一、先建立一个正确的心智模型

理解 ChatGPT 如何工作，会改变你与它每一次交互的方式。原话说得很直接：ChatGPT 是一种大语言模型，它根据当前对话中已有的全部内容，预测最可能出现的下一个 token。它不会像人类那样思考、推理或理解。

这个模型推出四个直接可用的结论：

• 上下文越充分，预测越准确——你提供的信息越多，输出越准。
• 具体要求可以减少随机性——模糊的提示词会产生泛泛的输出，因为有很多种续写方式概率相近；具体的提示词会缩小预测范围。
• 格式要求是有效的——说"用表格回答"或"使用项目符号"，就是在把输出的概率分布引向这些模式。
• 模型在不同对话之间没有记忆——除非使用记忆功能，否则每次新对话都从零开始。

关于上下文窗口：GPT-5.6 Sol 拥有 1,050,000 token 的窗口，约相当于 790,000 个英文单词。原文提醒：如果对话超出窗口，ChatGPT 就会开始"忘记"较早的消息——长时间研究任务需要定期总结、再开新对话。

二、技巧 1—10：提示词结构

原文说第一条技巧是最有影响力的单项技巧：先定义角色。对比一下：

不要只说："为我的鞋子写一段产品描述。"
可以这样说："你是 Nike 的资深文案，拥有 15 年运动鞋产品文案写作经验。请为我的跑鞋写一段产品描述。"

角色设定会引导模型调用与该专业领域相关的表达模式——词汇、结构、细节程度和观察角度都会随之变化。

其余九条的结构要点：

• 先交代背景再布置任务——回答三个问题：受众是谁（高管和初级开发者要的不是一个东西）、目标是什么（"传达信息"和"说服"输出不同）、有哪些限制（篇幅、语气、格式、必含和避免的内容）。
• 明确指定输出格式——"用 Markdown 表格回答，列名为：功能、好处、示例"／"恰好列出 5 个要点，每个要点少于 20 个词"／"输出合法的 JSON，键名为 title、summary、tags"。
• 用示例确定模式（少样本提示）——在请求前给 2—3 组输入输出示例，模型会模仿它看到的模式，能显著提高准确性并让格式保持一致。
• 把复杂任务拆成步骤（提示链）——不要在一个提示词里要求它同时做五件事，拆成连续步骤，每步质量都更高。
• 告诉它不要做什么（负面提示）——"不要使用'在当今快节奏的世界里'这句话"／"不要写泛泛的引言"／"不要使用项目符号"／"不要在结尾添加免责声明"。
• 用参照对象设定语气——"参考 Paul Graham 随笔的风格"／"采用 Wirecutter 产品评测的语气"，比"写得随意一点"有效得多。
• 推理时用"一步一步思考"（思维链提示）——原文给出的数据是：复杂推理任务中，使用思维链提示后准确率平均提升 40%。
• 要求它自我评估——"写完营销邮件后，评估这封邮件，找出最薄弱的 3 个部分，并重写它们"，促使它做第二轮检查。
• 长输入使用分隔符——用 ---反馈开始---／---反馈结束--- 这类标记，防止模型把你的指令和待分析内容混淆。

三、技巧 11—20：大部分人忽略的隐藏功能

原文对 Canvas 的判断很实用：如果输出超过几个段落，就用 Canvas——对编辑类任务，它比标准聊天界面好用得多。

而自定义指令那段原文给了一个现成模板，可以直接抄：

"我是一名 SaaS 产品经理，写作面向技术受众。除非我要求更多内容，否则回答请控制在 300 个词以内。列举内容时使用项目符号。不要使用企业套话。当我请你协助写作时，请采用 Intercom 博客的语气。"

四、技巧 21—40：专业工作流与高手进阶

原文的分组是"专业工作流"和"高手进阶技巧"两段，覆盖的是把前面能力组合起来的用法。基于已读到的部分，可归纳为几个方向：

• 把单次提问改成可复用工作流——不是每次重写提示词，而是把经过验证的提示词存成模板。
• 让任务自带验收标准——把"自我评估"从临时要求变成流程里固定的一步。
• 用外部工具做增强——如 SurePrompts 这类提示词生成器，会自动为任务选择合适的角色并构建结构清晰的提示词。
• 长文档处理要主动分段——超出上下文窗口就要定期总结再开新对话。

这些技巧的共同点是：都在把"每次重新组织语言"变成"一次配置、反复使用"。这正是自定义指令和 Canvas 这类功能的价值所在。

五、四条必须避开的错误

原文专门有一节讲需要避免的常见错误，加上前面技巧里的提示，整理成四条：

1. 提示词太短太模糊——"帮我写个方案"得不到好结果，因为模型缺受众、目标、格式和限制这三样。
2. 在一条提示词里塞五件事——拆成提示链，每步只专注一项。
3. 不分场合用同一套提示词——写作用角色 + 格式，编程用环境 + 报错 + 输出结构，两者需要的上下文完全不同。
4. 忘记上下文窗口的限制——长对话会让模型"忘记"早期消息，长任务要主动分段和总结。

GPT-5.6 Sol 支持 105 万 token 的上下文窗口，但真正带来提升的，是知道有哪些功能，以及如何通过提示词调用它们。

行动建议：不要一次改 40 条。先做三件事——(1) 打开自定义指令，把你的身份、常用场景和默认输出偏好写进去；(2) 把你上一个用得最顺手的提示词存成模板；(3) 找出你最近一次"输出不满意"的对话，回去看缺了哪三个要素（受众 / 目标 / 格式）。这三步的收益，比通读 40 条技巧大得多。