气、信息密度。比如你要模型写短视频开头与其描述“要吸引人”不如直接给一个你觉得好的开头参考这个开头的节奏和悬念感 “一个完全没有做过小红书投放的小白从零开始到拿到客资通常需要至少 1 个月。但我的下属用 AI 跑完全过程只用了 3 天。” 请用同样的节奏为「如何用 AI 做简历优化」写一个 15 秒短视频开头。这里示例的作用不是让模型抄内容而是让它对齐“先给常识预期再给反常识结果”的结构。你换一个主题它也能套用这个节奏。2.3 限制条件敏感场景的保险丝绿皮书专门提到“在某些敏感主题你可以指明 GPT 需要避免的内容或行为”。这一条在实际业务里比想象中重要。比如你做招聘类内容指令里不写“不要出现年龄、性别、地域歧视性表述”模型可能在举例时无意踩线。加上限制条件相当于给输出加了一道过滤。常见做法是在指令末尾加一段限制条件 - 不要使用“最好”“第一”“唯一”等绝对化用语。 - 不要出现具体薪资数字用“有竞争力的薪酬”替代。 - 不要提及任何未公开的客户名称。这三条分别对应广告法风险、薪酬保密和客户隐私。不同业务换不同限制但结构可以复用。3. 新媒体运营场景实战把模板改成自己的指令集3.1 小红书笔记指令的六个可调参数绿皮书里的小红书笔记指令写得非常细人设是领域专家、标题带数字和 emoji、正文 600 到 800 字、至少 5 个 emoji、末尾 官方账号和加话题、行动呼唤要设计福利诱饵、配图要给建议甚至 URL。这一整套下来其实是一个六参数模板。我把这六个参数拆开看人设、标题规则、正文字数和 emoji 密度、话题和 规则、诱饵设计、配图建议。每个参数都可以按你的账号定位改。比如你做的是职场干货号人设可以改成“有 8 年 HR 经验的招聘经理”标题规则里的数字可以改成“3 个信号”“5 个坑”emoji 密度可以降到 3 个因为职场类内容太花哨反而降低信任。实际使用时我会把绿皮书的模板改写成这样你是一位有 8 年招聘经验的 HR现在以小红书职场博主的身份写一篇笔记。 主题面试时被问“你的缺点是什么”该怎么答。 要求 1. 标题带数字不超过 20 字加 2 个 emoji。 2. 正文 500 到 700 字分 3 个小点每点给一个错误示范和一个正确示范。 3. 正文中加 3 个 emoji不要堆砌。 4. 末尾加 3 个相关话题标签 两个职场类官方账号。 5. 行动呼唤引导评论“你最怕被问的面试题”送一份《面试高频 20 问》PDF。 6. 配图建议给 3 张图的拍摄方向不要直接给 URL。改动点在于emoji 从 5 个降到 3 个配图从“给 URL”改成“给拍摄方向”因为直接给 URL 模型经常编造无效链接。诱饵从泛泛的“福利资料包”改成具体 PDF 名称转化路径更清晰。3.2 短视频开头和标题指令的 BPKT / BPBT 结构绿皮书里有两个自定义结构BPKT 用于短视频开头BPBT 用于标题优化。BPKT 的七个要求是引人入胜、简洁明了、视觉吸引、语言简练、制造悬念、突出价值、快节奏。BPBT 的要求是引人入胜、制造悬念、突出价值。这两个结构本质上是把“好开头”和“好标题”的模糊标准拆成了可检查的清单。你在写指令时不需要每次都把七条全列出来但可以在指令里写“按 BPKT 结构写”然后模型就知道你要的是哪七个维度。实际跑的时候我会把 BPKT 和具体主题绑在一起你是抖音短视频运营专家按 BPKT 结构为以下主题写开头 主题为什么你投了 100 份简历都没有回音 要求 1. 开头第一句制造冲突或反常识。 2. 第二句给出一个具体数字或场景。 3. 第三句抛出悬念让观众想继续看。 