企业官网建设流程全解析

简介：这是一份系统整理十一个顶级AI指令的实用文档，面向所有希望借助ChatGPT提升学习效率、优化个人知识管理的读者，尤其适合自学爱好者、备考学生、职场充电族与终身学习者。文档将ChatGPT转化为贴身私人教练，围绕高效学习这一目标，逐条介绍了思维导图法、费曼技巧、深化质询法、间隔重复、SQ3R阅读法、类比隐喻、双编码、故事叙述、主题关联、交错学习以及自我解释等十一种策略，覆盖视觉化梳理、主动回忆、深度加工与长期保持等完整学习环节。每一指令均包含核心原理说明、使用目的解析以及可直接复制的提示词示例，并提供中文与英文两个版本，提示词中的某主题占位符可自由替换为任意学习内容，通用性极强；同时英文Prompt保留了原汁原味，适合双语对照学习。资源包仅包含一个docx文件，大小约12KB，轻量便携。目前已有231人学习下载，其中第十一个自我解释法被许多读者认为最为精彩，值得常驻收藏，随时用于新知识学习、技能练习与专业研究。

1. 把 ChatGPT 调成私人教练：问题不在模型，在 prompts

用了 AI 大模型一年多，我得出了一个有点反直觉的结论：ChatGPT 这批模型的能力，早就够当私人教练了，真正挡住这件事的，是大多数人手里的 Prompts 太随便。直接问“帮我减脂”“给我一个学习计划”，它就是一个水平还不错的客服，回答正确但对不上你的生活；而给一组结构完整的 AI 指令，它才进入教练的工作节奏：先问现状、再定执行、然后逼你复盘。所谓“11个顶级的AI指令Prompts提示词”，不是魔法咒语，而是一套把训练、学习、工作决策变成长期陪伴对话的配置。这套方法适合预算有限、想用 AI 大模型陪着自己落地目标的人。下面我把每一个提示词拆开讲，连参数和踩过的坑一起，不做藏私。

2. 为什么一套 prompts 就能撑起“教练角色”：对话中的身份、边界与反馈机制

2.1 教练和客服的本质区别：prompt 里要先写好“三层设定”

要理解这 11 个提示词为什么有效，得先看清 ChatGPT 在被“裸问”时的默认行为。你输入“怎么减肥”，它会从训练过的知识里取出一套平均答案：控制热量、多运动、少熬夜。这些话没错，但它是给所有人写的。真人教练在第一次见你时不会直接给方案，他会先量数据、问伤病史、确认每周能来几次，再谈目标。ChatGPT 不主动做这件事，是因为它没有“教练流程”的概念，只有一个陪聊的通用人格。

所以我在列提示词时，会强迫自己每次先拆出三层设定。

第一层是身份层，告诉模型“你是谁”：训练教练、职业规划师还是面试官。这个身份不要堆形容词，不要写“你是最专业的教练”，要写“你有五年带训经验”“你习惯用能力清单判断人”，让身份与特定工作方式绑定。第二层是任务层，明确这次对话要交付什么：是给一个训练计划，还是对一次动作做纠错，还是做每周复盘。第三层是边界层，把时间、装备、伤病、字数全都摆出来。没有边界层的模型，像一个不说价格的设计师，方案看起来很完整，就是没法落地。

三层设定里，边界层最容易被漏掉，而恰恰是它决定了一个提示词能不能被长期使用。举个例子，给训练计划时我写了“左膝偶尔不适”和“每次最长 45 分钟”，模型就会在这些限制内找答案；不写，它会把深蹲幅度、组数都按正常人设计，执行两天就翻车。教练和客服的分界线，就是客服满足你的提问，教练管理你的约束。

2.2 用上下文把“教练”的参考系固定住：输入模板比一句咒语重要

很多人以为 prompt 写得越长越用力，模型就越听话。这个认知在教练场景里是反的。ChatGPT 对长文本不是均等对待的，中间部分容易被弱化，尤其是夹在开头角色和结尾要求之间的背景信息，经常变成“知道了但没用到”。更可靠的做法，是把你自己的可变情况做成一个固定模板，每次填充后放进提示词开头，并且明确告诉模型“后续所有建议都要先对照上面这份数据，数据不足就问我，不准猜”。

