AI提示词大全_ChatGPT提示词模板与优化技巧

AI提示词 Grok

471 热度

高阶版消费品牌行业情报简报提示词

一组专为消费品牌行业情报简报设计的视觉提示词方案，帮助用户以...

AI提示词消费品牌行业情报

查看详情

角色定义
这是一个面向“高端商业情报视觉策划师”的提示词方案。你的任务是为消费品牌行业生成一张具备专业深度、数据权威感和品牌调性的情报简报封面或核心信息图。目标是把抽象的行业趋势、竞争格局、市场洞察转化为视觉语言，让简报在第一时间建立“高阶、可靠、值得信赖”的印象，从而服务于战略会议、投资报告或品牌年报等场景。

适用场景

消费品牌行业季度/年度情报简报封面或内页主视觉
品牌战略会议、行业峰会的PPT开场页或数据摘要页
投资机构用于分析消费赛道趋势的辅助报告图
品牌自有媒体发布的行业洞察长图或短视频封面

核心提示词（可直接复制使用）

“A high-end business intelligence briefing cover for consumer brand industry, featuring a sleek futuristic dashboard with layered data charts, brand logos in circular arrangement, upward trend lines in gold and deep blue gradient, abstract geometric shapes representing market segments, soft lighting, hyper-detailed texture, 8K resolution, cinematic composition, professional and authoritative atmosphere”
“Top view of a glossy black conference table, scattered with translucent data sheets and holographic pie charts floating above, luxury fountain pen beside a minimalistic brand intelligence report, warm spotlight from above, reflections on polished surface, premium paper texture, subtle glow from digital projections”
“A 3D infographic of consumer brand market dynamics, with interconnected nodes representing brand equity, consumer sentiment, sales volume, and innovation index, glowing lines connecting them, dark navy background, silver and cyan accent colors, depth of field, volumetric lighting, sharp edges, tech-minimalist style”

风格方向

主基调：高端商业科技感 + 精准数据美学，避免过度艺术化，强调清晰与权威。
色彩组合：深海蓝（#0B1D3A）、香槟金（#C9A96E）、冷银灰（#A3B5C6）作为主色，局部用哑光白提亮。
材质参考：磨砂金属、半透明亚克力、超细布纹纸、轻微磨损的皮革封面，增强质感层次。
排版暗示：无衬线字体（如Helvetica Neue或Futura），标题采用窄版字重，数字用等宽字体，留白充足。

构图建议

黄金比例分割：将画面主要数据区域置于右侧2/3，左侧1/3放置标题区或品牌Logo集。
视觉锚点：使用一条自左下向右上的上升箭头或曲线作为主视觉引导线，串联关键数据点。
层次嵌套：背景为抽象网状结构图，中景为半透明浮动图表卡片，前景悬浮一页带有“CONFIDENTIAL”水印的简报实物模型。
镜头语言：采用微俯视或15°倾斜视角（例：60mm焦距，f/2.8光圈），营造“正在被审视”的沉浸感。

细节强化

数据图表边缘添加微光晕（0.5px内发光），模拟数字屏幕的物理光效。
在简报纸张边缘增加极轻微的折痕或卷角纹理，暗示真实使用场景。
背景网格线采用点阵而非实线，避免抢夺注意力；网格颜色用极淡的灰蓝色（透明度15%）。
品牌Logo区域添加统一的透明磨砂玻璃圆角容器，降低杂色干扰。

使用建议

生成图像时，推荐宽高比16:9或4:3，适合PPT或屏幕展示；若用于印刷，建议将分辨率提升至300 DPI并选择“PBR材质”渲染引擎。
核心提示词中的“hyper-detailed texture”和“8K resolution”可根据算力适当弱化，但保留“cinematic composition”以保证构图稳定性。
如需突出特定品牌，可将“brand logos in circular arrangement”改为具体品牌名称（如“Nike, Lululemon, Starbucks logos arranged in a semicircle”）。
若生成结果偏暗，可在提示词末尾追加“bright studio lighting, 45-degree key light”来提升商业感。

AI提示词 Mistral

969 热度

运维监控边缘推理优化结构化提示词

本提示词方案为“运维监控边缘推理优化”设定专业视觉创作角色，...

AI提示词运维监控边缘推理

查看详情

角色定义与任务定位
你是一位数据中心运维监控视觉设计师，专注于边缘计算与AI推理优化场景的影像化表达。你的任务是将抽象的“边缘推理优化”转化为可感知的视觉语言——通过监控大屏、设备特写、数据流可视化等元素，清晰展示运维人员如何实时监测并调整边缘端推理负载。你的最终输出是一组可以直接用于图像生成工具（如Midjourney、Stable Diffusion）的提示词，以专业、科技、精密的风格呈现。

适用场景

需要生成用于技术博客封面、云服务白皮书配图或运维产品宣传海报的视觉素材。
为边缘计算相关演示文稿、视频开屏或展览展板提供概念设计参考。
在AI绘图工具中快速产出多组不同构图与氛围的“边缘推理优化”概念图。

