Appearance
ChatGPT 结构化提示词
结构化提示词适用于要求多、需要依据材料、输出格式固定，或会反复执行的 ChatGPT 任务。它不是必须照抄的六段式咒语，而是把容易遗漏的信息分开写，让模型更容易区分“要做什么”“依据是什么”和“怎样算完成”。如果只是问一个简单事实，直接提问通常更快；想先判断要不要加结构，可以看ChatGPT 提示词技巧总览。
什么时候值得把提示词分段写
| 情况 | 是否需要结构化 | 原因 |
|---|---|---|
| 问一个定义、翻译一句话 | 通常不需要 | 指令简单，补充格式可能比任务本身更费事。 |
| 根据一份长资料提取决定或数字 | 值得 | 需要约定材料范围、字段和缺失信息如何标注。 |
| 给不同读者生成多种版本 | 值得 | 读者、语气、篇幅和不可改动内容需要区分。 |
| 需要根据多个标准比较方案 | 值得 | 先说明标准和优先级，避免模型自行选择尺度。 |
| 同一流程每周重复执行 | 值得 | 固定输入与输出后可复用，并逐次修订模板。 |
按需组合这六个部分
1. 目标：用可检查的动作表达交付
把“分析一下”换成具体的动作加对象：例如“从下列用户反馈中归纳重复出现的问题，按影响范围排序，并为每项摘录一句原文”。如果目标本身还没确定，可以先要求 ChatGPT 用一两句话复述理解并列出待确认点，等确认后再生成最终成果。
2. 上下文：只交代会改变答案的背景
说明受众、用途、时间范围、现有决定或约束。背景不需要写成长篇人物设定，重点是提供决策相关的信息。比如“写给刚接手项目的客服主管，内容会用于内部培训”比“你是一名非常资深的专家”更能影响最终选择。
3. 材料边界：告诉它什么可以当作事实
处理合同摘要、访谈记录或内部方案时，说清楚输入来源和优先级：
text
以下“访谈摘录”是本次总结的唯一事实依据。
不得用常识补足人物、日期、金额或因果关系。
原文中不一致的数字请并列标出，不要自行选择其中一个。长提示词可用标题、引用区或清晰的分隔线标出指令与原文；重点不是某种特殊标记，而是让材料的起止和作用容易辨认。
4. 规则：划定不能越过的条件
约束可以包括不可变更的事实、不能出现的表述、长度、语言、语气、可用来源和缺失信息的处理办法。例如：“不能承诺未批准的上线日期”“无法从材料核实的内容写‘待确认’”。当要求互相冲突时，写清优先顺序，不要把取舍留给模型猜。
5. 输出：把结果变成你能直接检查和使用的形状
说明要用清单、表格、邮件还是分节说明；写明字段、顺序和篇幅。对表格可以列出列名，对邮件可列出主题、正文和下一步。要求“简洁”比较主观，要求“先列结论，再给三个理由，每个理由不超过两句”更容易执行。
6. 验收：定义出错时应该怎么处理
验收条件应指向可观察的输出：字段是否齐全、每条事实是否有原文依据、数字是否保留、缺失值是否标记。不要只让 ChatGPT “保证准确”；让它给出原文依据、标出不确定项，并自行检查约定的字段，才方便你复核。
可复制的结构化提示词骨架
text
目标：［具体完成什么，交付给谁使用］
上下文：［影响回答的背景、范围、时间或已确认决定］
材料与依据：［粘贴材料或说明附件］
事实边界：只把［指定来源］当作事实；缺失的信息标为［待确认/未提供］。
处理规则：
- ［必须遵守的规则］
- ［不要做的事］
- 如果条件冲突，优先满足［最高优先级］。
输出格式：［标题、表格字段、顺序、篇幅或样例］
提交前检查：［可核验的完整性和事实要求］按实际需要删掉不相关的部分。给模型太多重复、互相矛盾的条款，反而会让真正重要的要求不突出。
实例：从访谈记录生成问题清单
只写目标的版本
text
总结这些用户访谈，告诉我用户最想要什么。“最想要”没有规定判断标准，也没有要求保留证据。下面的版本把任务转换成一份产品团队可以回看和核对的分析：
text
目标：整理下面五段用户访谈中重复出现的产品问题，供产品经理安排下一轮调研。
材料：只使用“访谈原文”区域的内容。不同用户的表述不要合并成同一条直接引语。