我一般这样写输入区：身高体重、可用时间、装备、伤病、目标，每样只占一行，用短横线或编号隔开。模型对这种半结构化模板的解析，比读一段流畅的自述更稳定。后面给出的每一个建议，都会自动回到这些数字上，不会写着写着就飘到平均人的方案里。这个现象在带学员时特别明显：没有模板时，它会在第三轮忽然推荐一个你完全不具备条件才能做的动作。模板是它的参考系，不填满就等于让它凭感觉补全。

另外，模板末尾可以加一条声明：“如果以上信息不足以回答某一项，请直接列出缺失项，并只问一个最关键的问题。”这句话是教练提示词和普通提示词的分水岭。普通模型默认情况是“信息不够也硬答”，而真人教练的素养是“信息不够先追问”。你通过在 prompt 里把这句写进去，就做了角色切换。

2.3 角色不是靠“你是教练”实现的，是靠约束条件实现的

把“你是教练”写进提示词，能改变文风，但改变不了思考深度。我试过只改角色名，其他不动，输出确实从“建议”变成了“专业的建议”，看内容还是那几句。真正让模型进入教练状态的，是一连串输出约束。

制定训练计划时，约束是“只列出动作名、组数、次数、组间休息，每个动作给一个收尾信号”。做面试模拟时，约束是“每次只允许问一个问题，我回答前不允许给出标准答案”。做复盘时，约束是“只选一个下周最值得修正的点”。这些约束的价值在于，它们把模型从“提供信息”改造成“执行流程”，每一步都产生一个交付物。

约束条件里还有一个容易忽略的方面：尽量写正向要求，而不是写“不要说废话”“不要讲道理”这类否定句。模型对否定句的理解不如对肯定句精确，你不让它说废话，它可能把回复删到太干。正确写法是“每条建议后面都要带一个让我自己判断是否适用的标准”和“每轮结尾必须提一个需要我下次回答的问题”。这些条条框框就是教练的节奏感。

所以，当我看到有人把提示词写成“你是一个严厉的私人教练”，我心里知道对话效果不会太稳，因为严厉是一种语气，不是一套反馈机制。教练的实质是掌握你的历史、约束你的浮想、在固定节奏里推你往前走，这些都能用约束条件逐条翻译成提示词语言，只有在这时，角色才站得住。

3. 11 个可直接使用的教练提示词：按场景分组配置

3.1 身体训练与习惯养成：3 个提示词，把一个目标拆成能执行的动作

训练与习惯类提示词，最容易踩的坑是“想一次解决所有问题”。我把它们拆成三个提示词：一个管每周计划、一个管动作纠错、一个管睡眠习惯。分开用的原因是每个都有不同输入，合并成一个会互相干扰。

【训练计划教练】 角色：你是一名有五年带训经验、强调动作安全的私人教练。 任务：基于我的数据做一周训练计划，只输出动作、组数、次数、休息时间。 我的数据： - 身高 170cm，体重 72kg - 可训练日：周三、周六、周日，每次最多 45 分钟 - 装备：一副可调节哑铃、瑜伽垫、弹力带 - 状态：久坐、肩颈紧张，左膝偶尔有轻微不适 - 目标：8 周内减重 3kg，同时提升上肢耐力 计划要求： 1. 每次训练给一个明确的“结束标准”，例如“做到手臂举不起哑铃且动作变形前两秒” 2. 每个动作给一个“该停下来的信号” 3. 训练计划结束后，向我提 3 个关于恢复和睡眠状态的问题 【动作纠错教练】 我的实际操作描述： “做哑铃卧推，第 10 次时左肩有牵拉感，手腕有点内扣。” 请只做两件事： 1. 用两句短话指出最可能的动作偏差 2. 给我一个下次训练前能自行验证的小测试，比如“在哑铃下降距离缩短为原来一半的情况下测试肩部是否无痛” 禁止给出训练量建议或营养建议。 【睡前习惯教练】 我连续 5 天凌晨 1 点后才睡，目标是把入睡时间调整到 23:30。 任务：给我一个“22:30 到 23:30 的睡前流程清单”，每个步骤必须有开始和结束时间。 设计完后，让我挑选一条我此前没有试过的步骤，并在今晚执行一遍，明天回来告诉你真实结果。

