01「GPT5提示词案例库」到底在问什么
找「GPT5提示词案例库」的人，要的是能直接拿走用的东西。但清单的价值不在条数，在于拿到手当天有没有一条真能用上。把清单当起点而不是答案，是模型适配这一类最实用的用法。
筛选清单有个省时的办法：随机抽五条，看能直接用几条。低于三条，说明整理的人自己没跑过。
下面这份内容按「示例 → 字段 → 场景 → 错误 → 验收」排，你可以从任意一节开始看；如果只想马上用，直接跳到第二节复制那段提示词。
案例的价值在于能倒推。看「GPT5提示词案例库」的时候，别只看它写了什么，要看它省掉了什么：哪些信息它默认你会补，哪些约束它提前写死了。
一个实用做法：挑三条你用得上的案例，把里面跟业务相关的词替换掉，剩下的结构留着。改到第三条时，你会发现套路其实只有几个。
02三种写法，差别在哪
下面三行是同一个需求的不同写法。差别不在礼貌程度，而在信息量：右边多出来的部分，正是模型原本要靠猜的地方。
| 常见写法 | 为什么效果差 | 改成这样 |
|---|---|---|
| 「哪个模型写GPT5提示词案例库更好」 | 得到主观排序，和你的任务无关 | 「用下面这段完全相同的输入，分别在两个模型上跑，比较格式遵守度」 |
| 「换个模型重写一遍」 | 不知道变好是因为模型还是因为重写 | 「保持输入完全一致，只换模型，其余不变」 |
| 「GPT5提示词案例库在xx模型上不行」 | 结论来自单次失败，可能是偶然 | 「同一输入跑三次，看失败是否稳定复现」 |
03一条能直接用的示例
下面是完整版，字段齐全。第一次用建议原样跑一遍看效果，再逐项替换成自己的信息，这样能看出每个字段的作用。
你是日常同时使用多个大模型的从业者。
【任务】说明「GPT5提示词案例库」这类写法在具体模型上的差异，以及怎么调整。
【要求】指出至少两处不同模型表现不一致的地方，并给对应改法。
【约束】不确定的地方写「需要实测」，不要编造版本差异。
【格式】先结论，再分点说明差异，最后给一段通用写法。04要加强版就加这两步
如果上面那版还不够稳，用这一段。它多了两步：先让你确认理解，再让它自检。多花的这点字数，通常能省掉一轮返工。
你是做多模型横向评测的人，需要用同一任务对比「GPT5提示词案例库」在不同模型上的表现。
【任务】设计一个可复现的对比方案。
【要求】
1. 固定任务描述，逐字相同，只改变模型；
2. 列出三个观察维度（例如：是否遵守格式、是否编造、长文稳定性）；
3. 每个维度给一个可打分的标准，三档即可；
4. 说明这个对比在什么条件下结论会失效。
【约束】不比较价格；不使用「更聪明」这类无法测量的词；结论必须基于输出本身。
【格式】先方案，再表格，最后一段局限说明。05字段怎么填
这张表的作用是查漏：写完提示词后逐行对一遍，缺哪行就补哪行，比反复重写整段省时间。
| 字段 | 怎么写 | 常见反例 |
|---|---|---|
| 指令强度 | 有的模型很吃「必须」「禁止」，有的反而变差 | 一套写法套所有模型 |
| 上下文 | 长文档理解能力差异明显 | 以为都能读完整篇 |
| 格式服从 | 结构化输出（JSON/表格）稳定性不同 | 假设一定按格式给 |
| 任务固定 | 同一段话复制到不同模型，不改一个字 | 每个模型换一种问法 |
| 观察维度 | 格式遵守、事实准确、长度控制 | 「哪个更好」 |
| 记录方式 | 把输出原文留存，方便回看对比 | 只看一眼就下结论 |
06换场景，侧重就不一样
场景变了，重点就变了：有的要短，有的要全，有的必须先声明边界。选错侧重，写得再细也不合适。
| 场景 | 这种场合下要侧重什么 |
|---|---|
| 选型阶段 | 用你真实的高频任务做对比，别用通用题 |
| 日常使用 | 固定一个主力模型，减少切换带来的变量 |
| 长文任务 | 重点看后半段是否跑题，这是分水岭 |
| 格式要求高 | 重点看是否严格遵守结构，而非内容好坏 |
07六个常见错误
- 把一个模型上调好的提示词直接搬到另一个，效果断崖式下降。
- 忽略版本差异，用去年的经验判断今年的模型。
