神奇提示詞，提高GPT-5寫作能力10倍！

金絲大環刀，解剖AI的工程難題。

看了很多評測，說GPT-5寫作能力大不如前，我也測試了一下，寫的AI味兒十足。寫作能力很一般

在學習群里討論了一下，結果發現是我用錯了！

實測 被坑的魯迅

原提示詞

假如魯迅被裝腔作勢又賊貴的咖啡廳坑了，他會寫一篇怎樣的文章吐槽?寫一篇1000字以內的短文。

按照官網指南，修改后的提示詞

你的身份：資深雜文作者（仿魯迅筆法，但保持原創） 讀者畫像：普通大眾（城市白領與學生） 主題命題：假如“我”在一家裝腔作勢且價格離譜的咖啡廳受了“坑”，寫一篇吐槽與反諷的雜文 指定素材（僅依據以下素材寫作）： - 場景：極簡白墻、拉丁文菜單、手磨儀式感；空氣里有豆香與價目表的硬氣 - 細節：一杯“泥土與焦糖傳說”標價98元；服務生糾正顧客讀音；水要另收服務費 - 沖突：點單被指“沒有品味”；賬單含“藝術氛圍維護費”；投訴被以“品牌理念”搪塞 - 反差：門外打工人自帶熱水；店內談“自由與風味”的人刷分期 寫作目標：寫一篇不超過1000字的雜文（含標題） 結構與節奏： - 開篇：直入“被坑”的一瞬，并點出諷刺核心（價格與體面互為掩護） - 中段：人/物/場三剖面——服務生腔調、咖啡術語與實際味道、店內布置與門外生活 - 轉折：由此店推及更廣的“體面經濟/面子消費”，誰在付學費，誰在收租 - 收束：一句冷刺收尾，留讀者自行對號 文風要求（重要）： - 語氣：冷峻克制、反諷為主；多短句與停頓，少感嘆 - 技法：對照、排比、反問、借代、隱喻；以細節白描代替說教 - 語言：現代白話，微帶舊式書面腔；避免網絡熱詞與口水話 - 引用：可化用典故，不得大段照抄魯迅原文 硬性約束： - 字數：≤1000字（目標800–950字） - 原創性：不得直接復刻魯迅句子；僅仿其筆法與結構 - 輸出：僅給出標題與正文，不要解釋過程與思路

原輸出

新提示詞輸出

《一杯傳說》

走進那家咖啡廳時，我已經預感要失血。只是沒想到，傷口被裹上了絲綢。

白墻空曠，像未寫字的信紙；桌椅間流著豆香，也飄著一張價目表的硬氣。菜單是拉丁文，卷得比咖啡粉還細。服務生遞過來時，眼神平穩，像捧著一封判決書。

我點了那杯“泥土與焦糖傳說”。九十八元。讀錯了“焦糖”的拉丁尾音，便被輕輕糾正。那語氣，不似提醒，更像告訴你——這不是你該進的屋子。

水要另收服務費。我端起杯，啜一口。味道的確像泥土，只是傳說里從不夾雜焦糖。苦澀翻舌，卻被宣稱是“森林地表的層次感”。我看見鄰桌的西裝男子微笑點頭，像在向味覺投降。

服務生行走其間，聲音柔得能把釘子抹平，唯獨在“您沒有品味”這類話上，像突然換了刀口。賬單遞來，除咖啡與水，還有“藝術氛圍維護費”。我問這是何物，對方說：“品牌理念。”說完便退回去，像關上了一扇不該打開的門。

墻外，是帶著保溫杯的打工人。他們的水不收費，也不講森林與焦糖，只講今天的班還有幾個小時。墻內，有人談“自由與風味”，同時刷分期付款。空氣被隔成兩半，一半用于呼吸，另一半用于維持姿態。

想起舊話：有些學費，不在學校交。此刻我才明白，原來體面也能標價，而且比學問貴。那些拉丁文，不是裝飾，而是關口；那些術語，不是描述，而是密碼。真正的門檻，不在地板，而在舌尖與錢包之間。