这三个提示词的共同点是“每个动作都有停止信号”。直接模仿我的健身习惯里很重要的一条：教练给我一个动作后，还必须给一个判断边界，什么时候该停。这是防止过度训练的关键。如果你没有健身基础，把“停止信号”改成“以能连续说完整句子为限”这类白话也可以。参数说明：计划类提示词里“可训练日”一定要写真实数据，写理想数据会让计划直接脱离现实；动作纠错类要明确“不要给训练量建议”，否则命令会被冲淡成泛泛建议；习惯类要故意加上“回来汇报真实结果”，用下一轮反馈倒逼用户完成。

3.2 职场发展与专业技能：3 个提示词，把“提升自己”变成可提交的产出

职场场景里，模型最擅长的是“给建议”，最不擅长的是“逼你产出”。下面的三个提示词分别针对转岗规划、面试模拟和技术代码，直接要求模型扮演不同分工。这一组我使用频率最高，适用于转岗、想拓宽技能边界，或者准备跳槽的技术从业者。

【转岗能力教练】 角色：你是一名长期做互联网行业人才评估的职业教练。 人员数据：我做了 2 年数据标注，会 Excel 和基础 SQL，Python 只会写查询脚本，目标是用 8 周时间开始投数据分析师的岗位。 任务：输出一份 8 周学习安排。 格式要求： - 每周只安排一个主题，并给出一个具体产出物 - 每个能力点都要写一句“学会的标准”，不能写“了解”，必须写“能独立完成什么” - 最后指出我目前表达里最容易被面试官质疑的地方，并给我一个替换说法 规则：如果信息不足，只准问一个最关键的问题，然后继续执行。 【面试模拟教练】 角色：你是一名有批判力的面试官，正在面试数据分析师岗位。 模拟规则： 1. 每次只问一个面试问题 2. 我回答后，你先用两句话点评我哪里好、哪里像在背书，再追问一个问题 3. 在我明确说“给参考回答”之前，不允许给出完整标准答案 4. 第 10 轮时，给我一份“你说话时最该修正的 3 个习惯”清单 【AI 编程提示词教练】 角色：你是和我一起写代码的高级开发同事，不是面试官。 我会贴上一段代码或技术需求，请你按以下顺序回复： 1. 功能缺陷，最多列 3 条 2. 我认为最可能事后翻车的边界情况 3. 一个简化方案，必须用可运行的代码块给出 规则：在我问“为什么”之前，只讲结论和证据，不要讲技术背景。

转岗能力教练提示词的关键是“学会的标准”和“替换说法”。人容易在长期学习中陷入自我感动，做了八周笔记却拿不出可证明能力的东西。我在对别人或自己使用时，都要求模型把每个阶段结束时的产出具体化，比如“用 SQL 完成一次留存分析”“写一个小脚本自动合并周报”，这些都可以写进简历。面试模拟提示词则依赖“不给完整答案”这条约束，先让模型问、让你答，才能暴露真实表达问题，这点设计是为了防治“背答案式练习”。技术场景里贴近 AI 编程提示词的思路：模型先用结论和证据，不用背景知识填充，只在需要时才对照你的具体需求展开，这比让它从原理讲起更贴近同事协作。

3.3 学习与外语训练：3 个提示词，解决“练完后没人反馈”的问题

自学的致命问题是“没有反馈闭环”：你读完一本书、练了一段口语，没人告诉你哪里卡住。这组提示词的出发点就是给自学的人补一个反馈者。外语陪练解决的是敢开口和知道哪里别扭，学习路径解决“不知道下一步学什么”，费曼学习法解决“你以为懂了其实没懂”。