处理规则：
- 将观察到的原话与归纳出的主题分开。
- 只有两位或以上受访者明确提及的问题，才能标为“重复出现”。
- 不要根据少量访谈推断总体用户比例。
- 资料不能支持的结论标为“证据不足”。
输出：
1. 三条以内的主要问题，每条附受访者编号和一段短引文。
2. 单独列出只被一人提及的需求。
3. 列出建议下一轮确认的问题，不要提出未经验证的产品承诺。
访谈原文：
［粘贴去除身份信息后的访谈内容］即使提示词写得详细，引用、人数和问题归类仍须对照原文复核。结构能降低遗漏，并不能代替核查。
研究、写作与批量任务的进一步调整
做研究： 把“研究一下某工具”拆成明确问题、检索范围和来源标准。要求表格列出结论、来源标题、发布日期、链接及尚未核实之处。需要最新信息时使用可联网的功能或外部检索；仅靠普通对话中已有知识无法确认今天刚发布的事实。上传资料、查网页和核实结果的具体步骤见文件、图片与联网教程。
写文章： 先确定读者、使用场景、主要结论、要引用的材料和字数，再要求列提纲供你检查。大文章可先完成资料清单和结构，再逐段写作。加入品牌语气要求前，给出一两段真实的正反例，比堆叠“专业、亲切、有温度”更可操作。
处理大量同类记录： 先挑一条普通记录和一条边界案例试跑；确认字段、缺失值和歧义处理方式后再处理剩余材料。不要只拿最简单的一条例子判断模板可靠。
输出失败时，按症状修改提示词
| 症状 | 可能缺少的条件 | 具体修法 |
|---|---|---|
| 结论像通用文章 | 任务对象或用途不明确 | 补充实际读者、决策场景和需要回答的具体问题。 |
| 把推断当作事实 | 没有规定来源边界 | 指定唯一材料来源，要求每个结论附原文依据或标为推测。 |
| 格式偶尔变化 | 字段和空值写法不明确 | 给出列名、字段顺序、示例行和空值标记。 |
| 内容遗漏或重复 | 输入较长、任务跨度太大 | 按资料类型分阶段处理；每一阶段约定单独交付。 |
| 模板换一份材料就坏 | 只测过常见样例 | 加入一条缺字段、互相矛盾或超范围的边界案例。 |
ChatGPT 对话格式与 API 输出约束的区别
在 ChatGPT 普通对话里，你可以要求输出 Markdown 表格或 JSON，但回答仍应逐项检查，不能把文字要求当成程序级保证。如果你在开发 API 应用并需要模型输出符合指定 JSON Schema，应阅读 OpenAI 的 Structured Outputs 文档，并在 API 请求中配置受支持的结构化输出方式。该能力说明针对 API；在网页或 App 的普通对话框里写一句“严格遵循 JSON Schema”，不等于启用了同样的校验机制。
另外，模型版本和能力会变化。同一段提示词换模型后可能需要重新试跑。OpenAI 的 GPT-6 Astra 提示指南将提示建议定位为起点，并建议按选定模型和实际工作负载评估；模型变化可参考本站的模型时间线。对于复杂任务，要求给出简明结论、关键依据和不确定项，方便复核，比要求展示不可核验的内部思考过程更实用。
常见问题
是不是每个提示词都应该有六个部分？
不是。六个部分只是检查清单。普通提问可能只需一两句话；当任务涉及长材料、多个限制、固定格式或反复执行时，再按需加入相应部分。
提示词里需要给一个示例吗？
当你需要模型模仿特定字段、分类方法、语气或边界时，一个符合要求的示例通常比更多抽象形容词更有帮助。示例须和规则一致，避免同时提供互相冲突的范例。
结构化提示词能避免 ChatGPT 幻觉吗？
不能保证。它可以明确依据和不确定性处理方式，但模型依然可能误读材料或生成错误内容。对重要事实，要打开来源核验；对数字和引用，要逐项回到原文。
怎么确认一个提示词可以长期复用？
准备几份不同难度的真实输入，包括缺少字段或信息冲突的例子；检查结果是否仍符合规则。记录失误类型后，修改对应条件，再重复测试。不要只靠一次顺利的演示就认定模板稳定。
继续阅读
直接找任务起点，可看常用提示词模板库；希望先掌握基本原则，可回到ChatGPT 提示词技巧总览。