引言：为什么你需要一套提示词模板？
想象一下，你打开 ChatGPT，输入“帮我写个东西”，结果得到一个泛泛而谈的回答——这就像问一个厨师“做点吃的”，他可能给你端上一碗白水煮面。提示词的质量直接决定了 AI 输出的价值。根据 OpenAI 的官方文档，结构化的提示词可以将任务完成率提升 40% 以上。本文为你提供一个覆盖写作、编程、分析的 100 个提示词模板库，并附上核心技巧，让你从“会用”进阶到“用好”。
写作场景：从灵感枯竭到高效产出
模板 1：内容大纲生成
- 基础模板：
请为[主题]生成一篇[字数]字的文章大纲，包含引言、3 个核心观点和结论。 - 进阶模板：
以[受众]为目标读者，为[主题]创建一份 SEO 友好的大纲，每个小节包含 2 个关键词。
示例：
code
请为“AI 在医疗领域的应用”生成一篇 1500 字的文章大纲，面向医疗从业者，每个小节包含关键词“诊断”和“伦理”。模板 2：改写与润色
- 模板：
将以下文本改写为[风格，如“学术”、“营销”、“对话”]风格，保持核心信息：\n[粘贴文本]
模板 3：社交媒体文案
- 模板：
为[产品/活动]写 3 条 Twitter 推文，每条不超过 280 字符，包含 emoji 和话题标签。
编程场景：从调试到代码生成
模板 4：函数生成
- 模板：
请用[语言，如 Python]写一个函数，实现[功能描述]，包含错误处理。 - 示例：
code
请用 Python 写一个函数，实现从 CSV 文件读取数据并计算每列平均值，包含文件不存在的错误处理。输出示例（代码块）：
python
import pandas as pd
import sys
def calculate_column_averages(file_path):
try:
df = pd.read_csv(file_path)
return df.mean(numeric_only=True)
except FileNotFoundError:
print(f"文件 {file_path} 未找到。")
sys.exit(1)模板 5：代码解释与优化
- 解释模板：
逐行解释以下代码，重点说明[特定部分，如“循环逻辑”]:\n\\\[语言]\n[代码]\n\\\`` - 优化模板：
优化以下代码，使其运行速度提升 2 倍，并保持可读性：\n\\\[语言]\n[代码]\n\\\``
模板 6：单元测试生成
- 模板：
为以下函数生成单元测试，使用[框架，如 pytest]，覆盖正常、边界和异常情况：\n[函数代码]
分析场景：数据洞察与决策支持
模板 7：数据解读
- 模板：
分析以下数据集，找出 3 个关键趋势，并推荐下一步行动：\n[表格或 CSV 数据]
模板 8：SWOT 分析
- 模板：
对[公司/项目]进行 SWOT 分析，以表格形式呈现，每个维度给出 3 个点。
| 维度 | 内容 |
| 优势 | [3 个点] |
| 劣势 | [3 个点] |
| 机会 | [3 个点] |
| 威胁 | [3 个点] |
模板 9：假设检验
- 模板：
假设[场景]，请运用[方法，如“回归分析”]检验其可行性，并输出关键指标。
如何高效使用这些模板？
- 定制化：将模板中的方括号内容替换为你的具体需求。例如，将“[主题]”替换为“气候变化”。
- 迭代优化：如果第一次输出不理想，追加指示，如“请更详细”、“增加示例”。
- 组合使用：例如，先用“大纲”模板生成结构，再用“改写”模板调整风格。
总结与行动建议
从写作到编程，再到数据分析，这 100 个提示词模板覆盖了 AI 助手的核心应用场景。关键在于：模板是起点，不是终点。每次使用后，记录���出质量，逐步调整参数（如温度、长度），形成自己的“提示词库”。
行动建议：
- 立即打开 ChatGPT，选择一个你最头疼的场景（比如写周报），套用对应模板。
- 记录一次成功和���次失败的提示词，分析差异原因。
- 分享你的自定义模板至社区，例如在 AI Explorer 的讨论区（请访问 AI Explorer 联系页面）交流。
记住，AI 的能力取决于你提问的艺术。掌握模板，你将不再是“提问者”，而是“引导者”。