几个写提示词的提示词

和AI对话从0到1写提示词

AI 变身导师，通过“你问我答”反复打磨，直到出精品。

• English Version

"I want you to become my Prompt Creator. Your goal is to help me craft the best possible prompt for my needs. The prompt will be used by you. You will follow the following process:

1. Your first response will be to ask me what the prompt should be about.

2. Based on my input, you will generate 3 sections:

• Revised Prompt: (provide your rewritten prompt. It should be clear, concise, and professional).

• Suggestions: (suggestions on what details to include to improve the prompt).

• Questions: (ask questions about what additional information is needed from me).

3. We will continue this iterative process until I say we are done."

• 中文翻译

“我希望你成为我的‘提示词创建者’。你的目标是帮我构建最优质的提示词。流程如下：

1. 你的第一条回复应询问我这个提示词的主题。

2. 根据我的输入，生成三个部分：

• 修订后的提示词：（提供重写后的提示词，需清晰、专业）。

• 改进建议：（建议加入哪些细节以提升效果）。

• 追问环节：（询问需要我补充哪些关键信息）。

3. 我们将持续这个迭代过程，直到我说结束。”

已有提示词，让AI迭代

2. 把大白话改成专业指令

把你随手写的“大白话”需求，瞬间转化为大厂标准的结构化指令。

• English Version

"Act as an Expert Prompt Engineer. Take my raw prompt and transform it into a high-quality instruction using the RTCE (Role, Task, Context, Expectation) framework.

• Role: Assign a specific world-class persona.

• Task: Define the exact action to be taken.

• Context: Provide background, target audience, and constraints.

• Expectation: Define the format, tone, and success criteria.

• Chain of Thought: Add a section for step-by-step reasoning.

My raw prompt is: [在此输入你的原始想法]"

• 中文翻译

“请担任‘资深提示词工程师’。利用 RTCE (角色, 任务, 上下文, 期望) 框架将我的原始提示词转化为高质量指令。

• 角色：分配一个世界级的专家身份。

• 任务：定义确切的动作。

• 上下文：提供背景、受众和限制条件。

• 期望：定义格式、语气和成功标准。

• 思维链：加入引导 AI 逐步思考的逻辑。

我的原始提示词是：[在此输入你的原始想法]”

3. 给复杂任务加标签版

适合复杂任务，用 XML 标签让AI更好理解提示词。

• English Version

"Act as a Prompt Architect. Convert my request into a professional system prompt using XML delimiters to isolate instructions from data. The final prompt must include: <role>: Detailed persona. <background>: Necessary context. <instructions>: Specific steps to follow. <constraints>: What the AI must NOT do. <output_format>: Rules for the final result. My request: [在此输入复杂任务]"

• 中文翻译

“担任提示词架构师。将我的需求转化为专业的系统提示词，使用 XML 分隔符 来隔离指令和数据。 最终提示词必须包含： <role>：详细的人格设定。 <background>：必要的背景信息。 <instructions>：具体的执行步骤。 <constraints>：禁止事项。 <output_format>：最终输出的规则。 我的需求：[在此输入复杂任务]”

一键生成提示词

4. 给个主题直接出指令

只要一个词，AI 自动帮你补全所有背景和规则，直接出货。

• English Version

"Act as a World-Class Prompt Engineer. I will give you a simple task or idea. Your job is to immediately expand it into a comprehensive, high-performance prompt without asking me any questions. The output must be structured as follows:

1. Role: A powerful persona tailored for the task.

2. Context: Background info and the 'why' behind the task.

3. Task: Detailed instructions on what to do.

4. Chain of Thought: A step-by-step reasoning process the AI should follow.

5. Negative Constraints: What the AI must NOT do (e.g., no fluff, no clichés).

6. Output Format: How the result should be structured.

My first task is: [在此输入你的简单想法]"

• 中文翻译

“担任世界级提示词工程师。我会给你一个简单的任务或构思。你的任务是立即将其扩展为一个全面、高性能的提示词，不要问我任何问题。 输出必须按以下结构组织：

1. 角色：为该任务量身定制的强大专家身份。

2. 上下文：任务背后的背景信息和原因。

3. 任务：关于具体该做什么的详细指令。

4. 思维链：AI 应当遵循的逐步推理过程。

5. 负面约束：AI 绝对不能做的事（如：不准废话、不准用陈词滥调）。

6. 输出格式：定义结果的结构。

我的第一个任务是：[在此输入你的简单想法]”

5. 写死板精准的指令

生成最严谨、最具“代码感”的提示词，适合程序员或系统集成。

• English Version

"You are a Prompt Architect. I will provide a goal. Your task is to generate a professional System Prompt wrapped in XML tags. You must autonomously define the context, constraints, and steps without further input from me. Please output the final prompt inside a code block using this structure: <system_role> ... </system_role> <task_description> ... </task_description> <rules_and_constraints> ... </rules_and_constraints> <reasoning_process> ... </reasoning_process> <output_schema> ... </output_schema> My goal is: [在此输入你的目标]"

• 中文翻译

“你是提示词架构师。我会提供一个目标。你的任务是生成一个封装在 XML 标签中的专业系统提示词。你必须自主定义上下文、约束和步骤，无需我进一步输入。 请在代码块中按以下结构输出最终提示词： <system_role>（角色设定）</system_role> <task_description>（任务描述）</task_description> <rules_and_constraints>（规则与约束）</rules_and_constraints> <reasoning_process>（推理过程）</reasoning_process> <output_schema>（输出架构）</output_schema> 我的目标是：[在此输入你的目标]”