核心提示词
以下提示词可直接复制使用：

“A high-tech edge computing monitoring room, multiple rack-mounted edge servers with green status LEDs, large transparent screens displaying real-time inference latency graphs and GPU utilization heatmaps, data streams flowing as cyan light trails, an engineer’s hand adjusting a deployed model parameter panel, deep blue and dark metallic color palette, cinematic volumetric lighting, hyper-detailed circuit board textures, photorealistic, 8K resolution, shot on wide-angle lens, dynamic motion blur on the streaming data, style of blade runner 2049 meets modern server infrastructure --ar 16:9 --v 6.0”
备选短版：“Edge inference optimization station: compact edge device with heatsink fins, a holographic dashboard showing 'Inference Throughput +37%' with a green upward arrow, surrounding oscilloscope waves in teal, dark industrial ambient light, macro photography focus on the chip package, subtle glow from internal fiber optics, ultra-sharp, no text except on the hologram --ar 3:2”

风格方向

科技纪实风：强调真实设备质感与数据可视化细节，色调以黑、蓝、青为主，带冷白光补充。
赛博工业风：加入轻微霓虹光晕、金属反射与玻璃透明度，营造未来运维控制中心氛围。
精微特写风：聚焦于边缘推理卡的PCB走线、散热鳍片、接口指示灯，用微距镜头体现硬件优化美感。

构图建议

全景式：采用0.8倍广角，从上向下俯拍一排边缘服务器机柜，前方操作台上悬浮多个半透明监控窗口，形成“数据包围硬件”的层次感。
对角线引导：将主要监控屏幕放在左侧1/3处，右侧边缘设备以45度角排列，视线从屏幕数据流向设备接口，暗示“监控→推理→优化”流程。
交叉焦点：前景虚化一个闪烁的LED，中景是运行中的推理模型参数列表，远景为整个机房的冷光源阵列，营造专业深度。

细节强化

监控屏幕内容：包含实时推理延迟曲线、模型版本号、边缘缓存命中率、CPU/GPU占用环形图。避免完全空白屏幕。
设备特征：强调散热器上的金属拉丝、螺丝孔、光纤接口的多彩跳线（LC/SC接头），以及运行中的风扇转动模糊效果。
环境氛围：添加一层极淡的青色雾气或镜头光晕，模拟机房空调出风口气流与高显色照明。
色彩提示：主色#0B1A2B（深蓝黑），辅色#00E5FF（电青），高亮色#FF5E00（推理告警橙），底色#1A1A2E。

使用建议

建议配合参数 --s 750 提升风格化程度，或 --s 250 保持更写实效果。
若需强调“优化”动作，可在提示词中加入形容词如“optimized”, “efficient”, “zero-latency”。
对于更简约风格，可移除“volumetric lighting”和“motion blur”，增加“minimalist, clean, white neutral background”。
每次生成可微调“ar”比例：16:9适合宽屏海报，3:2适合印刷图，1:1适合社交媒体。

AI提示词 Ernie

350 热度

专业版数据分析师会议纪要提炼提示词

专为数据分析师设计的会议纪要提炼提示词方案，明确角色任务，将...

AI提示词数据分析师会议纪要

查看详情

角色定义与任务定位
请以资深数据分析师的身份，将一次涉及数据讨论的会议内容提炼为结构化、可复用的数据洞察纪要。你的目标不是记录流水账，而是从原始对话中提取关键数据结论、异常信号、决策依据、行动项及其影响评估，最终输出一份逻辑清晰、直接指导实战的专业摘要。

适用场景

数据复盘会、周/月度业务分析会的纪要整理
跨部门数据需求沟通会议的结论提炼
分析师团队内部对复杂分析结果的共享与归档
将口头讨论转化为可录入数据看板或报告的关键信息

核心提示词
以下提示词可直接复制用于图像生成（如信息图、数据看板风格插图）或AI内容生成工具，帮助你获得结构清晰的纪要稿：

“生成一份专业版数据分析师会议纪要，包含以下模块：数据核心发现、异常波动归因、会议决策与依据、后续行动项及责任人、数据验证节点。每个模块用1-2句话凝练说明，不使用模糊用语，只保留可量化结论。” 
“以‘数据驱动’为原则，将原始对话中的非结构化描述转化为‘指标名+数值+对比基准+趋势判断’的格式。例如：‘DAU环比下降12%，主要受iOS端版本更新后加载延迟影响，预计修复后两周内回升。’” 
“在纪要末尾增加‘待验证问题清单’，列出需要进一步取数验证或建模分析的疑问点，并标注优先级（高/中/低）。”

风格方向

专业冷静：避免主观情绪，使用“数据显示”“分析表明”“基于置信区间”等客观措辞。
结构化清晰：采用标题、编号、加粗术语、表格化思维（即使最终输出为纯文本，内部逻辑也应可快速提取）
数据可视化暗示：在文字中植入图表建议，如“该趋势可配合折线图呈现，重点标注拐点日期”。

构图建议
若将本提示词用于视觉设计（如信息长图、PPT内页），建议构图如下：

顶部：标题区 + 会议核心数据指标卡片（如“关键指标：DAU 2.1亿，环比-12%”）
中部：左侧为“结论与归因”列表，右侧为“决策与行动”时间线图
底部：待验证问题清单 + 数据负责人标签
色彩：深蓝+灰色调为主，强调色（橙红）用于标注异常或高风险项

细节强化

为每条结论追加数据来源说明（如“取自A/B测试后台，样本量10万”）
为每个行动项标注预期完成时间与验收指标（例如“7月15日前完成埋点修复，并验证错误率降至1%以下”）
使用“影响范围”标签（核心用户/全部用户/仅测试组）增强可执行性
保留异议点记录，用斜体或括号标注“该结论来自XX方初步分析，需进一步复现”。

使用建议

直接输入AI工具：将上述“核心提示词”作为指令粘贴到ChatGPT、Claude等对话框中，并附上原始会议录音转文字内容，快速获得初版。
人工精修：每次使用后对照“细节强化”清单补全信息，形成团队标准纪要模板。
结合标签应用：本提示词适用于数据分析师个人复盘，也适合用于团队知识库结构化录入，可配合“数据洞察”标签归档。
动画或静态图：若需生成视觉展示，建议将“构图建议”与上述核心提示词一同交给DALL·E或Midjourney，生成信息图风格图像。

AI提示词 Grok

159 热度

社媒社区直播热点话题高阶版提示词

这是一套专为社媒社区直播场景打造的高阶提示词方案，由热点直播...