4. 总字数控制在 60 字以内。 5. 不要用“大家好”“今天我们来聊”这类开场。这里把 BPKT 的七个要求压缩成四条可执行规则模型更容易命中。标题指令同理把 BPBT 的三条要求落到“数字 冲突 价值承诺”的句式上。3.3 选题调教用角色清单让模型自己列身份绿皮书里有一段很特别的对话用户问“我需要定义你哪些角色你才可以更好地帮助我”模型自己列出了十个角色——信息搜集者、趋势分析师、创意发想者、数据解读者、话题挖掘机、目标受众分析师、多样性和包容性倡导者、热点事件跟踪者、专家引用和观点整合者、选题排列组织者。这个用法很聪明。它把“角色定义”这个动作交给了模型自己你只需要在后续指令里说“用趋势分析师和话题挖掘机的身份帮我看这周的选题”。模型就会切换视角输出更聚焦的建议。我一般会把这个角色清单存成一个片段每次做选题时直接调用你现在同时具备以下身份趋势分析师、话题挖掘机、目标受众分析师。 我负责一个面向新媒体小白的订阅号过去一周阅读量在 200 到 400 之间。 请用这三个身份分别分析 1. 当前 AI 新媒体领域有哪些上升趋势 2. 有哪些被忽略但小白关心的话题 3. 我的目标读者最可能在什么场景下打开文章 输出格式每个身份给 3 条结论每条不超过 50 字。这个指令的好处是模型不会给你一堆泛泛的“要追热点”而是按身份分工输出你拿到的是三组不同角度的具体结论。4. 简历、面试、个人发展场景把指令当配置项来改4.1 简历写作指令的四个必填字段绿皮书目录里列了简历写作场景和求职面试场景虽然正文没有展开但按这份资料的逻辑简历类指令的核心字段无非四个目标岗位、个人经历、输出格式、语气风格。我一般会这样写你是一位有 10 年经验的互联网行业招聘官。 请帮我改写以下工作经历目标岗位是「新媒体运营主管」。 原始经历 - 负责公众号日常更新写了 200 篇文章。 - 策划过几次活动涨了一些粉。 要求 1. 每条经历改成“动作 方法 结果”的结构。 2. 结果尽量量化没有数字就用“显著提升”“从 0 到 1”替代。 3. 语气专业但不浮夸不要用“精通”“极致”这类词。 4. 输出 3 条每条不超过 40 字。这里“动作 方法 结果”是结构约束“没有数字就用替代词”是防编造约束“不要用精通”是语气约束。模型改出来的版本会比原始经历更有信息密度同时不会编造你根本没做过的数据。4.2 面试准备指令让模型扮演面试官并给反馈面试场景的指令可以做成两段式。第一段让模型出题第二段让模型对你的回答给反馈。第一段 你是一家电商公司的面试官正在招聘新媒体运营。 请根据我的简历附后提出 5 个面试问题。 要求2 个专业题、2 个行为题、1 个压力题。 第二段 以上是我的回答。请你以面试官身份给反馈 1. 每个回答指出一个优点和一个改进点。 2. 改进点要具体到“换哪个词”“补哪个数据”。 3. 最后给一个总体建议不超过 100 字。这种两段式指令的好处是模型在第一段已经建立了“面试官”人设第二段给反馈时会延续这个视角不会突然变成泛泛的鼓励。4.3 个人发展场景把目标拆成可验证的指令个人发展场景比较宽泛但落到指令上核心是把“我想提升某方面能力”翻译成“请帮我生成一个可验证的计划”。比如你想提升数据分析能力指令可以这样写你是一位数据分析团队负责人。 我想在 3 个月内具备独立完成业务数据分析的能力。 请给我一个分周计划要求 1. 每周一个主题主题之间要有依赖关系。 2. 每周给一个可交付成果比如“完成一份 10 行 SQL 的报表”。 3. 推荐的学习材料不要给链接给具体书名或课程名。 4. 最后给一个自测清单5 道题能判断我是否达标。