简介面向职场人士、创业者及中高层管理者这是一份围绕ChatGPT对话式预训练模型打造的提示词模板合集聚焦如何借助生成式AI快速完成市场策略、品牌建设、运营优化、供应链管理、商业模式设计、财务预测、风险管理等18类高频工作场景涵盖营销、品牌、运营、供应链、商业模式、团队协作、社交媒体、客户体验、创业、财务规划、企业文化等多个维度。每个提示词均提供英文原版与中文对照表述用户可直接复制、替换方括号内参数后套用适合希望减少重复劳动、提升决策与执行效率的各类业务角色。文件为单个Word文档docx格式封装整个资源包仅13KB内容精炼便携便于随时打开、修改并融入个人工作流。目前已有329人学习下载性价比较高。除提示词本身外资料还融合了黄金圈模型、精益六西格玛、SCRUM敏捷管理、SWOT分析、AIDA销售漏斗、NPS客户体验等经典管理工具读者不仅能获得现成的Prompt列表还能理解提问背后对应的方法论与适用场景既能作为个人效率工具库也可用作团队内部AI应用培训的轻量参考。1. 18个提示词就能让效率涨10倍先把这套Prompt清单的底摸清楚打开这份18个ChatGPT提示词Prompts让你的工作效率瞬间暴涨10倍.docx之前你最好先接受一个事实提示词本身不值钱值钱的是它背后那套“把模糊需求翻译成模型指令”的思维方式。网上类似的提示词合集多如牛毛大部分只是把“你是一个资深XX”这种角色扮演模板堆在一起换个标题就发出来。真正能让效率产生质变的是那些把任务拆解、上下文限定、输出格式约束都写清楚的Prompt——你复制过去改几个词就能用而不是还得自己猜。这套东西适合谁一是每天要和ChatGPT大量对话但总觉得回复“差口气”的职场人二是刚接触提示词工程、想建立一套可复用模板的初学者。我先把话放这儿18个提示词覆盖不了你所有工作场景但覆盖掉日常80%的重复性文字处理绰绰有余。正文会把这份清单拆开讲透给你一套能直接抄、也能自己改的写法。2. 提示词工程的底层逻辑为什么同一句话ChatGPT给的结果天差地别2.1 角色、任务、上下文、格式四个要素决定输出质量很多人第一次接触提示词工程时会以为提示词就是“把话说明白”。其实不对。同样一句“帮我写一封催供应商交货的邮件”你直接发给ChatGPT它大概率会给你一篇四平八稳的模板但如果你把四个要素补齐输出质量会立刻上一个台阶。这四个要素分别是角色、任务、上下文、输出格式。角色让模型站在谁的立场说话。供应商管理专员和采购总监写出来的催货邮件语气和侧重点完全不同。任务你要它做什么必须是一个可执行的动作比如“写一封邮件”而不是“处理一下交货问题”。上下文背景信息越具体模型越不会自由发挥。它不知道你的供应商在哪、延误了几天、之前沟通过什么就只能靠编。输出格式这是最容易被忽略的一环。你告诉它“用表格列出三类方案”和“给我一个方案”得到的详细度差着量级。提示四要素里上下文是模型的锚。没有上下文时模型填的是它认为的“常识”给足上下文后它填的才是你要的事实。这套四要素框架就是那份docx里18个提示词能通用的底层原因。你会发现清单里每个长提示词几乎都按“设定角色 → 布置任务 → 交代背景 → 规定格式”的顺序排列。这不是写文档的人随手排的而是为了让模型在每一轮生成时都站在同一个上下文里不会中途跑偏。2.2 输出格式约束让回复从“小作文”变成“可执行交付物”我见过太多人抱怨ChatGPT“废话多”其实问题不在模型在提示词没写输出格式。模型默认的回复方式是“把话说全”所以它会把前因后果都铺开写。你要做的是在提示词末尾明确指定输出结构。举个例子同样让ChatGPT分析一份销售数据你是一名有五年经验的销售运营分析师。请分析我提供的月度销售数据找出销售额下滑最多的三个区域并给出原因推测和改善建议。要求 1. 先用一个表格列出三个区域的本月销售额、环比变化率、下滑幅度排名 2. 每个区域的原因推测限3条每条不超过20个字 3. 最后给出两条可执行的改善建议每条建议包含动作、负责人角色、预计见效周期。这段提示词里角色一句话带过任务告诉模型要怎么做上下文极其简洁但足够月度数据、三个区域、下滑原因、改善建议输出格式是重头戏——表格加限定字数加结构化建议。实际跑出来的结果你会看到模型真的按表格输出原因高度凝练建议也不再是空话。输出格式约束还有一个副作用它能让模型减少编造。