ChatGPT 的 Dog Tag 提示 - 如何打造有效的 AI 提示词

推荐： 从一个清晰的三部分模板开始：角色、任务、约束。在引言中，设置范围并决定您需要的输出类型；这种焦点有助于减少请求中的漂移，并使结果可预测。使用简短的句子和具体的提示来锚定对话关键之处。

命名和启动基础： 为每个提示附加简洁的名称，并将其存储在数据库中，带有版本历史。在制定中，记录谁有访问权限以及启动期间需要什么权限，以便团队可以安全地重用提示。

主题和定位： 定义主题和目标受众，然后在聊天流程中设置输出的定位。通过引用经过验证的来源和您的数据库数据，将提示与当前趋势对齐，但保持紧凑的范围以避免漂移。包含清晰的输出示例来指导模型。

算法和实用检查清单： 遵循一个紧凑的算法：从引言开始以框架上下文，声明预期的格式和长度，然后提供几个说明性的示例。在启动前建立一个检查清单来验证要求，重点关注清晰度、来源和格式。目标是结果的杰作质量，而不是多余的内容。

注重成本的提示和其他： 通过为每个任务设置令牌预算并将输出修剪到必需部分来跟踪价格影响。使用其他模板处理重复场景，并记录在不重写核心提示的情况下切换数据来源。当测试时，运行请求以在启动前验证行为。

Dog Tag Prompt for ChatGPT: How to Craft AI Prompts

从简洁的目标和目标受众开始。在这里，您可以使用格式提示锚定约束；编写任务的简短描述；制作可操作的输出，适用于神经网络和您计划使用的每个渠道。定义可能的设置来控制语气、长度和具体性，并为分析和改进设置期望（改进）。

在描述中澄清交付物，并确保任务紧密聚焦于问题。保持提示紧凑，使用简短的指令指导神经网络，在渠道中产生一致的结果；附加指标用于分析以验证进度。

为迭代做准备，提供典型市场使用成本估算（成本），并概述输出将出现的渠道。包括比较方法和设置的计划，并提供使用反馈循环和定期分析的改进路径（改进）。

狗牌提示的核心元素

狗牌提示以清晰的目标、目标受众和固定的输出集为中心。使用设置绑定语气和深度；澄清格式提示并描述输出应如何呈现，例如简短的描述和结构化的步骤。包含神经网络框架和特定于渠道的指导以保持交付一致。

还包括成本考虑（成本）和市场背景（市场）以帮助比较投资和预期价值。提供示例输出以验证正确性（正确）并指导未来的迭代。

实用的起草工作流程

这是一个精简的工作流程：准备一个单句目标，指定3-4个设置，概述预期的输出（描述）和渠道。然后使用简短的提示测试：编写1-2个样本并要求模型评估它们。接下来，收紧指南并要求分析以跟踪改进（改进）。最后，迭代直到您看到一致、可靠的结果，神经网络可以在渠道中重现，并用于告知成本和市场决策。

定义目标：使用狗牌提示实现什么

一个清晰的对象（对象）指导每个提示：定义行动、受众和渠道。包括目标（包括）和一个有形的下一步确保焦点。目标应该是活动的新颖的，并用人们使用的语言描述，具有与销售主题一致的简洁描述。保持提示聚焦于真实、可衡量的结果以避免多余的内容。