誰在付學費？是想被看見的普通人。誰在收租？是販賣“與眾不同”的柜臺。味道只是引子，價格才是正文。

我離開時，陽光很亮，像給這筆賬蓋了一個公章。只是那印上寫著：傳說未必動人，賬單總能。

有模仿痕跡，但是是原創風格。金句：有些學費，不在學校交 。666！

寫論文的同學甚至眼睛一亮，AI率0了？

以下是根據官網GPT-5 提示詞指南英文版，整理后的適合寫作的簡版手冊，中文完整翻譯版移步第二篇

GPT-5 實用指南（公眾號版）：大學生 / 程序員 / 白領都能用的高效提示詞

面向三類人群，給出可直接復制的提示詞與范例：

• ? 大學生 ：高效學習、論文閱讀、備考提效

• ? 程序員 ：快速定位問題、寫清晰代碼、與大型代碼庫協作

• ? 白領 ：郵件寫作、會議紀要、調研報告、方案潤色

文末附帶“收藏級萬能模版”。

為什么是 GPT-5？

• ? 更能“自己做事” ：在不打斷你的情況下，持續把任務做完。

• ? 更懂“指令細節” ：按你說的來，少跑偏，少重復確認。

• ? 更適配“復雜流程” ：多步驟任務、需要用工具或上下文時更穩。

小貼士：當你希望它更“主動”或更“克制”時，試著在提示里加上“積極性”和“預算”說明（文末有模版）。

程序員：從查因到修復，一條龍搞定

• ? 代碼評審（清晰 + 可維護）

你是資深代碼評審。目標：提升可讀性、可維護性與邊界處理。 請基于以下代碼： {貼上待評審代碼} 要求： - 指出命名、控制流、異常處理、重復邏輯等可改進點 - 給出逐條建議與示例重構片段 - 標注“必須修改/建議修改/可選”優先級

• ? Bug 快速定位（少走彎路）

我遇到一個 Bug：{現象與報錯} 上下文： - 運行環境：{語言/框架/版本} - 近期改動：{PR/提交說明} - 相關日志：{簡化后的關鍵日志} 請： 1) 復盤最可能的三個根因及驗證方法 2) 先給出“最小代價”的排查順序 3) 以“若 A 否定→B；若 B 否定→C”的形式寫出操作流

• ? 與大倉庫協作（不迷路）

目標：在大型代碼庫中定位“用戶登錄態過期重定向”的邏輯與觸發點。 請輸出： - 相關目錄/文件/類/函數的候選清單（按可能性排序） - 每個候選的“為何相關”的簡述 - 建議的“精確檢索關鍵詞”與下一步閱讀順序

• ? 給出清晰實現（示例：后端接口）

需求：實現“根據 userId 獲取最近 10 條訂單”的接口（Java/Spring）。 請產出： 1) 控制器、服務、倉儲的分層代碼骨架 2) 清晰命名與錯誤處理約定 3) 偽造數據的單元測試樣例 4) 邊界：無訂單、數據庫超時、userId 非法

• ? 一鍵出學習計劃（按周/按章節/按考試倒計時）

我在學 {課程/科目}，現在到 {章節/進度}，考試在 {日期}。 基礎：{自評 1-5} 目標：{通過/良好/優秀} 請給： - 周度計劃（每周目標 + 具體任務 + 時間建議） - 每日微任務（25-45 分鐘粒度） - 難點/誤區提示與練習建議 - 周末復盤清單

• ? 論文速讀 + 知識圖譜

請用“3 層要點”總結這篇論文： - 第一層：一句話摘要 - 第二層：核心問題、方法思路、關鍵實驗 - 第三層：優缺點、可復現實踐、與經典論文的關系 另外： - 畫出知識點關聯（文字描述即可） - 給出入門/進階/專家級的延伸閱讀列表

• ? 考試押題與錯題本

請基于以下章節與往年題型，為我生成 20 道題（單選/多選/簡答/計算各占比）： - 章節：{列出} - 知識點權重：{高/中/低} 輸出： - 題目 + 正確答案 + 解析 + 易錯點 - 打亂順序，最后附“錯題再練 5 題”（基于前面做錯的知識點）

