01「ChatGPT指令大全教程」到底在问什么
「ChatGPT指令大全教程」这类问题的答案，八成不在技巧清单里，而在你有没有把要求说完整。同一句需求，补上背景和格式，结果能差出两个档次。放到模型适配里看，写法其实只有两层：先定产出长什么样，再填内容和约束。
方法本身不复杂，难的是坚持一次只改一处。改多了，结果变好你也不知道是哪一处起的作用，经验攒不下来。
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。
模板解决的是从零到一，不解决从一到好用。「ChatGPT指令大全教程」用得顺不顺，取决于你会不会改第二遍：把别人的字段换成你的字段。
如果一个模板里超过一半的字段你用不上，说明它不是给你这个场景写的，换一条比硬改省时间。
02三种写法，差别在哪
同一件事，写法不同结果差很远。下面把「为什么没用」和「改成这样」并排放，方便直接对照修改。
| 常见写法 | 为什么效果差 | 改成这样 |
|---|---|---|
| 「哪个模型写ChatGPT指令大全教程更好」 | 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」 |
| 「ChatGPT指令大全教程在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
先跑这一版。它把最容易漏的三项（背景、约束、格式）都写进去了，多数情况下比一句话需求好一个档次。
你是日常同时使用多个大模型的从业者。
【任务】说明「ChatGPT指令大全教程」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
这一段适合任务比较重要、不能出错的场合。核心差别是加了「先复述再执行」和「标注不确定项」，能挡掉大部分硬伤。
你是做多模型横向评测的人，需要用同一任务对比「ChatGPT指令大全教程」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
字段不用一次填满。先填任务和格式，看结果差在哪，再回头补对应那一行，效率比一次写全高。
| 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
先确认自己在哪种场合，再看对应的那行。四种场景的写法差别，主要落在详略和措辞上。
| 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
不用逐句读，按下面四条过一遍，两分钟能判断出这版要不要重写。
09三个让它更稳的做法
10三种不满，三种改法
改提示词最忌讳整段重写。定位到具体某一行，改完立刻跑，才知道改动有没有用。
| 你现在的感觉 | 该动哪一行 | 改完会怎样 |
|---|---|---|
| 该详细的地方反而很空 | 任务行点名要展开的那一段，其余要求压缩 | 详略按你的判断走 |
| 分不清哪句是它编的 | 约束行写「没有依据的地方标待核实，不许补数字」 | 可疑处浮出来，你只核那几处 |
| 换了五版都不满意 | 停下，把要求压成六行，逐行确认一遍再重来 | 多数时候是缺信息，不是模型不行 |
11换个模型，要调什么
不必为每个模型重写一套。多数情况只需要动一行，剩下的是同一套结构。
| 模型 | 常见差异 | 调整一处 |
|---|---|---|
| 即梦 | 画面描述吃细节，镜头词有效 | 把氛围词换成具体光源、角度、焦段 |
| 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」 |
| Kimi | 读长材料强，摘要准 | 把原文整段贴进去，先让它摘录再动笔 |
| 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 |
12从空白到能交：五步走完
这五步是一套完整流程，从空白到能交。卡在哪一步就停在那一步，不用每次都从第一步开始。
- 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
下面四个问题出现频率最高，答案都不长，但能省掉不少弯路。
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。
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。
不一定。角色只在需要特定口吻或专业视角时有用；写清交付物和读者，比加一句「你是专家」有效得多。
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。
14这套写法什么时候不管用
这套写法有边界。下面几种情况用了也不会有好结果，提前知道能省时间。
| 情况 | 为什么不管用 |
|---|---|
| 要求绝对一致的品牌语气 | 语气这种要长期校准的东西，一段提示词只能接近。真正有效的做法是给样本，然后逐句改。 |
| 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。 |
| 要用到没公开的内部信息 | 客户名单、未发布方案别直接贴进去。需要的那部分改写成抽象描述，模型照样能给结构。 |
FAQ常见问题
「ChatGPT指令大全教程」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
如果这一页没有完全对上你的问题，下面几个词的写法更接近你要的场景。