1. 定义主要结果（一个）：指定狗牌提示后的确切行动——打开登陆页面、启动聊天机器人对话，或提交联系表单。将它表述为一个单一的提示，不留给读者或AI的歧义。包括一个具体的目标，例如“本周驱动200个注册”。
2. 设置可衡量的指标：将目标转化为数字。针对2–5%的CTR范围、销售提示的1–3%转化率，以及真实视频的40–60%完成率。在仪表板中跟踪这些，并将它们与项目或活动代码绑定以便轻松报告。
3. 定义受众和语言：指定受众（人口统计、兴趣、需求）并选择共鸣的语言。例如，为全球受众制作英文提示，或当分析显示更高参与度时切换到另一种语言。包括最可能响应销售主题的人们，并确保您的描述清楚传达所选语言中的益处。
4. 概述内容范围和格式：确定将承载狗牌提示的媒体。计划文本、图像（图像）和媒体的混合，包括真实视频（视频）。为Instagram帖子、轮播、故事和聊天机器人互动添加具体的格式以保持受众参与。
5. 与渠道和创意资产对齐：指定提示将出现的位置（Instagram、您的网站、电子邮件或聊天）。包括视觉指南：添加图像和简短视频以强化提示，确保视觉支持描述并保持公司（公司）的品牌一致性。
6. 设置质量和语气规则：用适合受众的语言制作简洁、直接的文案。声明语气（友好、自信）和避免行话的指令。对于销售聚焦的主题，强调益处和清晰的行动号召，引导客户向下一步（客户）。
7. 规划测试和迭代：构建2–3个提示变体以比较性能。在Instagram标题与更长描述上运行快速A/B测试，并衡量哪个变体增加媒体策略的参与度和转化。

在实践中，一个定义明确的目标锐化整个管道：它指导文案、视觉和序列化，并帮助团队围绕单一、可衡量的结果协调。通过将对象视为北极星，您确保每个提示贡献于销售增长，提升受众体验，并在渠道中保持连贯的语言。

识别丰富提示所需的字段和标签选项

在制作提示之前锁定最小、可重用的字段集。识别所需字段：任务类型、上下文、受众、输出类型、长度、风格、语言、渠道（渠道）、约束和评估标准。附加清晰的指标（指标）来衡量成功并快速迭代。

要捕获的字段包括：任务、上下文、受众、output_type、长度、风格、语言、渠道（渠道）、领域、约束、引用和评估。记录用于回答的资源（资源）并附加模板（模板）以加速未来的提示。包括测试和细化的计划（计划）并记录当前（当前）质量基准（质量）。通过指定语言和语气，将提示与受众的文化（文化）和语言（语言）绑定。及早包括概念（概念）以保持紧密对齐。

标签选项加速控制。使用紧凑的标签集：[style]、[tone]、[format]、[length]、[images]（图片）、[domain]、[language]、[channel]（渠道）、[audience]、[persona]、[humor]、[verbosity]。当您需要视觉时，包括指令包括图像相关标签。对于上下文，根据需要附加[theme]和[topic]，例如关于猫在玩闹上下文中的提示。如果任务针对神经网络，指定输出应如何利用模型能力。对于需要品牌一致性的请求，使用[values: 价值观]来锚定语气和信息。

实用示例：对于体育渠道启动，应用[channel: sports]、[tone: energetic]、[format: caption]、[length: short]、[images: 1-2]、[theme: 体育]和[audience: fans]。包括一个试用（试点）提示来测试假设，然后要求模型生成备选方案并比较结果。如果需要，要求神经网络建议变体并选择最佳方法。然后基于反馈更新标签并细化概念以与当前趋势保持对齐。

最后，确保计划与当前文化和语言趋势对齐。在目标语言中保持语言易懂，定期更新模板和标签集，以维护品牌质量（质量）和价值观（价值观）。在漏斗中包括对绩效指标的焦点，并将提示适应受众的文化规范和期望。

将真实世界场景翻译成具体的提示模板

从一开始定义目标和成功指标。然后将每个真实世界场景映射到可重用的提示骨架，在团队和活动中产生可预测的输出。

生成、可以、获得的、广告、每个、收入、一个、颜色、之类的、吸引、定位、这里、复杂、理由、模型、将、部门、策略、开发、重要、连接、比率、开发者、简短

在营销、产品和支持部门中实施，这种方法与一致输出的模型绑定。

具体的提示骨架

1. 一个渠道的广告文案

   模板：您是一个营销AI。对于目标'{objective}'、受众'{audience}'、渠道'{channel}'、预算'{budget}'，生成3个简短广告（最多25个词）和2个扩展变体（60-80个词）。语气：'{tone}'。行动号召：'{cta}'。输出格式：标题 | 正文 | 行动号召。在正文中包括颜色提示：颜色调色板注释和十六进制提示，例如暖色主题的颜色调色板'#FF6F61'。