AI提示词社媒社区直播热点

查看详情

AI提示词 Ernie

736 热度

研究报道法律普法内容完整流程提示词

这是一套面向法律研究报道与普法内容创作的提示词方案，重点帮您...

AI提示词研究报道法律普法

查看详情

AI提示词 Ernie

209 热度

实战型财税解读论文润色改写提示词

为财税论文润色改写场景设计的视觉提示词方案，帮助创作者生成专...

AI提示词财税解读论文润色

查看详情

角色定义与任务定位
你应担任视觉创意策划师兼财税学术顾问，目标是为“实战型财税解读论文润色改写”这一主题生成可直接用于AI图像工具的提示词方案。需要将抽象的文字修订过程转化为具象、专业、有故事感的视觉画面，突出财税解读的深度、论文修改的实操感，以及学术与商业结合的气质。
适用场景

财税类公众号、知识付费课程的配图或封面设计
论文辅导、学术写作服务平台的品牌视觉物料
财税解读类短视频的封面或场景插图
以“润色改写”为主题的概念海报、信息图基底
创意表达：表现实战专家修订财税政策分析的过程

核心提示词
以下提示词可直接复制用于图像生成（如Midjourney/Stable Diffusion），可根据需要微调画幅与细节。

主场景：A professional financial expert sitting at a modern desk, reviewing a dense tax policy analysis document with red pen markings and sticky notes, laptop screen showing a highlighted PDF of fiscal interpretation, coffee cup and calculator nearby, natural daylight from window, focused expression.
氛围强化：Realistic style, cinematic lighting, shallow depth of field, warm amber tones mixed with cool blue from screen, subtle dust particles in light beam, papers scattered with handwritten marginal notes, sense of deep revision and critical thinking.
专有元素：Tax charts, fiscal data graphs on wall monitor, open textbook with “Tax Law” title, stack of printed papers with “Draft” watermark, digital tablet showing version comparison (before/after), ergonomic pen holder, smartwatch with timer.

风格方向

专业纪实风：模仿财经杂志摄影，锐利清晰，中性色背景，突出人物手部动作与文件细节。
知识工作流风：采用俯拍视角，呈现桌面全景，强调工具与文件的排布，带一点极简主义。
动态修订风：用轻微动态模糊表现笔尖移动或屏幕滚动，暗示正在进行中的改写动作。

构图建议

中景斜侧45度：人物3/4侧面，目光聚焦于纸面，桌面占画面下半部，增强沉浸感。
特写局部：笔尖触碰纸张上红色修改符号，背景虚化显示“财税解读”标题字样。
双屏对比：左边纸质原稿，右边电子修改稿，中间一双手持笔连接两者，形成视觉叙事。

细节强化

材质：纸张轻微纹理、荧光笔反光、钢笔尖金属光泽、屏幕反射的细小指纹。
色彩：主色调选用深蓝（财税权威感）+ 灰蓝绿（冷静）+ 强调红（修改标记），点缀金色光斑。
文字内容：纸面可见“税收优惠”、“税负率”、“合规性”等关键词片段，屏幕显示“Version 3.2 – Revised”字样。
动作暗示：袖口微微上卷、眼镜反光中可见文件倒影、手指按在页码上。

使用建议

优先使用“核心提示词”中的主场景作为基础，根据输出效果调整形容词顺序。
如需更强调“实战”，可添加“Urgency: late night editing, deadline pressure”氛围。
若生成结果偏学术冷淡，可补充“Warm hospitality lighting, comfortable coworking space”平衡专业感与亲和力。
图像生成后可用于论文润色服务说明页、财税解读文章首图或视频封面，搭配冷色调滤镜即可统一品牌调性。

AI提示词 LLaMA

970 热度

实战型开源模型AI应用原型规划提示词

为AI产品经理与技术架构师提供一套结构化提示词方案，聚焦基于开...

AI提示词开源模型 AI应用

查看详情

角色定义与任务定位
你应当以AI应用原型规划师的身份使用这组提示词，核心目标是：基于主流开源模型（如Llama、Stable Diffusion、Whisper等），快速构思并输出一个面向特定行业场景的AI应用原型方案。你需要同时兼顾技术可行性、行业落地需求和视觉表达清晰度，为后续产品开发或演示提供可执行的蓝图。

适用场景

面向企业客户的AI解决方案早期概念设计
技术团队内部进行模型选型与功能模块拆解
产品经理制作演示用的应用原型界面或交互流程
创业项目BP中展示AI应用技术架构与用户路径
开源模型社区贡献者规划新的垂直领域应用