- 以为模型越新越不需要写清楚，其实只是容错高了一点。
- 不记录用了哪个模型，出问题无法定位。
- 每个模型用不同问法，比出来的差异其实是问法的差异。
- 只看一次输出就判定强弱，忽略了随机性。
08怎么判断这次输出能不能用
判断标准要能自检，不能靠感觉。下面四条都是你自己就能确认的，不需要别人帮忙看。
09三个让它更稳的做法
10三种不满，三种改法
不满意通常只有三种来源：信息不够、格式没定、边界没说。对着症状改，比重新想一遍快。
| 你现在的感觉 | 该动哪一行 | 改完会怎样 |
|---|---|---|
| 看着都对，但一句都用不上 | 任务行把「帮我写」换成「交什么、给谁看、多少字」 | 从正确的废话变成能直接用，第一版就够改 |
| 语气不像我们自己的 | 背景行贴一段你自己写过的样本，注明「照这个语气」 | 措辞向你靠，不向平均值靠 |
| 让它改，越改越偏 | 一次只提一个问题，别把五条意见一起丢回去 | 能看出是哪一句起了作用 |
11换个模型，要调什么
同一段话换个模型结果会变，不是模型随机，是各家对「简洁」「专业」的默认理解不同。下面这几种差异最常碰到。
| 模型 | 常见差异 | 调整一处 |
|---|---|---|
| ChatGPT | 默认偏长，喜欢加总结段和客套开场 | 格式行写明「不要总结段，不要开场问候」 |
| 豆包 | 口语化，短内容出得快 | 先用它出草稿，再交给长文模型润 |
| Midjourney | 参数决定画幅和风格力度 | 主体写最前面，参数单独放最后一行 |
| Claude | 长文和改写更稳，但句子容易绕 | 加一条「每句不超过 30 字，能删就删」 |
12从空白到能交：五步走完
第一次走完大约二十分钟，之后同类任务只需要三分钟，因为结构已经固定了。
- 先用一句话写清交付物：谁在什么场合用它。这一句写不出来，后面都是白做。
- 把背景压成三行：现状、限制、已经试过什么。
- 在示例里找最接近的一条，只改主体和数字，其余先不动。
- 跑一遍，只盯着最不满意的那个点，回字段表改对应那一行。
- 定稿前用验收标准过一遍，两条不过就换写法重来，别修补。
13常被追问的四件事
这些是实际操作里最常被问到的，不涉及原理，只讲怎么处理。
不必。中文模型对中文指令的理解没问题；但涉及变量名、模型参数、代码报错时，保留英文原词更准，中英混写是常态。
有用，而且比正面要求省字。一条禁用项通常能省掉两三轮返工。
够用就行。日常任务八十到一百五十字；涉及格式、口径、禁用项时到三百字；超过五百字通常说明你在替模型做它该做的事。
不需要。把跑通的那版存下来，下次只替换主体信息。变化的是内容，不是结构。
14这套写法什么时候不管用
下面几种情况下，问题不在提示词本身，换个工具或换个流程更实际。
| 情况 | 为什么不管用 |
|---|---|
| 任务本身还没想清 | 你自己还没决定要什么的时候，写再多提示词也只是把模糊往后推一步。先定交付物。 |
| 结果要是能直接交付的成品 | 排版、配色、图表这些，模型只能给描述，落到文件还得你自己动手。 |
| 你其实只需要一句话 | 改个错字、换个句式这种，直接说就行；套六段结构反而更慢。 |
FAQ常见问题
「GPT5提示词案例库」在不同模型上效果一样吗？
不一样。指令强度、上下文长度、格式服从度都不同。同一段提示词建议在两个模型上各跑一次再定稿。
换模型后提示词要重写吗？
多数情况只需调两处：把模糊的约束改成明确数字，把长背景压缩到关键信息。不需要整体重写。
新模型是不是不用写那么细？
容错高了，但「说清楚要什么」这件事不会消失。省下的是措辞，不是信息。
不同模型要改写法吗？
大体结构不用改，但格式要求的严格程度要调。有的模型对结构指令很敏感，有的需要把格式放到最后再强调一遍。
为什么同一个提示词结果差别很大？
常见三种原因：输入信息量不足、要求之间互相冲突、任务本身有随机性。先排除前两个，再看第三个。
需要每个模型都试一遍吗？
不必。选一个主力，遇到明确的失败模式再换。频繁切换会让你无法判断问题出在哪。
→同类关键词
同一类需求换个说法，答案的侧重也不同。下面这些词的写法可以直接套用。