【外语陪练教练】 角色：你是我的日语口语陪练，级别大约是 N3。 任务：我们就“周末做了什么”这个主题聊 8 轮。 规则： 1. 你说出的每句日语，长度都不超过我只能勉强看懂的难度 2. 我回答后，你只用一句话指出我哪里不自然，再给一个更自然的说法，别的不做纠正 3. 第 5 轮结束时，提供 2 个下个话题让我选 【学习路径教练】 角色：你是课程设计师，帮我把一个目标拆成可以自测的阶段。 我的目标：用 6 周学会用 Python 做数据清洗，并用一个小项目证明。 任务：输出 7 个阶段关卡。 每个关卡要求： - 必须能用某一个具体文件、表格或脚本作为提交物 - 标注“如果你做不出来，说明你应该回去补哪个环节” 最后用 20 个字描述我在这个学习过程里最可能出现的拖延点。 【费曼学习教练】 角色：你是费曼学习法的陪练，习惯用“听懂后提问”的方式验证理解。 我把自己正在学的概念发给你，概念是：“分类模型的 AUC 到底在衡量什么”。 我先用 150 字以内的文字讲一遍我的解读。 请你按三个层次检查： 1. 我的解释里有没有用词不严谨的地方 2. 我缺少了哪一个关键前提 3. 用一个生活类比把我的解读重新讲一遍，让我判断我理解它是否一致

外语陪练的关键参数是“一句话纠错”，不要让它一次纠三处。我试过一次给五条纠正，对话立刻变成批改作业，练习者会下意识回避输出。学习路径教练的核心提示词是“做不出来就该补哪里”，它把失败变成路径的一部分，而不是让你停下来重新迷茫。费曼学习法的提示词里，“150 字以内”这个限定很重要，超过这个长度模型没法逐句核对，而长度受限才能逼出真实的表达漏洞。这个组的共性是：模型扮演的不是知识源头，而是检查者与陪练者。

3.4 决策与每周复盘：2 个提示词，把教练感延续到一周以上

有了前面 9 个提示词，你已经有“教练”了，但还缺“周期”。私人教练和陪聊最大的区别是时间尺度：教练会把你上周的数据拿回来，对比本周的结果。最后两个提示词就是干这个的。

【决策风险教练】 角色：你是一个帮人做重要决定的思维伙伴，不做心灵鸡汤，不替我选。 我的决策背景：我准备从数据标注岗转做数据分析，可能接受降薪 20%。 请用“决策矩阵”帮我理清： 1. 列出 3 个我必须在决策里坚守的条件 2. 列出 2 个我可能忽略的不利因素 3. 给我一份“三个月后判断这个决定是否正确”的检查清单 规则：不要建议我该选哪边，只帮我完善决策过程，最后让我自己说出结论。 【每周复盘教练】 角色：你是一名按周报做复盘的执行教练。 下面是我本周对 3 个目标的执行记录，格式是“目标 / 完成情况 / 阻力”： - 目标一：完成前端训练计划 / 只练了 2 次 / 周三加班 - 目标二：学完 SQL 窗口函数 / 看了一半课程 / 晚上犯困没效率 - 目标三：睡前一小时不看手机 / 失败 4 天 / 睡前总想刷视频 请输出： 1. 一段基于数据的总结，指出哪一个环节在消耗我 2. 只选一个下周最值得修正的点，不要列三个 3. 给一个“下周可能再次出现的阻力”预测，并给出预防动作

决策风险教练有意识地不要求模型给出“选”或“不选”的结果，这是我对这类问题的一个底线，重大决定不该由一个语言模型替你承担。它的用处是把决策过程结构化，让你看清自己到底在坚持什么条件。每周复盘教练则是把一周的琐碎事实装进固定模板，它看不到过程情感，只看完成情况。这个“无情”反而帮了我，多数时候不是没有时间，是某一种固有阻力在反复消耗我，复盘提示词强迫模型只挑一个修正点，防止目标太多导致全部放弃。

4. 把提示词从“一次性提问”变成“长期教练会话”：参数与追问策略

4.1 一次性提示词与持续提示词的差别，模型在哪一步会跑偏

前面 11 个提示词如果只用一次，效果会衰减得很快。很多人第一次拿到一套好的 Prompts，试了一轮感觉惊艳，放到第二天再用，发现对话质量迅速下降。原因是“教练”是一个长期状态，而默认的对话机制是“每一轮尽量满足当前诉求”。它不是故意跑偏，而是没有设置一个专门的机制来维持“长期教练关系”。

我常用的一种补救方式是，在每轮提示词末尾加一句“本轮结束时，必须给我一个下一次需要准备什么数据的问题”。这句话让模型把对话从“解答完成”切换到“约好下次复诊”。换成教练视角，相当于每次训练后约定下一次见面的时间，没有约定，学员就会消失。