2. 产品登陆页面微文案

   模板：您是一个产品文案撰写者。对于产品'{product}'、价值主张'{value_prop}'、功能'{features}'、受众'{audience}'，生成4个微文案块：标题、1句描述（15-25个词）、益处列表（3个项目符号）和行动号召。语气：'{tone}'。在括号中包括对颜色调色板的引用和样本十六进制值。

3. 客户支持回复

   模板：您是一个支持代理。给定用户查询'{query}'、产品'{product}'、政策'{policy}'，生成一个简洁、同理心的回复（3-4句），带有下一步和可选的帮助文章链接。语气：'{tone}'。如果合适，包括一行道歉。

4. 颜色调色板的创意简报

   模板：您是一个设计师简报撰写者。对于品牌'{brand}'、目标'{objective}'、颜色调色板'{palette}'、排版'{typography}'，制作一个简报，描述在各部分的使用：英雄、UI强调、背景。包括至少2个十六进制示例和颜色使用注释。确保与定位和品牌声音对齐。

场景示例和重用

1. 启动场景：映射到模板1，调整目标、受众和渠道，生成3个标题变体、2个正文变体；在输出中跟踪隐含的CTR-like指标。

2. FAQ或支持更新：映射到模板3，提供5个罐装响应带有语气变体；包括相关帮助文章的链接。

3. 品牌刷新：映射到模板4，指定颜色调色板和排版；制作一个2页简报，带有媒体资产的颜色使用规则；确保语言与定位和市场定位对齐。

指定输出风格、语气和细节水平

将输出风格设置为简洁、可操作和品牌对齐。在每个提示中，锁定三个杠杆：风格、语气和细节水平，并一致应用它们。提供最大清晰度并准备可用于在线渠道和订单工作流程的内容。对于制定提示，专注于品牌任务，确保chatgpt模型理解受众和清晰回答哪个模型，具有语气、格式和深度的清晰标准。这种方法保持渠道内容在卷轴、帖子和受众想法中对齐，同时支持数字代理团队交付即发材料。

方面	推荐设置	注释
输出风格	简洁、可操作、品牌对齐	适用于卷轴、博客和促销
语气	友好、自信	调整到受众和渠道目标
细节水平	具体、任务聚焦带有步骤	包括指标、示例和清晰的下一步行动
格式约束	段落、项目符号或简短表格	避免多余或通用表述

在营销背景下规划任务时，提示应明确说明如何在品牌想法和实际交付物之间平衡。它提供从想法到即发内容的清晰路径，考虑受众和平台。包括每月节奏的线程有助于团队在内容制定中保持对齐并支持在线渠道的一致性。

实用设置

配置提示以反映渠道、目标和受众。指定输出是否将用于卷轴、产品页面或渠道通讯，并概述预期结构。例如，要求简短的引言、三个可操作步骤和匹配品牌声音的结束行动号召。包括格式示例和简要检查清单来指导作家在写作任务中，确保每个订单的清晰度和质量。ChatGPT考虑受众反馈和品牌约束，提供清晰界定的输出，适合品牌指南并自信支持品牌的数字代理工作流程。

提示检查清单

使用此检查清单避免目标和输出之间的漂移：定义并表述输出风格、语气和细节水平；指定格式（段落、项目符号、表格）；识别受众和渠道；设置结果期望；包括所需输出的示例；注明任何品牌和风格限制；添加每月节奏用于审查和更新；确保提示清晰编写并易于复制粘贴到在线订单和渠道内容制定中。这种方法确保高质量输出和团队与订单工作流程之间的顺畅移交。

嵌入上下文：对话历史、数据来源和约束

在每个提示的开头嵌入上下文，通过锚定三个元素：对话历史、数据来源和约束。这保持响应与用户意图对齐并减少跨提示的漂移。

对话历史：包括用户目标、当前任务和最后相关交换的简洁回顾。列出最新的指令和任何明确偏好。将决策和开放问题存储为紧凑块，并将窗口限制在最近的4-6条消息，以便模型从当前上下文推理而不过载。