核心提示词
以下提示词可直接复制使用，结合具体行业与模型替换占位符：

"基于[模型名称/例如Llama 3]开源大模型，为[行业/例如医疗文献摘要]场景设计一个AI应用原型。请输出一个包含用户输入、模型推理、结果展示三个核心模块的流程图，并标注每个模块使用的技术组件。"
"规划一个多模态开源模型应用原型，结合[视觉模型]与[文本模型]，解决[具体业务问题]。请用三栏式布局展示：左侧为输入层，中间为模型调度层，右侧为输出层，同时标注关键API调用顺序。"
"为[垂直行业]设计一个基于开源模型的智能助手原型，界面包含：对话输入框、上下文记忆面板、模型切换下拉菜单、推理进度条。请用浅色科技蓝为主色调，扁平化风格。"
"输出一张应用原型的高保真线框图，展示用户从发起请求到获得结构化回复的完整交互流程。重点标注模型推理耗时、本地/云端部署切换按钮、以及数据隐私保护提示区域。"

风格方向

科技感与专业感并存：主视觉偏冷色系（深蓝、银灰、青绿），使用几何分割与网格辅助线体现结构化思维
信息层级清晰：采用卡片式布局，不同功能模块用浅色背景分隔，配合箭头或连接线表达数据流向
开源社区氛围：可以加入模型Logo、开源协议标识、GitHub仓库风格的元素（如分支图标、commit标记）
实战导向：保留注释标签、版本号、状态指示器（如“原型v0.1”、“待测试”）等真实产品痕迹

构图建议

推荐使用三层纵向流程图：上层为用户交互层（输入/输出界面），中层为模型调度层（候选模型列表、推理引擎、缓存机制），底层为数据层（预处理、知识库、隐私脱敏）
或采用左右对照式：左侧为行业现状痛点（带图标或简短文字），右侧为AI应用解决路径（带模型与模块名称）
对复杂原型可采用过程展开式：从左上角用户输入开始，顺时针展开模型加载、推理计算、结果后处理、最终展示四个阶段，各阶段用不同深浅的色块区分
所有构图均需在显著位置标注模型名称与版本、行业场景标签、关键性能指标（延迟、吞吐量）

细节强化

模型选择区：展示至少两个候选开源模型的版本号、参数量、许可证类型，用表格或对比卡片呈现
数据流标注：在流程图的关键连线旁添加文字说明，如“用户查询→分词→向量化→模型推理→结果解析”
交互细节：原型图中需要包含加载态（旋转圆点）、错误提示（红色警示框）、空状态（引导文字）等真实场景元素
扩展能力：预留“插件扩展”、“微调接口”、“多轮记忆开关”等可点击/切换的UI组件，体现原型可演进性
色彩强化：用绿色高亮显示“开源协议兼容”的相关组件，用橙色标注“待优化”的区域

使用建议

先将行业场景与具体开源模型填入核心提示词占位符，用中文或英文均可，推荐保持技术术语原样
若需要输出多个方案对比，可直接复制核心提示词并替换模型字段，再用风格方向中的对比构图呈现
对于需要生成界面实物图的场景（如AI绘画应用），可将构图建议与风格方向合并为一个完整提示词
若面向非技术观众，建议先输出行业痛点图，再展开技术原型；若面向技术评审，直接输出流程图与性能标注
所有提示词均可在Midjourney、DALL·E 3、Stable Diffusion或专业原型工具（如Figma提示词生成插件）中使用

AI提示词 Qwen

120 热度

前端工程MCP工具调用方案结果优化提示词

这是一套面向前端工程MCP工具调用方案优化结果的可视化提示词方案...

AI提示词前端工程 MCP工具

查看详情

角色定义与任务定位
以前端工程可视化设计师或技术方案演示策划师的身份，使用这组提示词的核心目标为：将“MCP工具调用方案优化结果”这一技术抽象概念，转化为直观、专业、富有冲击力的视觉图像。生成时应聚焦于展示优化前后的对比、性能提升量级、调用链路简化程度，以及工具协同效率的变化，而非编写纯文字报告或普通流程图。作品需兼顾技术严谨性与审美表现力，适合用于团队分享、技术博客、产品介绍页或竞品提案中。

适用场景

前端技术方案优化成果的PPT/Keynote演示页配图
MCP工具链集成流程的架构图或信息图
技术博客或文档中“优化前后对比”模块的封面或插图
工具调用响应时间/资源消耗的数据可视化图表
团队内部技术分享会或对外开源项目的宣传视觉

核心提示词（可复制使用）

主提示词：A high-tech architectural diagram showing the optimized MCP tool invocation pipeline in frontend engineering. The scene is split into two parts: left side shows chaotic, tangled lines and scattered nodes representing the unoptimized state, right side shows streamlined, glowing connection lines with smooth flow and compact node clusters. In the center, a glowing arrow or a digital metric label indicates "Optimization: 40% latency reduction". Color palette: deep tech blue (#0A192F), neon cyan (#00E5FF), electric green (#00FF88), with dark grey background. Clean geometric shapes, subtle glassmorphism, floating data particles. 8k resolution, cinematic lighting, soft glow on active paths.
细节扩展词：MCP protocol symbols, floating hexagons, code fragments in monospace (e.g., mcp.call()), real-time data wave lines, minimal UI overlays showing "Call count: 23ms vs 14ms", tiered server racks in background, subtle translucent panels, gradient flow arrows, glowing dust motes, depth of field effect.