当模型需要把结论塞进“下滑幅度排名”这种具体字段时它反而会更谨慎地对照数据而不是顺着话头瞎说。这一点在数据分析类Prompt里尤其重要。你在那份docx里看到那些“列出五个要点每点不超过15字”之类的描述本质都是在用格式换确定性。3. 把18个提示词拆成三类写作、分析、执行型Prompt的写法差异3.1 写作型提示词给身份、给读者、给字数、给风格那份docx里的18个提示词如果按任务类型划分至少能分出三大类写作型、分析型、执行型。先看写作型。所谓写作型Prompt就是让ChatGPT产出文案、邮件、报告这类文字交付物。这类提示词最容易上手也最容易写废。写作型提示词的四个关键参数是身份、读者、字数、风格。很多人写“帮我写一封邮件”只给了任务其余三个全缺。结果模型默认按“商务中性风格”输出写出来既不像你的语气也没法判断长短。一份合格的中/英文写作提示词应该长这样你是一名外企市场部的品牌经理身份。请以我的名义给客户写一封项目延期通知邮件任务客户是一家合作了三年的制造企业对方负责人姓李之前合作愉快读者与背景。邮件要求中文300字以内字数语气专业但不生硬先道歉、再说明原因、最后给出补救时间表风格分三段输出不要用列表。这段Prompt跑出来的结果和直接说“帮我写封延期邮件”相比差别是肉眼可见的。前者有道歉-原因-补救的结构后者可能是一片泛泛的“我们很抱歉”。这里有个细节值得注意**“分三段输出不要用列表”**是告诉模型如果客户收到的是纯邮件正文列表体验并不好。你越贴近真实使用场景约束格式回复就越像人能直接发出去的东西。3.2 分析型提示词先给评判标准再让模型自己下结论分析型Prompt的目标不是“生成内容”而是“得出结论”。最常见的错误写法是“帮我分析一下这组数据里有什么问题。”模型没有你的业务标准它只能按照通用常识挑毛病挑出来的东西大概率隔靴搔痒。正确的做法是先给标准、再要结论。标准可以是业务指标、行业常识、逻辑规则甚至可以是你自己的一套评分体系。我把这类提示词的骨架总结成一句话“我是谁 我认为什么是好/坏 请你按这个标准评估 输出结构固定”。举一个实际的例子你是一名客服质检主管。以下是一段客服对话记录。请按三个维度评估这段对话的服务质量响应及时性客户提问到客服回复的间隔、共情表达是否回应客户情绪、问题解决率是否给出明确方案。每个维度打分1-5分并给出一句扣分原因最后用一个整体评价收尾。这类分析型Prompt在18个提示词清单里往往占比不小因为它是“效率”最直观的体现——你把原本需要逐条看、逐条评的活交给了模型做初筛。但注意我在实际使用中从来不让模型直接做最终决策它的评分只作为参考。原因很简单模型的评价标准是你在提示词里给的那几句话不是你脑子里十几年的业务直觉它能帮你缩短阅读时间不能替你做判断。3.3 执行型提示词把任务拆成步骤每步一个输出格式执行型Prompt是三类里最“值钱”的因为它的产出可以直接落到系统里——生成一段代码、一条SQL查询、一份Excel公式或者一份JSON配置。这类提示词的写法核心是让模型分步输出每一步都有明确产物。你是一名Python工程师。请帮我写一个函数输入一个文件夹路径遍历其中所有CSV文件合并成一个DataFrame并按“date”列排序。要求 第1步写出函数定义和import语句 第2步加上文件过滤逻辑只读取后缀为.csv的文件 第3步加上异常处理单个文件读取失败时跳过并打印警告 每一步之间用注释分隔最后输出完整代码块。这样写比“帮我写一个合并CSV的Python代码”好在哪好在你控制了模型的思考路径。模型是一个逐token生成的技术你让它“一步到位”它经常会给出一个能跑但结构混乱的脚本你让它分三步走它每一步都会更专注。而且分步输出还方便你定位问题——代码哪里不对你一眼就能看出是哪一步生成的逻辑出了问题。这种“分步拆解”的思路同样适用于非编程场景。比如让ChatGPT帮你整理会议纪要你可以要求它第一步提取决策事项、第二步提取待办负责人、第三步生成跟进邮件草稿每一步独立输出。执行型提示词的灵魂就是把一个大任务拆成模型能稳住的若干个小任务。4. 直接能抄的Prompt模板覆盖一天工作流的12个高频场景4.1 速查表按场景选用别一次全塞给模型前面讲了原理和三类写法这一章直接给可抄的作业。我按一天工作流的场景顺序整理了一份 Prompt 速查表。注意这些模板都是单轮对话用的你复制过去替换方括号里的内容就行。