个人 ChatGPT 助手的提示工程 - 构建你自己的 GPTs

立即构建一个可重用的提示模板。 锁定您的目标、约束和交互风格，以便与您的个人助手互动在您的产品中保持一致。展示 该模板如何处理规划和执行，并确保它产生绝对可预测的结果。

创建三个可跨任务重用的入门提示：规划日常日程、总结会议和回答问题。每个提示应设置 护栏、规划 上下文，并编写 简洁响应。包含版本标签，以便您可以 跟踪更改并维护对输出的控制。

跨场景和语言进行测试。运行循环来练习上下文切换、在数据缺失时澄清，并保持一致的语气。对于双语能力，包含西班牙语提示以验证正确的语言处理。使用具体指标记录结果：任务完成率、平均响应时间、事实准确性和用户满意度。在提示中依赖外部来源时，使用清晰的数据来源，并在答案中保持专注和可验证。

估算成本并管理使用。API 使用价格因模型和令牌量而异。价格通常从几美分到几十美分每 1K 令牌不等；为您的独立助手规划每月预算，并监控市场波动。从其他团队独立调整配置以优化价值。

部署和维护。建立一个简单的、版本化的工作流程：将提示存储在存储库中，运行自动化测试，并收集用户反馈以进行快速迭代。规划 更新，为专业任务创建单独的 GPT，并定期扩展您的提示库，以改善性能、数据处理和可靠性。

识别目标人物并为个人 ChatGPT 助手确定具体用例

从具体推荐开始：锁定三个目标人物，并为每个映射 6–8 个具体用例，然后运行两周试点以验证提示和数据流。创建一个轻量级人物表，捕捉情境、目标、约束、主题以及早晨、通勤和晚上天气细微差别。这种方法产生独特、有价值的洞见和便利，从而转化为更便捷的日常工作流程。

忙碌的专业人士依赖于简化的输出。构建提示来起草简洁的电子邮件和简报、总结会议，并在每天开始时准备优先事项简报。助手应在几秒钟内产生草稿，然后您完善它们，这提升了质量并减少了努力。它与您的日历和任务应用集成，形成单一、连贯的流程，同时网络安全保护敏感数据。为快速捕获提供音频笔记选项，甚至在您外出时提供简短视频回顾，这样您就能保持其他一切在控制之下。

终身学习者受益于结构化的学习流程。规划每周学习块、生成闪卡、总结阅读材料，并跟踪向掌握水平的进展。将关键想法转换为讲座的音频笔记，并从视频课程中提取可操作的要点。将亮点存储在您的个人作品集中，使用间隔重复提示调整难度，并在主题转变时保持主题连贯性。结果——有价值的、易于再现的资源——帮助您大步学习而不会过载。

创作者和作品集构建者专注于产生一致、独特的内容输出。生成视频脚本和社会标题、 brainstorm 与您的品牌一致的主题，并管理内容日历。为博客文章起草大纲、规划拍摄和编辑任务，并为不同平台的视频自动创建字幕。将一切保存在作品集中，重用模板用于可重复的格式，并维护发布链，而无需多余的努力，通过单一资源获得便捷的内容管理。

具体提示和模板加速采用。对于忙碌专业人士，使用像这样的提示：“用 5 个要点总结今天的会议，包括决定和负责人；起草 150 字的电子邮件回复；列出 3 个后续行动及其截止时间。”对于学习者，尝试：“为主题 X 创建 2 周学习计划；生成 20 张闪卡；用 8 个要点总结 Y 章；将笔记转换为音频摘要。”对于创作者，测试：“概述一个新视频概念；编写 200 字标题；生成 10 项内容日历，包括截止日期。”每个提示应包含快速隐私说明和提醒运行作品集更新，以确保网络安全和数据完整性。

要衡量影响，跟踪节省的时间、完成任务的频率和输出的质量。为每个人物定义成功标准：忙碌专业人士在起草时间上实现 25–40% 减少；学习者提高保留率 15–25%；创作者在不牺牲质量的情况下将发布节奏提高 30%。使用轻量级仪表板来显示每小时收益、材料可用性和向个人作品集目标的进展。您将看到，个性化子系统如何从首次启动到扩展提升每个级别的效率。

设计模块化提示架构以支持多个任务和对话流程

推荐：实施插件式架构，包含四个核心模块——任务路由器、模板库、上下文管理器和编写器/试点人物。此设置支持跨不同环境和不同部门的任务，允许生成和重用独特提示。对于品牌工作，模板强制执行品牌声音和词汇；对于产品查询，模板拉取产品数据和定价。系统应绝对可组合，以便您可以交换或升级模块而无需重新布线整个管道。从覆盖您最常遇到的十几个具体场景的精简 MVP 开始，然后随着环境演变扩展到新用例（提示、因素和风险的海洋）。在设计文档的引言中，清晰映射目标，然后将实施专注于有形结果。