风格方向

主流风格：现代科技风 + 信息图风格，强调清晰的信息层级与视觉冲击力。
色彩配比：深色背景（#0B0C10）搭配高饱和冷色（青、绿、蓝），辅助少量明黄或橙色用于关键数据标签。
质感倾向：轻玻璃拟态（light glassmorphism）与发光线条结合，避免过于写实，保持数字感。
明暗对比：高对比度，优化侧明显更明亮、更整洁，未优化侧偏暗且略带噪点纹理。

构图建议

左右二分法：左侧占45%展示未优化状态（杂乱节点、交叉连线、红色警告标记），右侧占45%展示优化后状态（整洁节点、单向流畅连线、绿色对勾标记），中间10%留白放置对比指标。
中心聚焦：若需单屏展示优化结果，可采用中心放射式构图，焦点为一个巨大的MCP工具核心（如发光的圆环或立方体），周围环绕精简的调用链箭头，从外围向核心汇聚。
俯视与透视结合：主要信息流用俯视平面图呈现，特殊节点（如最耗时的调用）可用45°视角的3D块突出，增强层次。
文字标签位置：关键数据（调用次数、耗时、成功率）以浮动标签形式置于对应侧上方，字体使用无衬线等宽字体（如JetBrains Mono），字号差异控制在2:1以内。

细节强化

光影表现：优化后的连接线采用幻彩渐变光晕（从中心白到边缘蓝绿），未优化侧使用冷白单色细线。
材质细节：节点添加微妙的菲涅尔边缘光，背景加入淡蓝色网格辅助线（透明度10%）以强化技术感。
动效提示：若制作动态图，可让优化侧的光点沿路径匀速流动，未优化侧为闪烁抖动；静态图可用虚线轨迹加箭头方向示意。
数据可视化元素：在右下角添加微型雷达图或柱状图，对比“调用延迟、资源占用、错误率”三个维度，每个维度用不同颜色对应。
氛围点缀：少量二进制数字雨（0/1）作为背景漂浮，尺寸极小（10px），颜色为#1A2A4A，不抢占主体。

使用建议

生成时建议配合稳定扩散（Stable Diffusion）或Midjourney V6模型，开启“-–stylize 250”或“-–v 6.0”参数以平衡创新与准确性。
若需要更偏数据图表风格，可增加关键词“technical infographic, line chart overlay, bar chart comparison, call count label”；若需要更偏概念艺术，则去掉“chart”类词汇，保留“architectural, futuristic, floating”。
实际输出前，建议先以“--ar 16:9”宽幅比例试生成小样，调整构图均衡后，再以“--ar 1:1”或“--ar 4:3”适配具体页面排版。
对于印刷用途（如海报），将分辨率提升至“--q 2”“--s 1000”，色彩空间建议sRGB；屏幕显示则保持默认。

AI提示词 Hunyuan

825 热度

高质量家居家装教育课程文案提示词

本方案为家居家装教育课程的创作者提供从角色定位到执行落地的完...

AI提示词家居家装教育课程文案

查看详情

角色定义
您是一名专注于家居家装领域的内容策略师与教育课程创意策划人。任务是以“专业引导者+生活美学顾问”的双重身份，为一套高质量家居家装教育课程生成兼具知识权威感与情绪感染力的文案提示词，并同步产出可支撑课程宣发与视觉呈现的提示方案。每一组提示词都应帮助AI或创作者聚焦“教学价值转化”与“家居场景共鸣”两个核心目标。

适用场景

社交媒体（小红书、抖音、视频号）的课程种草文案与封面图生成
知识付费平台（得到、知乎、小鹅通）的课程详情页文案与主视觉设计
在线教育广告素材（信息流海报、落地页banner）的文案与构图指导
课程宣传视频的脚本开场白与关键帧画面描述
品牌公众号/视频号中“家装课堂”系列内容的配图与文字风格统一

核心提示词
【文案类提示词（可直接复制）】

“一篇面向新手装修用户的课程文案，标题需包含‘避坑’与‘干货’关键词，正文以‘你也在为选错瓷砖而后悔吗？’开篇，先抛出痛点问题，再分三段输出：1. 户型规划误区 2. 材料选择逻辑 3. 软装搭配公式。结尾用‘现在加入课程，即可获取全套施工验收清单’收束，语言口语化但保持专业可信度。”
“写一段适合短视频平台的口播文案，前10秒用‘你家装修花了多久？三个月？半年？其实核心流程只要这三步’制造悬念，中间穿插具体数字（如‘90%的人都会忽略的电路预留位置’），最后引导点击课程链接。语气亲切，像朋友聊天。”

【视觉类提示词（可直接复制）】

“一个明亮宽敞的现代客厅，淡米色墙面，胡桃木地板，暖色灯光从落地灯扩散开来，茶几上摊开一本《室内设计基础》，旁边放着一杯热茶。一位穿浅灰色衬衫的讲者坐在沙发上，手持激光笔，前方墙面投屏显示‘装修验收清单’。摄影风格，浅景深，焦点在讲者面部。电影感调色，低饱和，温暖氛围。文案贴纸位于右下角：‘打造理想家 从读懂空间开始’。”
“俯拍工作台，桌上摆满卷尺、色卡、计算器、设计草图、马克笔，一杯咖啡冒着热气，手机支架上显示课程目录。商业摄影质感，干净简洁，侧逆光凸显材质纹理。背景虚化为书架。用于课程主视觉，标题文字居中上方：‘12堂课 从施工到入住’。”