不要在一条消息里塞多个任务——我之前试过让ChatGPT“先写邮件再写周报再改PPT大纲”结果它每样都只完成了一半这个翻车经历后面避坑章还会细说。场景一句话提示词模板关键参数写邮件你是[角色]以我的名义给[对象]写一封关于[事项]的邮件要求[语气][字数]字内分[结构]展开身份/读者/字数/风格改周报你是[岗位]老手这是我的周报草稿[粘贴]。请改成[领导风格]喜欢的写法删除流水账突出[2个亮点]数字和结果放句首草稿/风格/重点会议纪要你是会议记录员请把以下发言转成纪要输出三段决策项/待办含负责人/遗留问题。原文[粘贴]三段结构/责任人数据分析你是[业务]分析师以下是一组[数据描述]请找出异常指标并给出3条可能原因原因每条不超过[字数]字。数据[粘贴]评判标准/原因限制Excel公式你是Excel专家我要实现[需求描述]请给出公式解释每个参数含义并标注适用版本公式/参数/版本代码解释你是[语言]开发者解释下面这段代码的作用。按“整体功能/关键函数/潜在风险”三部分回答。代码[粘贴]分析框架/风险提示需求澄清你是产品经理我准备开发[功能]请列出开发前必须明确的8个问题用于和业务方确认问题数量/确认导向宣传文案你是[品牌]文案为[产品]写3条不同风格的[平台]文案每条[字数]字分列输出风格/平台/字数PPT提纲你是[领域]顾问我要做[主题]汇报请给出10页PPT的页标题和每页3个要点面向[观众]页数/要点数/观众学习计划你是[领域]导师我每天有[时间]目标是[目标]请做一份[周期]学习计划按天列出周期/每天时长/目标翻译润色你是资深[领域]译员把下面文字翻译成[目标语言]不要直译按母语者习惯润色并说明3处关键取舍。原文[粘贴]领域/取舍说明判断决策你是[领域]顾问我在纠结[A方案]和[B方案]以表列对比成本/风险/见效周期/适配条件最后给出你的倾向和理由对比维度/明确结论4.2 三个高频模板的实写演示与参数调整逻辑速查表只是开头真正检验你是否看懂了提示词工程的地方是你拿到一个具体任务时能自己加参数。我用“会议纪要”这个场景展开说说。上面表格里给的模板是基础款实际用时你还要根据会议类型补细节。你是一名会议记录员。请把下面的会议发言转成纪要。输出格式 1. 决策项只列明确拍板的事项每条一句话 2. 待办每条包含“负责人/截止时间/交付物”三个字段没有明确提到的写“待确认” 3. 遗留问题只列悬而未决的事项每条带提出人姓名。 不要添加原文没有的信息不确定的内容标注“存疑”。 ——会议发言原文—— 【粘贴】这个提示词的参数调整空间在哪第一你能调整输出结构的粒度——“待办”那一栏从“一句话”改成“字段结构化”就是为了让纪要可以直接转成任务清单省掉二次整理。第二“不要添加原文没有的信息不确定的内容标注存疑”是一个纠偏参数模型默认倾向于“补全”模糊信息你要用一句话按住它的补全冲动。再说“数据分析”场景。很多人给模型粘贴数据时习惯只丢一串数字这其实是把数据脱掉了上下文——模型不知道这些数字是月销售额还是日活用户它只能做纯数学层面的观察分析深度自然有限。我给一个调整过的写法你是一名零售行业销售分析师。我提供的是华东区12家门店2024年Q3的月度销售额单位万元其中部分门店在9月进行了促销活动。请找出环比下滑超过15%的门店并从门店类型/是否促销/城市等级三个维度分析共性最后给出一段200字以内的解读供管理层周会使用。这里加了“零售行业”“Q3月度销售额”“促销活动”这些上下文以及“供管理层周会使用”这个读者信息。模型生成的解读会从“数据层面”跳到“业务层面”它会结合促销与下滑的关系来推断而不是只报出一个表格。分析型提示词的深度几乎完全取决于你给了多少业务上下文。5. 避坑为什么别人的Prompt好用你的却总跑偏5.1 一看就会一用就废上下文污染与“一次问太多”翻车先讲一个最常见的翻车现象你复制了网上的长提示词但没复制用户信息导致结果和预期完全脱节。为什么因为很多提示词合集包括那份docx里的一部分自带一段详细的角色背景。原作者是销售总监提示词里可能写了“你是一名有十年销售管理经验的总监带过20人团队”你是个刚转行的市场专员拿到手直接粘贴模型的整个回答立场都会偏到“管理视角”生成的东西自然没法直接用。解决很简单把提示词里的角色背景改成符合你自己情况的描述一个字都别偷懒。第二个高频坑是“一条消息塞了三个任务”。比如你想让ChatGPT帮你写邮件、总结周报、列明天计划于是三个Prompt一起发过去。