数据来源：要求对事实材料的开放引用并附加可信文本的直接链接。提供带有标题、URL和日期的来源部分。如果用户请求对数月文本的分析，注明覆盖时期和与任务的相关性。该方法信号分析并帮助使用创意引用追踪事实的来源。

约束：定义允许的格式、语气和长度；包括格式指令，如项目符号或HTML结构；指定是否在文本中直接引用来源或作为列表；提及某些月份的数据是否允许影响结论。声明敏感主题、所需术语或风格的任何边界，以便输出与您的创意或分析目标保持对齐，包括算法和下一步的提及以清晰。

指导跨语言提示的紧凑关键词块：“需要、开放、引发、我的、提供、帮助、文本、自己的、引用、创意、直接指定、描述、月份、分析、文章、算法、分析、下一个、说过、职位、现代、提示解释”。

提供示例和非示例来指导行为

从一个具体规则开始：提供配对提示——一个详细示例和一个非示例——以便模型通过对比学习边界。使用检查清单和模板保持提示一致。对于25-35的目标受众，用颜色和精确描述锚定形象，并附加来源和文档当事实被引用时。从加夫里洛娃和其他来源使用示例来演示语气和结构的变体；对八十年代的引用可以说明上下文如何塑造输出。这种方法在指导模型行为方面仍然有用，并支持使用帮助轻松重复跨任务。

示例

示例1：针对25-35年龄范围用户的狗牌任务提示。要求字段：tag_id、形象、颜色和笔记（任务）。指示模型使用模板和检查清单，提供详细描述，并在事实从文档被引用时引用来源。输出应是一个紧凑、结构化的块，人可以快速扫描。使用颜色、图像和精确描述定义形象，并保持指令简洁，以便用户可以在类似上下文中重用提示，从像加夫里洛娃和其他来源的帮助。

示例2：另一个好示例为每个字段添加简短的样本值部分，并展示如何处理边缘情况（无笔记、长笔记、不寻常颜色）。它演示如何以一致顺序描述字段以及如何引用来源和文档进行验证。

非示例

非示例1：一个模糊的提示，省略字段、颜色和形象。它仅要求“描述一个标签”而无结构、无检查清单和无来源或文档链接。这导致不一致的输出并使重用提示用于其他任务更难。

非示例2：一个指令使用长而蜿蜒的散文、忽略模板并使用冲突要求的提示（例如，要求颜色描述和无颜色）。它提及此外模型应“自由写作”并提供无具体字段，打破25-35受众的期望和检查清单。

使用真实场景测试、迭代和细化提示

从一个真实场景开始并编写神经网络可以可靠处理的提示，以产生简洁的响应。编写定义对象、受众和约束的提示；分配文案角色并涉及助手从分析中收集输入。使用chatgpt4模拟客户对话并从代理或内部团队收集想法。指定您期望的流量数据和提示必须尊重的受众文化。输出应包括什么，以及所需格式。结果取决于一个清晰的目标以及您如何描述角色和开发要求，包括预算。

使用清晰对象运行真实场景

选择一个对象，如产品登陆页面或营销简报。定义成功标准：输出质量、结构和受众相关性。每个场景运行三个迭代：调整提示、添加约束，并在chatgpt4中重新测试。使用代理或内部助手从分析和文案中收集反馈。跟踪流量和参与指标如何响应提示变化，并确保输出与目标受众的文化期望（文化）对齐。清晰描述输出应包括什么以及所需格式。依赖一个清晰的目标与角色和开发以及预算约束保持对齐。

指标、反馈和迭代

创建一个轻量级评分表：清晰度、具体性和可操作性。对每个类别在5分制上评分输出。跨迭代跟踪变化：目标减少分析所需编辑20–40%并改善与一个目标的对齐。预算友好的测试：每个场景支出上限固定金额（例如，100美元）并计算达到可接受质量所需的提示数量。构建跨对象和不同角色的可重用提示库，以便分析和助手可以重用方法。这种方法支持代理标准化工作并加速新项目开发，同时保持在预算内。