风格方向

专业教育风：干净、理智、有知识密度，适合课程详情页与海报。使用无衬线字体，蓝灰色系+木质元素，强调结构与逻辑。
温馨生活风：治愈、真实、有代入感，适合社交媒体种草。暖色调、自然光、日常场景（如餐桌、沙发、儿童房），突出“家”的温度。
高端设计风：极简、质感、有审美溢价，适合品牌塑造。黑白灰+金属点缀，微水泥墙面，艺术装置感家具，展示课程的设计理念。
实操指南风：直白、步骤化、有信息量，适合短视频封面与教程截图。清单式排版，箭头或编号标注，高亮关键数据。

构图建议

讲师特写+背景环境：人物略微侧身，视线朝向讲台/屏幕，背景包含课程相关道具（书、工具、设计图），突出“教学现场感”。景深不宜过度虚化，保留环境细节。
场景全景+人物互动：拍摄人物在真实家居空间中的动态（如用手触摸墙面材质、蹲下查看踢脚线），增强代入感与可信度。
俯拍操作台：用于展示课程配套物料（清单、样块、模型），对角线构图，边缘留白便于添加标题文字。
墙面/黑板/屏幕带内容：将课程核心知识点（如“水电走向图”“配色色环”）作为画面元素，人物手指或激光笔指向关键点，强化知识输出属性。

细节强化

材质表达：明确提示“木纹凹凸感”“布艺窗帘褶皱”“金属哑光表面”，避免AI生成过于光滑虚假的渲染质感。
光线氛围：使用“侧逆光勾勒轮廓”“窗边自然光+台灯补光”“暖色3000K色温”等描述，提升画面情绪层次。
文案排版细节：在视觉提示词中嵌入文字占位与字体建议，例如“宋体纵向排布”“白色字+半透明黑色底块”以确保文字可读性。
人物状态：加注“微笑但专注”“手持马克笔正在标注”“翻书页的瞬间”等动作动词，让人物更生动，避免呆板站姿。
品牌符号融入：在场景中放置课程logo的亚克力立牌、带有品牌色的便签纸或茶杯，强化视觉统一性。

使用建议

将【核心提示词】中的文案类与视觉类提示词分别用于不同的AI工具（如ChatGPT生成文案，Midjourney/DALL·E生成图片），注意保持两者风格一致。
若用于批量生成，可先固定“风格方向”中的一种，再替换场景（如客厅→厨房→卧室）和具体痛点（如测量错误→电路隐患），形成系列化内容。
在实际投放前，建议对AI生成的文案进行人工润色，加入品牌独有的成功案例或数据引用，避免过于通用的内容降低专业信任感。
构图方案可与摄影团队或插画师共享，用作拍摄分镜或插画草图的基础框架，提高协作效率。

AI提示词 LLaMA

389 热度

跨境电商模型评测报告结果优化提示词

这套提示词方案专为跨境电商模型评测报告结果优化设计，帮助报告...

AI提示词跨境电商模型评测

查看详情

角色定义
请以资深跨境电商数据分析师 / 评测报告撰稿人的身份，针对模型评测输出的原始结果（含指标数值、对比数据、异常波动等），将其转化为面向业务决策者、运营团队及产品经理的优化文本。核心目标是让非技术读者快速理解模型表现优劣、归因原因及 actionable 建议，同时保持报告的专业严谨度。

适用场景

对机器学习模型（如推荐系统、定价模型、库存预测模型）在跨境电商环境下的 A/B 测试或离线评测结果进行结论提炼。
将评测报告中的“准确率、召回率、F1 值、RMSE、转化率提升、成本变化”等指标改写为业务语言。
生成报告内的执行摘要、关键发现、下一步行动章节。
优化评测结果的可视化描述（图表标题、图注、数据标签说明）。

核心提示词
以下提示词模板可直接复制并填入具体数据后使用：

“请以跨境电商评测分析师的口吻，将以下模型评测数据【数据描述】优化为一段专业性、可读性强的结论。要求：(a) 先说明模型在关键指标上的总体表现（优于/持平/劣于基线）；(b) 对每个显著指标变化给出业务层面的归因解释（例如：召回率提升 5% 主要源于对高价值品类的特征工程优化）；(c) 用一句话指出该模型对日均 GMV / 库存周转率 / 广告 ROAS 的潜在影响；(d) 避免堆砌原始数值，最多保留两位有效数字。” 
“将以下评测结果中的失败案例（模型预测偏差较大的场景）转化为‘风险提示’与‘改进方向’段落，语气客观、建设性，不回避问题但给出可落地的下一步待验证假设。” 
“针对多模型对比评测结果，生成一段‘决策矩阵’文字，帮助运营团队在精度、响应时间、数据覆盖率之间做出取舍。使用对比句式如‘模型 A 在品类泛化上更优，而模型 B 在高频热销品上偏差更小’。”

风格方向

语言：专业但非技术术语堆砌，面向业务侧领导（CXO、运营总监）时可换用“提升转化漏斗”、“降低退货率”、“增加长尾商品曝光”等业务指标表达。
语气：客观自信，用数据说话，避免模糊词（“可能”、“大概”），必要时标明置信度或统计显著性（p值、样本量）。
结构：金字塔原理——先结论后支撑，段落第一句为核心观点，后续为证据和解读。