模块化块和流程

1. 任务路由器：使用诸如用户意图、上下文和数据可用性等因素将输入分类为任务类别（品牌生成、产品简报、客户支持）。它从库中选择合适的模板并将控制传递到下一个块。
2. 模板库：各种任务的模板目录。每个模板定义系统提示、任务提示、所需数据字段（产品数据、品牌约束）和指定的编写器/试点人物。包含用于编写任务的独特提示，以制作简洁文案，以及不同场景下的行为提示。模板应引用特定品牌参数（品牌）和产品细节（产品）以避免重复。
3. 上下文管理器：跨回合和环境维护简洁的记忆窗口。它从先前响应和数据源收集相关信息，自适应地扩展上下文以适应环境（环境）和部门（部门）中的任务。它还支持移除过时事实并在所有块中同步数据。
4. 编写器/试点人物：拆分角色以隔离生成风格。编写器块制作所需的语气和结构，而试点在发布到生产前在沙箱中验证提示。此分离有助于实现独特输出并降低任务间内容转移的风险。
5. 协调器和反馈：协调器协调路由、模板和上下文，然后收集响应和指标。反馈循环分析响应质量、事实准确性和用户满意度，以调整模板和路由规则。

实施说明和指标

• 从最小数据模型开始：模板、路由规则和轻量级上下文存储。扩展数据连接器以用于品牌资产和产品规格。目标是在最大化重用同时最小化跨任务污染。
• 使用明确枚举所需字段的任务特定提示（例如，产品 ID、品牌语气、受众）。这减少了歧义和在切换任务时的 LLM 漂移。
• 设计模板以环境感知：允许每个区域或每个部门的路由配置，以便内容与本地规则和数据可用性对齐。
• 使用具体指标跟踪成功：任务路由准确性、与数据源的事实对齐、响应时间和用户评级有用性（响应）。使用这些信号修剪低性能模板并细化因素。
• 在精心命名的模块下维护品牌驱动和产品驱动提示目录。编写器提示应生成清晰、可浏览的文本，而试点提示在实际使用前模拟对话。
• 定义试点测试计划：与伙伴运行受控实验以比较变体输出，然后将成功提示扩展到生产渠道。
• 为审计记录生成血统：存储选择的模板、上下文状态和最终答案，以及用于产生响应的数据源。
• 在集成新任务时，尽可能重用现有块：添加新模板条目、扩展任务路由器的分类规则，并仅最小调整上下文管理器以适应新数据需求。
• 建立快速启动 MVP，覆盖三个类别：品牌生成、产品参考和客户支持。使用真实用户提示验证并快速迭代。

为常见交互创建面向任务的提示模板

从将一个频繁交互转化为面向任务的提示模板开始，该模板清晰指示 AI 的角色和成功指标。尝试 几个变体，允许系统导向用户的目标；在每次测试后获取信息并使用它来提高执行质量。提出带有选项选择的问题有助于匹配用户的想法，使提示适用于日常使用。为真实性，引用 getyourguide 数据（getyourguide）并维护编写器人物以保持语气一致，添加简洁的注释以澄清约束和来源，使用可重用工具在任何上下文中捕获假设（任何）。

任务模板蓝图

使用四个块结构化模板：任务、上下文、指令、输出。任务清晰陈述用户目标；上下文添加约束和数据源；指令涵盖语气、边界以及如何处理歧义；输出指定确切格式（要点、步骤或叙述）。附加简洁的注释以捕获理由和预期受众。使用此工具确保模板匹配您的项目想法、您自己的要求，并可跨任何任务重用。此方法还支持在团队和产品内提高执行质量和更快迭代。

常见交互的具体提示

示例 1：任务：跨时区提出三个 60 分钟会议选项；上下文：EST 和 CET 参与者；约束：包括日期、持续时间和日历友好格式；输出：带有时间和草稿邀请的要点列表。示例 2：任务：规划一天城市行程的三种变体；数据：getyourguide 目的地和热门地点；输出：带有时间、交通说明和链接的要点列表。示例 3：任务：阅读文档并总结它，同时列出三个具体后续步骤；上下文：执行受众；输出：带有人和每步一句理由的编号列表。

整合俄语提示和双语处理以用于提示和响应

采用结合俄语提示（生成、过程）与英语提示的翻译层的双语提示模板，以提供一致的响应。此方法保持知识可访问，并显著帮助您评估助手的技能，塑造您的风格和政策对齐。通过定义通用政策和清晰的语言切换规则集，在提示和响应中打开预期双语交互的市场。

确保提示指示模型在需要时以两种语言响应，并在请求时提供英语摘要或翻译。此方法帮助用户收集多样视角，而模型学习调整语气以适应您的上下文和风格。使用显式 RU 标签标记俄语输入和 EN 标签标记英语输入，以防止混淆并支持跨对话的清晰上下文。

在设计提示时，包含步骤列表和提示来指导双语生成。整合成分如已知知识（知识）和引用，并以结构化格式保持合理的引用。此支持可验证和可复制的稳健响应，跨场景。该方法还帮助您在开放服务市场打开机会，特别是对于寻求灵活多语言支持的用户。

