AI提示词宝典:100+常用提示词,覆盖20+场景,程序员和小白必备,让AI工作更高效!

AI提示词宝典:100+常用提示词,覆盖20+场景,程序员和小白必备,让AI工作更高效!

你是不是也有过这样的经历:打开 AI 工具(ChatGPT、文心一言、豆包等),盯着输入框半天,却只打出 “帮我写点东西”“给点建议”,最后得到的回复要么空泛、要么偏离需求?

其实,AI 的 “智商” 很大程度上取决于你的 “提问方式”——提示词(Prompt)才是解锁 AI 能力的钥匙。好的提示词能让 AI 精准输出你要的内容,反之则会浪费时间。

今天整理了一份「AI 常用提示词大全」,覆盖工作、学习、生活 20 + 高频场景,每类场景都附具体示例。无论是写文案、做方案,还是学技能、处理琐事,直接复制修改就能用,小白也能快速上手!

一、工作效率类:让 AI 成为你的 “隐形同事”

打工人最需要的就是用 AI 减少重复工作,把时间花在核心任务上。这部分提示词涵盖文案、办公、专业辅助等场景,帮你高效搞定日常工作。

1. 文案写作(公众号 / 商务邮件 / 广告语)

  • 公众号文案“我要写一篇关于「30 岁职场人转行」的公众号文章,目标读者是 28-35 岁想换行但迷茫的职场人。要求:开头用真实故事引入,中间分 3 点讲转行前的准备(自我评估、技能学习、人脉积累),结尾给行动建议,风格温暖有力量,字数 800 字左右。请先列大纲,再写全文。”
  • 商务邮件“我是市场部员工,需要给合作方发邮件,沟通「2024Q4 联合营销活动的时间调整」。要求:开头说明邮件目的,中间讲调整原因(我方活动冲突)、新的时间建议(11 月 15 日 - 20 日)、需要对方确认的事项(是否需同步调整预算),结尾表达感谢,语气正式礼貌,控制在 300 字内。”

2. 办公文档(PPT 大纲 / 周报 / 方案)

  • PPT 大纲“帮我做一份「2024 年 Q2 部门工作总结」的 PPT 大纲,包含 5 部分:①Q2 目标完成情况(附数据)、②重点工作成果(3 个核心项目)、③存在的问题与原因、④Q3 工作计划(分优先级)、⑤需要公司支持的资源。每个部分列出 3-4 个小标题,逻辑清晰,适合汇报使用。”
  • 周报模板“我是运营岗,帮我写一份周报模板。要求:包含「本周工作内容(分模块,附数据)、未完成事项及原因、下周计划(明确时间节点)、需要协调的问题」,语言简洁,重点突出,方便每周填充内容。”

3. 专业辅助(代码 / 设计 / 数据分析)

  • 代码辅助“我是前端开发,需要用 JavaScript 实现「点击按钮显示 / 隐藏 div」的功能。要求:写出完整代码,包含 HTML 结构和 JS 逻辑,添加注释说明关键步骤,兼容主流浏览器,点击按钮时加简单的过渡动画。”
  • 数据分析“我有一组 2024 年 1-5 月的产品销量数据(1 月:500 件,2 月:620 件,3 月:480 件,4 月:750 件,5 月:800 件)。帮我分析:①销量变化趋势;②找出销量低谷的可能原因(假设 2 月是春节、3 月是淡季);③预测 6 月销量,给出预测依据,用文字 + 表格呈现结果。”

二、学习提升类:AI 当你的 “私人老师”

不管是备考、学新技能,还是解决知识盲区,这些提示词能让 AI 帮你拆解知识点、制定计划,比死记硬背更高效。

1. 备考复习(考点梳理 / 题库生成)

  • 考点梳理“我在备考英语四级,帮我梳理「四级听力短对话」的高频考点,包括:①常考场景(如校园、交通、工作);②高频提问方式(如询问原因、地点、态度);③解题技巧(如抓关键词、排除干扰项)。每个考点配 1 个例题,用简单易懂的语言解释。”
  • 题库生成“我在学小学数学的「分数乘法」,帮我生成 5 道练习题,难度由易到难。要求:前 3 道是基础计算题,后 2 道是应用题(如 “一根绳子长 6 米,用去 2/3,还剩多少米”),最后附答案和解题步骤。”

2. 技能学习(语言 / 乐器 / 软件)

  • 语言学习“我在学日语,目标是日常交流。帮我设计一份「30 天日语入门计划」,每天学习 30 分钟。要求:第 1-10 天学五十音图和基础问候语,11-20 天学简单句型(如 “我想去 XX”“这是什么”),21-30 天学日常场景对话(购物、点餐)。每天列出具体学习内容和练习任务。”
  • 软件操作“我刚接触 PS,想学会「抠图(人物)」的方法。帮我用步骤式说明讲解:①用 “快速选择工具” 抠图的操作;②遇到头发边缘不清晰的解决办法;③抠图后如何保存为透明背景的图片。每个步骤配简单的操作描述,避免专业术语过多。”