构图建议

在评测结果优化文本中，若涉及图表描述，建议采用“结论 + 数值支撑”的标题形式。例如“核心指标：对比基线模型，新模型在 Top-100 推荐命中率上提升 12%，但冷启动场景下表现持平”。
针对多个指标的雷达图或柱状图，文本应优先列出最关键的三个维度，并说明偏离原因，而非罗列所有轴。
若结果中有异常点（如某个站点/某个时段指标骤降），优化文本时应先指出现象，再用归因逻辑串联（如“受促销活动高峰队列积压影响，模型响应延迟上升 200ms，导致转化短暂下降，之后已恢复”）。

细节强化

数值处理：将原始数据转化为业务影响。例如“RMSE 从 0.85 降至 0.72”可优化为“预测误差降低了 15%，对应每月少产生约 230万元库存积压风险”。
对比锚点：每次优化时明确对比基准（旧模型、行业均值、历史同期），避免孤立数字。
行动导向：每个优化段落末尾可附带“建议下一步”：如在风险控制场景下建议“立即对该模型进行小流量试跑 3天，验证偏差收敛后再全量上线”。
避免歧义：对跨境电商特有名词（如“跟卖率”、“Listing 健康分”、“仓储周转成本”）保持上下文解释，确保跨部门读者理解。

使用建议

在应用核心提示词时，先根据报告读者群体微调语气：CTO 查看可保留更多技术细节；CMO 查看则需突出用户行为转化影响。
对于批量评测结果（多模型、多站点、多品类），可先建立“结果 → 要点 → 业务影响”三层过滤，再统一用核心提示词逐条优化。
避免过度润色导致数据失真，优化文本应与原始数据表同步评审，确保数字准确性问题由数据团队校验。
可将本套提示词与报告自动生成工具（如 Python 脚本 + 模板）结合，实现评测结果自动生成优化结论，再人工微调。

AI提示词 Claude

699 热度

高效电商服饰论文结构优化提示词

本文提供一套针对电商服饰领域论文结构优化的专业提示词方案，帮...

AI提示词电商服饰论文结构

查看详情

角色定义与任务定位
你应以“电商服饰行业学术论文结构优化顾问”身份开展工作，核心目标是：为研究者提供一套可直接套用的提示词，围绕“高效”与“行业应用”两大关键词，重构论文的章节逻辑、数据嵌入方式与结论呈现，确保每一部分都服务于电商服饰的实际场景（如营销策略、供应链、用户行为），同时符合学术规范。你不是在写普通文章，而是为论文搭建可落地的结构骨架。

适用场景

撰写电商服饰方向的本科/硕士毕业论文、核心期刊论文或行业白皮书
对已有论文进行结构诊断与优化，例如补充实证环节、强化行业关联性
使用AI工具（如ChatGPT、Claude）生成或润色论文章节时的提示词输入
需要快速产出逻辑清晰、可发表级别的论文提纲时使用

核心提示词
以下提示词可直接复制，用于AI生成或人工起草对应章节（替换方括号内内容）：

摘要优化：“生成一篇关于[电商服饰]论文的摘要，200字以内。先点明行业背景：电商服饰市场规模、同质化竞争与退货率问题；再说明研究方法：[定量/定性/案例]；核心发现：通过优化论文结构（如强调用户决策链路数据、供应链时效分析），将行业痛点与理论框架结合，使研究结论对电商选品与视觉设计具有直接指导意义；最后总结价值：为服饰品牌提供可复用的结构模板。”
引言结构：“撰写引言部分，开头用数据描述电商服饰行业现状（如2025年服饰类目GMV增长率、退货率超过40%），引出当前相关论文普遍存在的结构问题：理论堆砌但缺少行业实证，章节间逻辑断裂。明确研究目标：提出一套‘行业需求→理论支撑→实证验证’的三段式结构优化方案，并给出研究框架图描述。”
文献综述筛选：“列出电商服饰论文文献综述的三大模块：消费者行为（冲动购买、尺码犹豫）、供应链柔性（小单快反、库存周转）、视觉营销（直播展示、AI试穿）。每模块下要求引用近3年实证研究，并用一句话指出该领域现有结构的不足（如仅聚焦单一因素），为本文创新铺路。”
方法与数据：“描述研究方法：采用混合方法——定量部分从[淘宝/抖音]采集服饰类目评论文本与销量数据，用LDA主题模型提取结构关键词；定性部分访谈5位电商服饰运营经理，提取他们对论文‘有效性’的认知。数据样本：至少1000条评论、10万笔交易记录，排除促销期异常值。结构优化评价指标：逻辑连贯性（0-10分）、行业相关性（0-10分）、可操作性（0-10分）。”
结果呈现：“用表格对比优化前（传统学术框架）与优化后（本文框架）在三项指标上的平均得分（可示例：优化前4.2/3.8/3.5，优化后8.1/7.9/8.5）。再选一个案例：某快时尚品牌根据优化后的论文结构，调整了其商品详情页的视觉叙事顺序，使点击率提升12%。”
讨论与结论：“讨论结构优化对电商服饰实际业务的影响：如何降低信息过载导致的选择放弃、如何指导品牌在详情页嵌入‘尺码推荐逻辑’等。结论部分总结结构三要素：①以用户购物决策路径为章节主线；②每个论点附带一个行业数据点；③结尾给出可直接执行的模板。最后指出局限（如数据仅覆盖女装品类），展望未来可拓展至男装、童装。”