模型会平均分配注意力每个任务都只完成一半输出里还会穿插另一项任务的内容。现象是回复里突然冒出一句“明天计划如下”但压根没列全。原因就是模型在同一轮上下文里平等对待每条指令没有主次之分。解决办法也直接一条对话只做一个任务做完一个再开下一个或者在同一对话里换行隔开、明确写“以上是三个独立任务请分别输出用分隔线隔开”。5.2 输出格式说了等于没说模型不遵守你的格式要求第三种情况是你明明在提示词里写了“按表格输出”模型却偏偏用文字列了一堆。我先给你一个排查顺序先看你是不是用了自然语言描述格式再看模型版本是否支持。“按表格输出”是一句很含糊的话——模型不知道你要几列、列名是什么、要不要合计行。你可以改成“输出一个四列的表格列名分别是门店名/本月销售额/环比变化率/建议动作一共五行数据表格下加一句整体判断。”格式描述得越精确模型听话的概率越高。另外如果你用的是ChatGPT较老的免费版本它对复杂格式的遵循能力本身就弱这是模型能力边界不是你提示词的问题。这种情况下要么把格式要求拆得更碎要么换个更强的大模型。5.3 “10倍效率”的真相提示词不能替你决策只能替你打字最后一条算是给提示词祛魅。那份docx标题写的是“效率暴涨10倍”这个说法有一定道理但得限定范围提示词真正省的是“打字”和“整理”的时间不省“决策”的时间。它能把一段嘈杂的会议录音转成条理清晰的纪要能把一堆杂乱的数据拉成观点分明的分析但它不能告诉你应该回复客户什么——那些判断终究要落在你自己的经验上。注意把“效率暴涨10倍”理解成“我可以把工作全扔给ChatGPT”是本末倒置。准确的说法是它让你的时间重新分配——从打字和整理中省下来花到真正需要人判断的地方。用我自己的经历收个尾。早前我拿到一份长提示词直接复制去处理一个重要项目的周报结果模型生成了三份完全不同风格的版本我反而多花了半小时向它描述我想要什么比手写还慢。教训就是拿到任何提示词模板第一件事不是用而是花两分钟改角色、改上下文、改格式要求改完再上。这步省不了省了就是在后面翻车。6. 一个验证Prompt效果的办法用同一份输入跑A/B对比这一章给一个实用技巧——怎么判断你的Prompt值不值得长期用。我之前一度陷入“玄学调参”改一个词就兴冲冲跑一遍看哪次回复“感觉好”后来发现这种判断毫无依据。直到我开始用A/B对比法才勉强给Prompt优化找到了一点可复现性。做法很简单准备一份固定的输入比如一段会议原文、一组数据、一个写邮件的背景描述写两个版本的Prompt——一个是你自己的一个是网上找来的对照模板然后保持其他条件完全一致同一个会话窗口、同一个模型版本依次跑一遍把两次输出并排放在文档里对比。对比维度固定为三条信息完整度该覆盖的点有没有漏、结构清晰度是不是按你的要求分层、可用程度拿到的结果要不要大改才能用。每条维度按“好/中/差”打标。跑上三五组场景你能明显看到某个版本的Prompt在哪些维度上稳定胜出这就是值得留下的模板。如果不想每次都手动对比还有一个折中的办法把两个Prompt和同一份输入写在一条消息里让模型自己当裁判。注意这句话一定要加在最后请忽略上面两个Prompt的历史输出直接回答下面问题给定同样的输入以下两个Prompt哪个输出质量更高从“信息完整度/结构清晰度/可用程度”三个维度分别评价最后给出你的选择。不过这个方法有个前提裁判也是同一个模型它对提示词质量的判断未必比你的直觉可靠。所以我建议把它当辅助不要当唯一标准。我自己用下来最终还是回到了手动A/B对比——多花十分钟但心里踏实。另外再补充一个验证Prompt是否“健壮”的小习惯换不同的输入试同一个Prompt。很多模板在特定输入下表现神勇——比如某提示词处理总部周报时条理分明换成新员工周报就崩了因为模板里写死了“五年经验老手”的视角。提示词这行当厉害的调参师不是能写出惊艳模板的人而是能在五个不同输入下保持输出稳定的人。好的Prompt不是灵感一现的产物是改出来的。关于“10倍效率”我最想给你的一句话是提示词本身就是个熟练工活计你用A/B对比、用分步拆解、用格式约束本质上都是在一遍遍校准模型对你的理解。而校准做得越多你花在“给ChatGPT解释你要什么”上的时间就越少省出来的时间就是效率涨幅。希望这套拆解思路能帮你真正用上那份docx里的提示词而不是把它存进收藏夹吃灰。本文还有配套的精品资源点击获取