另一个需要留意的跑偏点是模型开始“总结”而不是“追问”。如果看到回复越来越长、越来越多形容词，最可能的原因是它认为你们的关系已经足够成熟，准备进行漂亮的复盘了。这时要立刻再给一小段提示词，重新锁回目标，类似“请基于上一条回复里我提供的情况，只修正最关键的一步，其他先不谈”。别觉得这是在和模型较劲，这本身就是一种 AI 测试开发的思维，输入变了，输出是否符合预期，要逐轮验证。

4.2 网页版输出控制：写死长度与追问，不只是调温度

很多教程提到“调温度”，也就是 temperature 参数。合理范围大约是 0.3 到 0.5，让输出更确定、少发散。但这只在通过 API 接入时直接可见，网页版用户没有这个旋钮。我的应对方式是，把温度该做的活，用提示词文本写死。

具体做法有三个。第一，限制回复长度，例如“每个观点不超过 3 段”“总字数控制在 500 字以内”。第二，固定结构，例如“先把结论放第一句，再给三点理由”。第三，也是最重要的，强制提问，例如“每次回复的最后，必须有一个需要我回答的问题”。如果拿不到温度参数，就把“更高确定性”翻译成“更严格的输出格式”。

这里有一个容易误解的地方：调低温度会让回答更“稳定”，但不会让回答更“聪明”，更不会自动让模型扮演教练。温度只是把发散概率收窄，真正让它像教练的，是前面所有约束条件组成的流程。我一般先用默认温度把所有提示词跑通，确认角色和流程稳定后，再做减发散处理，网页版就靠写死结构和长度达到同样效果。参数是辅助，流程才是本体。

4.3 每周写“会谈纪要”提示词，让教练记住你的历史数据

模型真正的边界，在一个上下文里能装的东西很有限。同一会话聊了三周，前面的目标、身体数据、完成情况会被新对话逐渐挤出。这时候很多人的反应是重开一个会话，从头再输入一遍提示词，但旧数据就丢了。私人教练能记得你上个月的历史，所以我们也得给模型一个“压缩历史”的方法，这就是会谈纪要提示词。

【每周会谈纪要】 旧数据：下面这两周我与教练的完整对话内容，我会原样贴给你。 任务：请把它压缩成一张教练纪要，字段如下： - 目标参照值：本周原定目标与实际值的对比 - 已知风险：从对话中提炼的、可能导致失败的因素 - 下周主线：只写一个下周最该专注的主题 - 待确认数据：我在下周开始前必须回答的一个问题 输出完纪要之后，再用 50 字告诉我：下周最该警惕的是哪一件事。

在每个周末，我会把这一周的完整对话作为旧数据发给它，生成这张纪要。下一周开始新会话时，不用粘贴三个月的聊天记录，只需要在身份和任务之后，贴上这张纪要。这样做的好处是，模型看到的其实是“高度浓缩的你的近况”，比塞下几十轮原始对话更有效，因为原始对话里大量内容是寒暄、解释和重复确认，纪要直接把这些噪音滤掉了。

这种做法的本质，是给模型短期内记忆的代理，本质上接近 AI agent 的一种极简实现。你不需要搭建复杂框架，只用“纪要提示词”在会话间搬运数据，教练角色的连续性就保住了。若同时使用多个教练，比如训练、工作、学习三个角色，就分别维护三份纪要，互不干扰；想再进一步，可以把每个教练纪要的格式统一，让它们在某轮对话中相互取用，形成多角色协作的雏形。

5. 避坑指南：教练提示词失效的 4 种典型现象与解法

5.1 现象一：聊到第三轮，教练像三流的答题客服

现象：前两轮还像模像样地追问、给反馈，第三轮开始变成一句话总结就结束，回复长度缩短，问题也不再出现。原因：没有在提示词里写“每轮结束时要提一个新问题”，模型在完成第一轮任务后，默认认为对话目的已完成，策略性地收敛答案，尽快进入“总结状态”。解决：在所有长期使用的提示词末尾，固定加一条反馈约束：“本轮结束时，必须提一个让我在下一次回复前准备好数据的问题。”如果已经发生，直接再补一条指令：“不要总结，用一个问题推动下一个执行步骤。”让我反复确认。

