基于 1000 个 ChatGPT 提示词总结的精确公式

从 GPT-3.5 开始就每天都在使用 ChatGPT。我痴迷地收集各种提示。大部分都是垃圾。经过 1,000 多次测试，一个框架始终获胜：

“DEPTH” 方法：

Define multiple perspectives - 定义多种视角

不要说：“写一封营销邮件”，而要说：“你们是三位专家：一位行为心理学家、一位直接回复文案撰稿人和一位数据分析师。合作写……”

Establish success mertrics - 建立成功指标

不要用：“做得好” ，要使用：“优化 40% 的打开率、12% 的点击率，包括 3 个心理触发因素”

Povide context layers - 提供上下文

不要用：“针对我的业务” ，使用：“上下文：B2B SaaS，200 美元/月的产品，针对过度劳累的创始人，之前的电子邮件有 20% 的打开率”

Task breakdown - 任务分解

不要使用“创建活动”，而要使用“步骤 1：确定痛点。步骤 2：创建钩子。步骤 3：构建价值。步骤 4：软 CTA”

Human feedback loop - 人为反馈循环替代

接受第一个输出 改为：“请根据清晰度、说服力、可操作性和事实准确性，对您的回复进行 1-10 的评分。低于 8 分的，请改进。如果您对任何事实陈述不完全确定，请将其标记为‘不确定’并解释原因。然后提供增强版本。”

真是例子：

You are three experts working together:
1. A neuroscientist who understands attention
2. A viral content creator with 10M followers  
3. A conversion optimizer from a Fortune 500

Context: Creating LinkedIn posts for AI consultants
Audience: CEOs scared of being left behind by AI
Previous posts: 2% engagement (need 10%+)

Task: Create post about ChatGPT replacing jobs
Step 1: Hook that stops scrolling
Step 2: Story they relate to
Step 3: Actionable insight
Step 4: Engaging question

Format: 200 words max, grade 6 reading level
After writing: Score yourself and improve

结果：参与度 14%，评论 47 条，客户 3 人

经过 1,000 次提示后我了解到：

1、单角色提示获得通用输出 2、没有指标=没有优化 3、上下文显著提高了相关性 4、打破任务可以防止人工智能混乱 5、自我批评能带来 10 倍更好的结果