三、生活场景类:AI 帮你搞定 “琐事难题”

从旅游规划到家庭事务,这些提示词能让 AI 成为你的 “生活助手”,省去查资料、做攻略的时间。

1. 出行规划(旅游 / 通勤)

  • 旅游攻略“我计划 5 月去成都玩 3 天,预算 2000 元(不含交通),同行有 1 个朋友,喜欢吃美食、逛景点。帮我做一份行程:①每天的路线(如第一天逛市区景点,第二天去都江堰);②推荐必吃的美食店(附地址或大致位置);③住宿建议(性价比高,靠近地铁);④注意事项(如穿搭、门票预约)。”
  • 通勤优化“我住在北京朝阳区建国路,上班在海淀区中关村,每天早上 9 点上班。帮我分析 3 种通勤方式:①地铁(哪条线路,耗时多久,高峰时段拥挤情况);②公交(推荐路线,是否容易堵车);③共享单车 + 地铁(换乘点推荐)。给出最优选择和理由。”

2. 家庭事务(做饭 / 育儿 / 装修)

  • 食谱推荐“我是上班族,每天晚上只有 30 分钟做饭时间,想做「简单又健康的晚餐」,家里有鸡胸肉、西兰花、番茄、米饭。帮我推荐 2 道菜:①鸡胸肉相关(如香煎鸡胸肉);②蔬菜相关(如番茄炒蛋)。每道菜列出食材、步骤,说明烹饪时间。”
  • 育儿建议“我家孩子 4 岁,最近不爱吃饭,总是挑食(只吃面条,不吃蔬菜)。帮我分析可能的原因,给出 3 个解决办法(如改变蔬菜做法、营造吃饭氛围),每个办法具体说明怎么做,避免太复杂的操作。”

四、创意创作类:AI 当你的 “灵感搭档”

想写故事、做手工,或需要创意点子?这些提示词能帮你打开思路,让创意落地更简单。

1. 故事 / 剧本

  • 儿童故事“帮我写一个关于「小松鼠找朋友」的儿童故事,适合 5-8 岁孩子。要求:主角是小松鼠乐乐,因为胆小不敢和其他小动物玩,后来通过帮助小鸟找到了朋友。故事长度 500 字左右,语言活泼,有对话,结尾有小道理(如 “勇敢帮助别人能交到朋友”)。”
  • 短视频剧本“我想拍一条 1 分钟的搞笑短视频,主题是「当代年轻人周末躺平」。帮我写剧本:①人物(2 个室友);②场景(出租屋客厅);③剧情(周六早上,两人互相约对方出门,最后都选择躺沙发刷手机);④台词(接地气,符合年轻人说话风格);⑤镜头建议(如开头拍闹钟特写,中间拍两人对话)。”

2. 手工 / 穿搭

  • 手工教程“帮我写一份「用旧牛仔裤做收纳袋」的教程。要求:①准备材料(如旧牛仔裤、剪刀、针线);②步骤(分 5 步,如 “第一步:把牛仔裤裤腿剪下来”);③注意事项(如剪的时候留 10 厘米的边);④装饰建议(如缝上纽扣、贴布贴)。语言简单,适合新手。”
  • 穿搭建议“我是 25 岁女生,身高 160cm,体重 50kg,想搭一套「通勤又显气质的 outfits」,预算 500 元。帮我推荐:①上衣(如白色衬衫,推荐材质和价格);②下装(如直筒西装裤,颜色搭配);③鞋子(如小皮鞋,舒适又显高);④配饰(如简约项链,提升精致度)。”

五、最后:用好提示词的 3 个小技巧

  1. 越具体越好:不要说 “帮我写个方案”,而是说 “帮我写一份 XX 产品的推广方案,目标用户是 XX,预算 XX,要包含 3 个部分”—— 细节越多,AI 越精准。
  2. 明确 “角色”:给 AI 指定身份,比如 “你是资深运营专家”“你是小学数学老师”,AI 会根据角色调整输出风格和专业度。
  3. 逐步优化:如果第一次回复不满意,不用重新写提示词,而是补充说明 “刚才的回复里,XX 部分太复杂,能不能简化”“请增加 XX 内容”,AI 会根据你的反馈调整。

这份提示词大全涵盖了大部分日常场景,你可以根据自己的需求修改细节,也可以收藏起来,用的时候直接查。其实 AI 不难用,关键是找对 “提问方式”—— 用好提示词,就能让 AI 成为你工作、学习、生活的 “得力助手”。

六、AI大模型学习路线

如果你对AI大模型入门感兴趣,那么你需要的话可以点击这里大模型重磅福利:入门进阶全套104G学习资源包免费分享!