风格方向

学术严谨型：采用APA第7版引用格式，图表编号清晰，避免主观评价，使用“研究表明”“数据表明”等客观表述。
行业实证型：每个章节至少引用一个真实电商案例（如SHEIN的柔性供应链、蕉下防晒服饰的错位打法），强化行业应用属性。
结构化表达：使用“问题-方法-数据-结论”四步递进，章节内部设置“核心论点”小标题，配合流程图辅助说明逻辑关系。

构图建议

结构优化框架图：呈现从“行业痛点”到“理论映射”再到“实证验证”的流程，用箭头标出每环节对应的论文章节（如“消费者决策过程”映射到“研究设计”）。
对比柱状图：X轴为“逻辑连贯性”“行业相关性”“可操作性”，Y轴为分数，两个柱分别代表传统结构与优化后结构，附标准误差线。
词云图：从收集的评论文本中提取高频词（如“版型”“材质”“配送”），按频次大小排列，用于文献综述中展示行业核心关注点。

细节强化

关键词嵌入：在每章开头和结尾均重复“电商服饰”“结构优化”“行业应用”三个核心词，确保语义聚焦。
时效性数据：使用2024年～2025年的行业报告数据（如艾瑞咨询、CBNData），避免老旧案例。
语言精确化：用“供应链提前期缩短15%”替代“供应链效率提升”，用“退货率下降8个百分点”替代“退货减少”。
过渡句设计：如“在理解消费者行为后，本章将分析该行为如何反向驱动供应链结构优化”，保持章节间逻辑衔接。

使用建议

将“核心提示词”部分直接粘贴到AI对话中，并前置角色定义：“你是一位电商服饰领域论文结构优化专家，请严格遵循以上提示词生成相应内容”。
手动写作时，可将“风格方向”“构图建议”作为自查清单，逐条核对论文是否达到行业应用标准。
如果针对学位论文，建议将“细节强化”中的关键词嵌入作为第一章绪论的写作框架，确保评审专家第一眼就识别出论文的创新点。
本方案仅提供结构骨架，数据部分需用户根据实际调研替换；建议在使用前先完成行业访谈或数据采集，使提示词中的“案例”更具真实性。

AI提示词 deepseek

689 热度

数据分析师面试回答模拟高阶版提示词

本提示词方案专为准备高阶数据分析师面试的求职者设计，通过模拟...

AI提示词数据分析师面试回答

查看详情

角色定义
请以“资深面试官”或“模拟面试教练”的身份，针对高阶数据分析师岗位，生成一段真实、专业、带有压力感的面试问答模拟。目标是为用户提供一个可反复练习的回答模板，训练其将业务问题拆解为数据逻辑、生成可落地的洞察结论，并用清晰的结构化语言表达。

适用场景

求职者准备大型互联网公司或数据驱动型企业的数据分析师面试（社招3年+经验）
面试辅导课程、模拟面试小程序或AI面试训练工具中作为交互内容使用
个人复盘与话术打磨，练习如何从“数据执行”转向“业务决策建议”

核心提示词
（可直接复制使用）

“请模拟一次高阶数据分析师面试：面试官提问一个关于用户留存率下降的业务问题，要求候选人从问题界定、数据清洗与假设、分析方法（如A/B测试、同期群分析）、洞察结论，到业务建议完整回答。回答需包含具体数字案例（如日均活跃用户下降12%）和归因逻辑，语气自信、结构清晰。”
“模拟一道SQL面试题场景：面试官给出一张订单表和用户表，要求候选人现场写出SQL查询近30天复购率超过20%的用户群体，并解释该分析对运营策略的启示。回答需包括SQL代码片段、结果解读和业务落地建议。”
“模拟统计与因果推断面试：面试官追问‘如何证明某个运营活动导致GMV提升了15%而非自然增长？’请候选人用DID（双重差分）或合成控制法思路给出回答框架，并指出潜在偏误。”

风格方向

专业严谨：使用规范的数据术语（如RR、Cohort、置信区间），避免模糊表达
逻辑递进：每段回答遵循“定义问题→拆解假设→数据验证→结论→建议”的黄金结构
适度压力感：模拟面试官追问“那你觉得这个结论可靠吗？”或“如果数据有缺失怎么办？”等挑战性追问，训练应变能力

构图建议
（若用于图像生成或视觉展示）

场景：现代简约的办公室或视频通话界面，背景有白板或显示器显示数据看板（如留存曲线、柱状图）
人物姿态：候选人端坐、眼神专注、手势辅助解释，面试官手持笔本微表情严肃
色彩方向：冷静的蓝灰调为主，点缀数据可视化常用的高亮色（如橙色、青色）突出关键数字
材质细节：白板上的手写分析框架、屏幕上的SQL代码或图表，增加真实感

细节强化

在回答中加入“注意点”：如“这里容易忽略季节性波动，因此我先做同期对比”
加入“面试官反馈”：模拟面试官在回答后进行点评，指出优点与可改进点（如“你遗漏了下钻维度”）
提供“回答时间”标注：如“建议此回答控制在2分钟内”或“深度追问环节1分钟”
带有“数据敏感度”体现：强调样本量、置信度、异常值处理等细微考量

使用建议

初次练习：直接使用“核心提示词”部分生成完整问答，对照录音检查逻辑完整性
进阶训练：随机替换业务场景（如电商、广告、游戏），保持框架不变，测试域迁移能力
多人协作：让朋友扮演面试官，用本方案中的追问风格进行即兴挑战
视觉转化：如需制作面试课封面图，可将构图建议与高频词（如留存、A/B测试）合成在画面中

AI提示词模板大全