这里“可交付成果”和“自测清单”是关键参数它们把模糊的“提升能力”变成了可检查的节点。5. 避坑与排查五条血泪经验5.1 模板直接复制导致输出水土不服现象把绿皮书里的小红书指令原封不动贴进去出来的笔记 emoji 过多、语气过于夸张跟自己的账号调性完全不搭。原因模板里的参数是针对特定账号定位写的人设、emoji 密度、字数都是变量不是常量。解决每次套模板前先改三个参数——人设换成你的真实身份emoji 数量按平台和品类调整字数按你的历史数据改。改完先跑一轮看输出是否符合预期再决定要不要继续调。5.2 上下文丢失导致多轮任务断裂现象第一轮让模型分析了数据第二轮让它基于分析写选题结果它完全忘了第一轮的结论重新开始泛泛而谈。原因模型不会自动记住上一轮的所有细节尤其是当两轮之间隔了较长时间或对话较长时。解决在第二轮指令开头用一两句话复述第一轮的关键结论。比如“根据你上一轮提到的三个趋势——AI 工具平民化、短视频脚本需求上升、职场内容同质化——请为每个趋势各写两个选题”。复述成本很低但能大幅提升连贯性。5.3 限制条件写得太晚导致输出已跑偏现象指令写了一大段需求最后才加一句“不要出现敏感内容”结果模型已经生成了一半不合适的内容。原因模型是按顺序处理指令的限制条件放在最后前面的生成已经基于未受限的语境。解决把限制条件放在指令前半部分紧跟任务定义之后。比如“请写一篇产品介绍。限制不要用绝对化用语不要提具体客户名。要求200 字以内面向中小电商运营。”这样模型在生成时就会带着约束走。5.4 示例给得太泛导致风格没对齐现象指令里写了“参考这个示例”但示例本身风格不统一模型捕捉不到明确的风格特征。原因示例的作用是给模型一个可模仿的模板如果示例本身质量不稳定模型输出也会摇摆。解决示例要选你真正满意的输出并且只给一个。给多个风格不一致的示例反而会让模型困惑。如果必须给多个确保它们在句式、语气、信息密度上高度一致。5.5 迭代次数过多导致指令越改越乱现象第一轮输出不满意加要求第二轮还不满意再加要求到第五轮指令已经变成一团乱麻模型输出反而更差。原因每次加要求都是在原有指令上打补丁补丁之间可能互相冲突。解决迭代超过三轮就停下来把当前所有要求重新整理成一份干净的新指令删掉重复和矛盾的条目。我一般会在第三轮之后强制自己重写一遍指令而不是继续打补丁。6. 进阶技巧把绿皮书变成自己的指令库这份绿皮书最大的价值不是那几十个模板而是它示范了一种把模糊需求翻译成结构化指令的方法。你真正要做的是把它拆成自己的指令库。我的做法是建一个 Markdown 文件按场景分块新媒体运营、简历面试、个人发展、通用公式。每个场景下存三样东西一个基础模板、一组可调参数、一个我实际跑通过的示例。比如新媒体运营块里基础模板就是绿皮书里的小红书指令骨架可调参数包括人设、字数、emoji 密度、诱饵类型示例就是我上面改过的那版。每次用的时候先选场景再改参数然后跑一轮。跑完把效果好的版本存回文件效果差的删掉。这样三个月下来你的指令库会比任何通用模板都更贴合你的业务。还有一个技巧是给指令加版本号。比如“小红书笔记指令 v3”每次改动都在文件里记一笔改了什么、为什么改。这样当你发现某个版本输出特别稳定时可以随时回滚不用凭记忆重建。从那以后我每次拿到新的 Prompt 模板都强制自己先跑三个不同主题的测试确认输出稳定后再存进指令库。希望这份绿皮书的拆解能帮你少走几轮弯路把 AI 引擎真正用顺手。本文还有配套的精品资源点击获取 Prompt指令设计绿皮书：从模板到指令库的实战拆解