这份完整版的大模型 AI 学习和面试资料已经上传ZEEKLOG,朋友们如果需要可以微信扫描下方ZEEKLOG官方认证二维码免费领取【保证100%免费】

这是一份大模型从零基础到进阶的学习路线大纲全览,小伙伴们记得点个收藏!

请添加图片描述


第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;

第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;

第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;

第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;

第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;

第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

请添加图片描述

大模型全套视频教程

请添加图片描述

200本大模型PDF书籍

请添加图片描述

👉学会后的收获:👈

• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

LLM面试题合集

请添加图片描述

大模型产品经理资源合集

请添加图片描述

大模型项目实战合集

请添加图片描述

👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

Read more

Python入门:Python3 pyecharts模块全面学习教程

Python入门:Python3 pyecharts模块全面学习教程

Python入门:Python3 pyecharts模块全面学习教程 Python入门:Python3 pyecharts模块全面学习教程,这篇 pyecharts 学习教程围绕 Python 数据可视化展开,先介绍 pyecharts 基于 ECharts、Python 友好、支持交互式操作、图表类型丰富且高可定制的核心优势;接着详解其安装方法(主流的 pip 一键安装与备用的源码安装)及版本验证方式,并提供常用图表 “类型 - 类名 - 导入方式” 速查表;随后以月度销售额柱状图为案例,演示从数据准备、图表创建到渲染的基础流程,进阶部分通过 set_global_opts 配置标题、坐标轴、工具箱等让图表更专业,还讲解 10 + 内置主题(如亮色系 LIGHT、暗色系 DARK)的切换技巧,最后给出尝试其他图表、

By Ne0inhk
Python 入门必吃透:函数、列表与元组核心用法(附实战案例)

Python 入门必吃透:函数、列表与元组核心用法(附实战案例)

🔥草莓熊Lotso:个人主页 ❄️个人专栏: 《C++知识分享》《Linux 入门到实践:零基础也能懂》 ✨生活是默默的坚持,毅力是永久的享受! 🎬 博主简介: 文章目录 * 前言: * 一. 函数:告别重复代码的 “代码工厂” * 1.1 为什么需要函数? * 1.2 函数的核心语法(重点) * 1.3 函数的进阶用法(嵌套 + 递归) * 1.4 函数核心小结 * 二. 列表和元组:批量存储数据的 “容器” * 2.1 列表(list):最常用的可变容器 * 2.2 元组(tuple):不可变的序列容器 * 2.3 列表的元组小结 * 结尾:

By Ne0inhk

终极指南:让Windows 7完美支持最新Python版本

终极指南:让Windows 7完美支持最新Python版本 【免费下载链接】PythonWin7Python 3.9+ installers that support Windows 7 SP1 and Windows Server 2008 R2 项目地址: https://gitcode.com/gh_mirrors/py/PythonWin7 你是否还在为Windows 7系统无法运行Python 3.9及以上版本而苦恼?PythonWin7项目为你提供了完整的解决方案,让老旧系统焕发新的生命力。这个开源项目专门针对Windows 7和Windows Server 2008 R2系统设计,填补了官方支持的空白。 项目核心价值解析 随着Python官方从3.9版本开始不再支持Windows 7系统,许多企业和个人用户面临着技术升级的困境。PythonWin7应运而生,确保这些经典系统能够继续享受现代化的Python开发体验。 解决的核心痛点: * 官方Python 3.9+版本在Windows

By Ne0inhk

08 Python 数据分析:学生画像匹配与相似度计算

Python 数据分析:学生画像匹配与相似度计算 适合人群:Python 初学者 / 数据分析入门 / 推荐系统基础学习者 / 教学案例分享 在数据分析和机器学习中,我们经常会遇到这样的问题: * 如何判断两个学生的学习习惯是否相似? * 如何衡量两个商品是不是“同类竞品”? * 为什么推荐系统能给你推送“你可能喜欢”的内容? * 两段文本内容相似,应该怎么用数据来表示? 这些问题,归根到底,都指向一个核心概念: 相似性度量 本文将通过“学生画像匹配”和“课程评价文本分析”两个小案例,带你理解下面几个非常常用的概念: * 欧氏距离(Euclidean Distance) * 曼哈顿距离(Manhattan Distance) * 余弦相似度(Cosine Similarity) 并结合 Python 完成简单实战。 一、案例引入:谁和你最像? 假设我们想根据学生的学习数据,寻找“和你最相似的同学”。 比如现在有三位学生的成绩数据: 学生数学英语A8085B8288C6070 问题来了:

By Ne0inhk