• ? 英文郵件一鍵潤色（保持語氣與品牌）

場景：{催款/道歉/談判/跟進/邀約} 語氣：{正式/親和/堅定} 對象：{客戶/合作方/內部同事} 要點：{列要點} 請用英文輸出： - 主題的 3 個選項（短、明確、可 A/B） - 正文（開場→關鍵信息→行動請求→結尾致謝） - 2 句可選的“輕度緩和/強調”版本

• ? 會議紀要（要可落地）

根據以下會議錄音/筆記要點，整理紀要：{粘貼要點} 輸出： - 決策清單（確認/待確認） - 行動項（負責人/截止時間/依賴/風險） - 風險與備選方案（每條 1 句話） - 下次會議議程與準備材料清單

• ? 市場/競品快速調研

目標：了解 {賽道/產品/功能} 的核心格局和機會點。 請輸出： - 3-5 家核心玩家的“要點對比表”（產品/定價/人群/差異化） - 用戶視角的“痛點-場景-價值”映射 - 可能的切入策略（MVP 方案 + KPI） - 需要關注的政策/合規/數據風險

• ? 積極性（讓它更主動/更克制）

- 在完全解決我的請求前請持續推進，不要提前結束。 - 遇到不確定性請先給出你的最佳推斷并繼續，同時記錄假設。 - 完成后總結“你做了什么 + 還可優化處”。

• ? 預算（限制“折騰”成本）

- 搜索深度：低（盡快可行動即可） - 工具/外部檢索最多：2 次 - 若仍不確定：先產出一個可行初稿并列出 3 個主要不確定點

這兩個小段，幾乎能立刻改善“效率與穩定度”。

復制就能用的“萬能模版”

• ? 任務通用模版

你現在是 {角色}。請幫我完成 {目標}。 上下文：{已有信息/限制/資源} 產出要求： - 結構化輸出（列出一級標題與要點） - 標注“必須/建議/可選”的優先級 - 提供至少一個可直接執行的最小方案（MVP） - 指出 3 個最大風險與規避方式

• ? 寫作通用模版

寫作體裁：{郵件/方案/報告/公號稿/摘要} 目標受眾：{對象/角色} 語氣：{正式/活潑/堅定/親和} 素材：{要點/事例/數據} 結構：{給出你希望的結構，或讓模型先給 2-3 個結構供選} 風格：{簡潔/故事化/數據驅動/案例對比}

• ? 編程通用模版

語言/框架：{如 Java + Spring / TS + Next.js} 任務：{修復/重構/新增} 約束：{性能/安全/兼容性/風格} 請給： - 設計要點與目錄/模塊劃分 - 關鍵函數/類的簽名與命名建議 - 錯誤處理與日志建議 - 單元測試用例（邊界/異常/性能）

• 更多資料

• 官方鏈接（最新）

  提示工程最佳實踐（6大策略）

  Prompt engineering best practices
  

  https://platform.openai.com/docs/guides/prompt-engineering

  GPT best practices

  https://platform.openai.com/docs/guides/gpt-best-practices

  推理模型與提示要點

  Reasoning models and prompting

  https://platform.openai.com/docs/guides/reasoning

  結構化輸出與可控格式

  Structured outputs

  https://platform.openai.com/docs/guides/structured-outputs

  更多實操示例

  OpenAI Cookbook

  https://cookbook.openai.com/

總結

用 GPT-5 的正確方式：明確目標、給出上下文、規定產出形態，再用“積極性 + 預算”兩個小開關調好風格與效率。把上面的模版和例子直接復制到你的場景，就是最快的生產力。

回復【GPT】，一起評測研究GPT-5。下一篇我詳細講一講 AI工作流為什么會比 智能體工作流落后，給大家一些轉型和學習的思路。

創作不易，如果覺得有用，在看 + 收藏 + 轉發給需要的同事和同學，發現不好用的Case，大家也可以在評論區貼出自己的需求場景由你改提示詞。

我是刀哥，大廠架構師，出海創業者，深入研究AI工具和AI編程。關注我，了解更多AI知識！