简介《AI引擎Prompt指令设计绿皮书》是一份面向ChatGPT、Claude、Bard等AI工具使用者的实用指南适合新媒体运营、内容创作者及希望提升AI交互效率的职场人群。资源围绕Prompt指令写作展开系统讲解明确定义需求、提供上下文、使用直白语言、详细说明要求、举例说明、添加限制条件与多次迭代优化等技巧公式并给出小红书笔记、短视频开头、爆款文案、简历写作、求职面试及个人发展等场景的指令模板。压缩包内为1个PDF文件约3.64MB结构清晰便于按目录快速查阅与套用。目前已有6665人学习下载读者可从中获得一套可复用的Prompt设计框架与多场景实例快速掌握指令撰写要领让AI输出更贴合预期。1. 拿到这份 Prompt 绿皮书先别急着套模板很多人第一次打开 ChatGPT 对话框输入一句“帮我写篇小红书文案”结果出来一堆四平八稳的废话然后得出结论AI 不行。问题往往不在模型而在指令本身。这份《AI引擎Prompt指令设计绿皮书》就是冲着这个痛点来的——它不讲 Transformer 架构也不聊注意力机制而是把 Prompt 当成一门可拆解、可复用的手艺从指令写作公式一路铺到新媒体运营、简历、面试、个人发展四个场景的现成模板。它适合谁如果你是从业者日常要用 AI 出文案、做选题、改简历、准备面试但每次都要跟模型来回拉扯五六轮才勉强能用这份绿皮书能帮你把“碰运气”变成“按流程走”。它本质上是一本场景化的指令手册不是学术论文也不是 API 文档。你拿到手要做的第一件事是理解它背后的指令结构逻辑而不是把模板原封不动复制进去——因为模板里的平台规则、人设、字数限制都是可以按你的业务改的参数。2. 指令写作公式拆解七个要素怎么落到参数上2.1 从“明确定义需求”到“多次迭代优化”的完整链路绿皮书把指令写作拆成七个要素明确定义需求、提供足够上下文、使用简单直白语言、详细说明要求、举例说明、添加限制条件、多次迭代优化。这七个点单看都是常识但真正落地时大部分人只做到了第一条和第三条后面五条全漏。我一般会把它们归成三层。第一层是“任务定义层”包含明确需求和详细说明要求——你要模型干什么、输出什么格式、多长、什么风格全在这一层说死。第二层是“语境约束层”包含上下文、简单语言、举例和限制条件——这一层决定模型会不会跑偏。第三层是“迭代层”也就是根据第一轮输出反推指令哪里没说清然后补参数。举个实际例子。你要模型写一段产品介绍第一版指令是“写一段我们产品的介绍”。模型会给你一段泛泛而谈的话。按公式改你是一位有 5 年经验的 B2B SaaS 产品市场经理。 请为我们的产品「智能客服工单系统」写一段 200 字以内的介绍。 目标读者是中小电商团队的运营负责人。 要求 1. 开头用一句话点出他们最痛的场景客服响应慢导致差评。 2. 中间用三个短句说明核心功能自动分单、话术推荐、数据看板。 3. 结尾给一个行动建议不要用“欢迎咨询”这种套话。 语气专业但不端着像同行聊天。这段指令里“5 年经验 B2B SaaS 产品市场经理”是人设“200 字以内”是长度“中小电商运营负责人”是受众“三个短句说明核心功能”是结构“不要用欢迎咨询”是限制条件。七个要素里至少覆盖了五个。模型输出的稳定性会明显高于第一版。2.2 上下文和示例两个最容易被跳过的参数上下文这一条在单轮对话里经常被忽略。但只要你是在做多轮任务——比如先让模型分析数据再让它基于分析写选题——就必须把上一轮的关键结论复述进新指令。绿皮书里给的例子是“我们之前讨论了人工智能的发展接下来请解释机器学习及其应用”。这个写法在 ChatGPT 里有效在 Claude 和 Bard 里同样有效因为所有大语言模型都依赖当前上下文窗口内的信息做推理。