方面	实施提示	俄语关键词
输入提示	创建一个 RU-EN 模板，在俄语提示后呈现英语提示，使用清晰分隔符。这提升生成和过程准确性，并为双语输出设置期望。	生成、过程
响应格式	在请求时以两种语言返回响应，并可选添加英语解释。为结构化数据添加表格或表格以提高可读性。	响应、表格
知识处理	将知识片段（知识）链接到提示，并在可能时引用来源。在双语上下文中使用合理指标显示置信水平。	知识、合理的
政策和安全	清晰定义双语内容的政策，包括敏感主题处理。强制执行简单规则，使输出在语言中保持有用和尊重。	政策、重要
结构和成分	使用列表和成分（成分）组织提示，使提示可重用。使用电子标识符标记部分以便重用和审计。	成分、电子的、列表
评估和测试	使用尝试场景收集指标，比较 RU 与 EN 响应，并基于收集数据调整提示。在表格中跟踪更改以展示进度。	尝试、收集

从起草 RU 优先提示开始，该提示要求双语响应，然后提供简洁的 EN 回顾。保持句子简短且可操作，并将这些提示存储在可重用牌组（表格）中以快速迭代。定期审查翻译的准确性以维护信任和知识质量，并调整提示措辞以更好地与您的目标受众对齐。此方法将帮助您构建一个多功能助手，以平等清晰度服务俄语用户和英语使用者，同时在提示和响应中展示实际灵活性。

实施护栏、安全提示和边界条件

推荐：在每个提示流程中实施三层护栏协议：边界条件、安全提示和升级触发器。构建护栏矩阵，将提示类型映射到所需响应。为简化工作流程，标准化提示过滤方式以及系统对风险请求的响应，并维护简单清单以快速审计。

安全提示应主动。创建拦截不安全意图的提示，在用户看到答案前，并提供安全替代方案（建议），如引导用户到官方来源或切换到无害主题。在响应中包含简短、透明的理由以维护信任同时引导行为。

边界条件定义代理可以讨论的内容以及保持私有的内容。对于个人助手，应用个人上下文并考虑因素如用户年龄、位置和任务领域。当请求涉及食物或食谱时，约束建议避免医疗声明，并在需要时建议咨询专业人士。通过永不暴露敏感标识符或在对话中存储不必要数据来强制执行隐私。

测试和治理：运行红队演习，与人工在环中配对用于升级决策，并维护轻量级变更日志。监控指标如生成质量和升级率，并记录拒绝以简短理由支持迭代改进。使用反馈随时间细化提示、边界条件和安全提示，确保生成工件与基于研究的教训（研究）和用户期望对齐。

模板和实际使用：制作覆盖常见任务同时尊重护栏的通用集。例如，当用户比较产品时设计购物伙伴工作流程（购物、伙伴），提供清晰的播放列表策展流程，并以雄心支持简单目标设置。询问哪些偏好、标记风险标志，并保持解释简单。使用研究调整提示和使用营销洞见调谐提示，利用数据而不妥协隐私，以便时间提示和工作计划平稳集成到个人助手中。

使用可重复指标测试、迭代和版本化提示

定义基线提示（v1）并运行 50 次交互试点，以使用固定评分表量化任务完成率、平均解决时间和用户满意度。创建版本日志并标记构建为 v1、v2 和 v3。使用插件记录每个提示指标并导出结果到 CSV 以进行跨团队比较。此方法通过显示什么一致有效以及什么漂移来提供价值，并帮助理解语气、指令和上下文如何影响结果。为此，在博客中记录发现，以便创建者可以发现模式并分享教训。保持队列恒定以确保苹果对苹果比较，并从不同分析师跨主题和解决方案收集输入以收紧覆盖。测试选项，包括专注于词汇的措辞和语气上的闪烁检查，以查看更改如何影响用户体验。准确处理数据，建议小、可重复更改而不是全面重写。此循环不断展示哪些更改改变性能，以及哪些步骤需要优化，以为开发者和用户提供更大价值。

指标和版本化

建立可重复指标：任务完成率、平均解决时间、提示漂移分数和 5 点量表的用户满意度。设置基线目标（例如，85% 完成，CSAT 4.2）。将提示版本化为 v1、v2、v3 并维护描述每个更新变化的变更日志。使用相同提示跨相同上下文运行测试以保持选项可比；跟踪哪些选项性能更好以及词汇变体如何影响准确性。使用闪烁指标标记与气候和受众不一致的语气，并在博客中报告发现以告知分析师和开发者。

操作工作流程

采用紧凑循环：组装固定测试语料库，通过插件收集指标、审查结果、决定更改并推送新版本标签。每两周重复一次，并涉及来自不同主题的分析师以维护广度。记录关于优化和信号风格选择之间的决策，然后重新计算指标以确认改进。发布简洁读出，显示哪些更改导致更好结果以及哪里需要进一步调谐，以便博客和创建者看到实际示例和结果。