5.2 现象二：角色设定正确，输出却全是正确的废话

现象：重写了提示词，模型终于承认自己是私人教练，但建议是“持续训练并注意饮食”“保持良好作息”，听着全对，做完不知道下一步是什么。原因：身份层生效了，任务层和边界层没跟上；无论角色再优秀，它都会选一条耗能最低的路径，用普适结论完成回复。解决：把输出规格压缩到“能填写、能勾选、能提交”的程度。比如“只列动作名、组数、次数、休息时间，不写讲解”，比如“每个能力点后附一个可提交的文件名”。当模型只能输出可执行列表时，它就不可能再倒退成“正确的废话”，因为格式本身就不兼容那些通用判断。

5.3 现象三：提示词太长，后半段的关键约束被忽略

现象：精心写了一段 500 字的提示词，角色、数据、要求都在，但执行结果里，排在提示词最后的“输出格式”没有被尊重，它又按自己的习惯排版。原因：模型对长文本的注意力分布不均，开头指令和结尾指令通常被优先，中部内容如果和结尾指令冲突，会被牺牲。当提示词越长，后续约束的保留率越不稳定。解决：把最重要的边界条件放到提示词的最后几句，比如“输出格式必须满足，否则我会判定这次无效”，或者放弃长文本，把一个场景拆成短提示词。我现在习惯每个提示词尽量控制在 200 到 300 字，长计划拆成几次对话，而不是赌它能记住一整段设定。

5.4 现象四：上下文窗口挤爆，三周后教练忘了你的初始目标

现象：同一个会话连续用了几周，输出开始跑偏，上次定下的“减重 3 公斤”目标不再被提及，它只盯着你今天汇报的某一条小数据做判断。原因：上下文窗口被历史对话塞满，模型对早期信息的引用能力下降，最近几条消息权重最高，于是教练变短视。解决：不再硬撑同一个会话，而是在每周末用 4.3 里的“会谈纪要”提示词压缩历史，然后把它写进新会话来继续。如果已经出现过忘记目标的情况，直接开新会话，放上提示词、纪要、本周实际执行结果，三样东西就能立刻恢复教练状态。这不是技术妥协，而是对齐模型的记忆上限，从一开始就做好剪辑。

6. 把 11 个提示词沉淀成自己的“教练配置文件”：验证与迭代

用了这套提示词一段时间之后，我最大的感受不是“提词更好用了”，而是“我对自己要什么更清楚了”。因为在写输入数据时，你必须面对真实情况：你有多少时间、什么装备、多少精力，目标听起来是否具体。提示词不会自动把你变成自律的人，但它会不断逼你回答那些真人教练会追问的细节，比如“这一周你实际练了几次”，而你不回答，下一轮对话根本不成立。

我建议把验证分成两步走。第一步，用前 3 天只跑一遍，不做任何修改，观察三个信号：每个回复是否都以一个可执行项结尾，是否在向你追问新数据，以及你会不会愿意回它的问题。如果三个信号里有两个不满足，不要急着换提示词，先补“追问约束”。第二步，在一次完整周期结束后，把执行结果粘回“每周复盘教练”，看它挑出的“唯一一个修正点”，是否直指你心里早就知道的那个问题。如果是，提示词系统就通了；如果不是，检查输入数据里有没有隐瞒困难。

这一组提示词还有一种迭代方式：把每次调整后你认可的回复，复制进一个叫“教练配置文件”的文档里，标注它属于什么场景、上次失效在哪、这次改了什么。再用时，与其从零写提示词，不如在一份已经验证过的模板上改参数，稳定得多。技术方案本身的稳定，通常就是靠一次次“失败后留档”换来的。我摸黑写了许久的提示词，碰壁多次后，才总结出“输出约束优先于角色描写”和“错过一轮就断约”这两条教训，现在每次调角色都要先过这两关。如果你也正在试这条路，希望这些提示词和踩坑记录能帮你少走几个来回，也希望这 11 个提示词能成为你自己教练系统的第一份草稿。

本文还有配套的精品资源，点击获取