示例这一条更关键。很多人觉得“举例说明”是可选动作实际上它是控制输出风格最便宜的手段。你给一个示例模型就能捕捉到句式、语气、信息密度。比如你要模型写短视频开头与其描述“要吸引人”不如直接给一个你觉得好的开头参考这个开头的节奏和悬念感 “一个完全没有做过小红书投放的小白从零开始到拿到客资通常需要至少 1 个月。但我的下属用 AI 跑完全过程只用了 3 天。” 请用同样的节奏为「如何用 AI 做简历优化」写一个 15 秒短视频开头。这里示例的作用不是让模型抄内容而是让它对齐“先给常识预期再给反常识结果”的结构。你换一个主题它也能套用这个节奏。2.3 限制条件敏感场景的保险丝绿皮书专门提到“在某些敏感主题你可以指明 GPT 需要避免的内容或行为”。这一条在实际业务里比想象中重要。比如你做招聘类内容指令里不写“不要出现年龄、性别、地域歧视性表述”模型可能在举例时无意踩线。加上限制条件相当于给输出加了一道过滤。常见做法是在指令末尾加一段限制条件 - 不要使用“最好”“第一”“唯一”等绝对化用语。 - 不要出现具体薪资数字用“有竞争力的薪酬”替代。 - 不要提及任何未公开的客户名称。这三条分别对应广告法风险、薪酬保密和客户隐私。不同业务换不同限制但结构可以复用。3. 新媒体运营场景实战把模板改成自己的指令集3.1 小红书笔记指令的六个可调参数绿皮书里的小红书笔记指令写得非常细人设是领域专家、标题带数字和 emoji、正文 600 到 800 字、至少 5 个 emoji、末尾 官方账号和加话题、行动呼唤要设计福利诱饵、配图要给建议甚至 URL。这一整套下来其实是一个六参数模板。我把这六个参数拆开看人设、标题规则、正文字数和 emoji 密度、话题和 规则、诱饵设计、配图建议。每个参数都可以按你的账号定位改。比如你做的是职场干货号人设可以改成“有 8 年 HR 经验的招聘经理”标题规则里的数字可以改成“3 个信号”“5 个坑”emoji 密度可以降到 3 个因为职场类内容太花哨反而降低信任。实际使用时我会把绿皮书的模板改写成这样你是一位有 8 年招聘经验的 HR现在以小红书职场博主的身份写一篇笔记。 主题面试时被问“你的缺点是什么”该怎么答。 要求 1. 标题带数字不超过 20 字加 2 个 emoji。 2. 正文 500 到 700 字分 3 个小点每点给一个错误示范和一个正确示范。 3. 正文中加 3 个 emoji不要堆砌。 4. 末尾加 3 个相关话题标签 两个职场类官方账号。 5. 行动呼唤引导评论“你最怕被问的面试题”送一份《面试高频 20 问》PDF。 6. 配图建议给 3 张图的拍摄方向不要直接给 URL。改动点在于emoji 从 5 个降到 3 个配图从“给 URL”改成“给拍摄方向”因为直接给 URL 模型经常编造无效链接。诱饵从泛泛的“福利资料包”改成具体 PDF 名称转化路径更清晰。3.2 短视频开头和标题指令的 BPKT / BPBT 结构绿皮书里有两个自定义结构BPKT 用于短视频开头BPBT 用于标题优化。BPKT 的七个要求是引人入胜、简洁明了、视觉吸引、语言简练、制造悬念、突出价值、快节奏。BPBT 的要求是引人入胜、制造悬念、突出价值。这两个结构本质上是把“好开头”和“好标题”的模糊标准拆成了可检查的清单。你在写指令时不需要每次都把七条全列出来但可以在指令里写“按 BPKT 结构写”然后模型就知道你要的是哪七个维度。实际跑的时候我会把 BPKT 和具体主题绑在一起你是抖音短视频运营专家按 BPKT 结构为以下主题写开头 主题为什么你投了 100 份简历都没有回音 要求 1. 开头第一句制造冲突或反常识。 2. 第二句给出一个具体数字或场景。 3. 第三句抛出悬念让观众想继续看。 4. 总字数控制在 60 字以内。 5. 不要用“大家好”“今天我们来聊”这类开场。这里把 BPKT 的七个要求压缩成四条可执行规则模型更容易命中。标题指令同理把 BPBT 的三条要求落到“数字 冲突 价值承诺”的句式上。3.3 选题调教用角色清单让模型自己列身份绿皮书里有一段很特别的对话用户问“我需要定义你哪些角色你才可以更好地帮助我”模型自己列出了十个角色——信息搜集者、趋势分析师、创意发想者、数据解读者、话题挖掘机、目标受众分析师、多样性和包容性倡导者、热点事件跟踪者、专家引用和观点整合者、选题排列组织者。这个用法很聪明。它把“角色定义”这个动作交给了模型自己你只需要在后续指令里说“用趋势分析师和话题挖掘机的身份帮我看这周的选题”。模型就会切换视角输出更聚焦的建议。我一般会把这个角色清单存成一个片段每次做选题时直接调用你现在同时具备以下身份趋势分析师、话题挖掘机、目标受众分析师。 我负责一个面向新媒体小白的订阅号过去一周阅读量在 200 到 400 之间。 请用这三个身份分别分析 1. 当前 AI 新媒体领域有哪些上升趋势 2. 有哪些被忽略但小白关心的话题 3. 我的目标读者最可能在什么场景下打开文章 输出格式每个身份给 3 条结论每条不超过 50 字。这个指令的好处是模型不会给你一堆泛泛的“要追热点”而是按身份分工输出你拿到的是三组不同角度的具体结论。4. 简历、面试、个人发展场景把指令当配置项来改4.1 简历写作指令的四个必填字段绿皮书目录里列了简历写作场景和求职面试场景虽然正文没有展开但按这份资料的逻辑简历类指令的核心字段无非四个目标岗位、个人经历、输出格式、语气风格。我一般会这样写你是一位有 10 年经验的互联网行业招聘官。 请帮我改写以下工作经历目标岗位是「新媒体运营主管」。 原始经历 - 负责公众号日常更新写了 200 篇文章。 - 策划过几次活动涨了一些粉。 要求 1. 每条经历改成“动作 方法 结果”的结构。 2. 结果尽量量化没有数字就用“显著提升”“从 0 到 1”替代。 3. 语气专业但不浮夸不要用“精通”“极致”这类词。 4. 输出 3 条每条不超过 40 字。这里“动作 方法 结果”是结构约束“没有数字就用替代词”是防编造约束“不要用精通”是语气约束。模型改出来的版本会比原始经历更有信息密度同时不会编造你根本没做过的数据。4.2 面试准备指令让模型扮演面试官并给反馈面试场景的指令可以做成两段式。第一段让模型出题第二段让模型对你的回答给反馈。第一段 你是一家电商公司的面试官正在招聘新媒体运营。 请根据我的简历附后提出 5 个面试问题。 要求2 个专业题、2 个行为题、1 个压力题。 第二段 以上是我的回答。请你以面试官身份给反馈 1. 每个回答指出一个优点和一个改进点。 2. 改进点要具体到“换哪个词”“补哪个数据”。 3. 最后给一个总体建议不超过 100 字。这种两段式指令的好处是模型在第一段已经建立了“面试官”人设第二段给反馈时会延续这个视角不会突然变成泛泛的鼓励。4.3 个人发展场景把目标拆成可验证的指令个人发展场景比较宽泛但落到指令上核心是把“我想提升某方面能力”翻译成“请帮我生成一个可验证的计划”。比如你想提升数据分析能力指令可以这样写你是一位数据分析团队负责人。 我想在 3 个月内具备独立完成业务数据分析的能力。 请给我一个分周计划要求 1. 每周一个主题主题之间要有依赖关系。 2. 每周给一个可交付成果比如“完成一份 10 行 SQL 的报表”。 3. 推荐的学习材料不要给链接给具体书名或课程名。 4. 最后给一个自测清单5 道题能判断我是否达标。这里“可交付成果”和“自测清单”是关键参数它们把模糊的“提升能力”变成了可检查的节点。5. 避坑与排查五条血泪经验5.1 模板直接复制导致输出水土不服现象把绿皮书里的小红书指令原封不动贴进去出来的笔记 emoji 过多、语气过于夸张跟自己的账号调性完全不搭。原因模板里的参数是针对特定账号定位写的人设、emoji 密度、字数都是变量不是常量。解决每次套模板前先改三个参数——人设换成你的真实身份emoji 数量按平台和品类调整字数按你的历史数据改。改完先跑一轮看输出是否符合预期再决定要不要继续调。5.2 上下文丢失导致多轮任务断裂现象第一轮让模型分析了数据第二轮让它基于分析写选题结果它完全忘了第一轮的结论重新开始泛泛而谈。原因模型不会自动记住上一轮的所有细节尤其是当两轮之间隔了较长时间或对话较长时。解决在第二轮指令开头用一两句话复述第一轮的关键结论。比如“根据你上一轮提到的三个趋势——AI 工具平民化、短视频脚本需求上升、职场内容同质化——请为每个趋势各写两个选题”。复述成本很低但能大幅提升连贯性。5.3 限制条件写得太晚导致输出已跑偏现象指令写了一大段需求最后才加一句“不要出现敏感内容”结果模型已经生成了一半不合适的内容。原因模型是按顺序处理指令的限制条件放在最后前面的生成已经基于未受限的语境。解决把限制条件放在指令前半部分紧跟任务定义之后。比如“请写一篇产品介绍。限制不要用绝对化用语不要提具体客户名。要求200 字以内面向中小电商运营。”这样模型在生成时就会带着约束走。5.4 示例给得太泛导致风格没对齐现象指令里写了“参考这个示例”但示例本身风格不统一模型捕捉不到明确的风格特征。原因示例的作用是给模型一个可模仿的模板如果示例本身质量不稳定模型输出也会摇摆。解决示例要选你真正满意的输出并且只给一个。给多个风格不一致的示例反而会让模型困惑。如果必须给多个确保它们在句式、语气、信息密度上高度一致。5.5 迭代次数过多导致指令越改越乱现象第一轮输出不满意加要求第二轮还不满意再加要求到第五轮指令已经变成一团乱麻模型输出反而更差。原因每次加要求都是在原有指令上打补丁补丁之间可能互相冲突。解决迭代超过三轮就停下来把当前所有要求重新整理成一份干净的新指令删掉重复和矛盾的条目。我一般会在第三轮之后强制自己重写一遍指令而不是继续打补丁。6. 进阶技巧把绿皮书变成自己的指令库这份绿皮书最大的价值不是那几十个模板而是它示范了一种把模糊需求翻译成结构化指令的方法。你真正要做的是把它拆成自己的指令库。我的做法是建一个 Markdown 文件按场景分块新媒体运营、简历面试、个人发展、通用公式。每个场景下存三样东西一个基础模板、一组可调参数、一个我实际跑通过的示例。比如新媒体运营块里基础模板就是绿皮书里的小红书指令骨架可调参数包括人设、字数、emoji 密度、诱饵类型示例就是我上面改过的那版。每次用的时候先选场景再改参数然后跑一轮。跑完把效果好的版本存回文件效果差的删掉。这样三个月下来你的指令库会比任何通用模板都更贴合你的业务。还有一个技巧是给指令加版本号。比如“小红书笔记指令 v3”每次改动都在文件里记一笔改了什么、为什么改。这样当你发现某个版本输出特别稳定时可以随时回滚不用凭记忆重建。从那以后我每次拿到新的 Prompt 模板都强制自己先跑三个不同主题的测试确认输出稳定后再存进指令库。希望这份绿皮书的拆解能帮你少走几轮弯路把 AI 引擎真正用顺手。本文还有配套的精品资源点击获取