ChatGPT写作指令实战：一套框架通吃论文、文案与小说

用ChatGPT写了大半年，踩了不少坑。借助 se.chatmax.cc 做模型横向测试时，一个现象引起了我注意——同一套Prompt在论文、文案、小说三个场景下的输出质量天差地别。说白了，不是模型不行，是指令没设计好。这篇文章把我实测验证过的写作指令体系拆开来讲，核心就一句话：约束越精准，输出越可控。

一、先搞清楚：为什么"通用指令"是个伪命题

很多人上来就甩一句"帮我写一篇关于XX的文章"，然后嫌输出质量差。

问题出在哪？论文要的是逻辑链完整、引用规范；文案要的是情绪节奏、转化钩子；小说要的是世界观自洽、人物弧光。三个场景的评估维度完全不同，你指望一条指令通吃，出来的东西大概率是四不像。

但这不意味着我们要为每个场景从零开始设计Prompt。经过大量测试，我总结了一个底层通用框架，三个场景在此基础上做参数化调整就行。

二、底层框架：五要素结构体

把它理解成一个函数签名——五个参数缺一不可：

写作指令 = f(主题, 场景, 风格, 结构, 约束)

多数新手只填了"主题"一个参数，剩下四个全是默认值。模型只能靠训练数据里的概率分布去猜，出来的东西当然平庸。

三、论文场景：角色锚定 + 学术约束

论文写作的核心矛盾是：模型擅长生成流畅文本，但不擅长遵守学术规范。

实战指令模板：

你是一位{领域}方向的副教授，有十年以上SCI论文写作经验。
请围绕主题"{具体题目}"，撰写一篇学术论文的{章节名}部分。

要求：
1. 采用被动语态和第三人称表述
2. 段落间需有明确的逻辑递进关系
3. 涉及数据/观点处用[ref]标注引用位置
4. 避免口语化表达和主观判断性词汇
5. 字数控制在{N}字左右

关键点拆解：

• 角色锚定不是摆设。指定"副教授"比"写作专家"好使，因为模型会调用更偏学术的训练权重。
• 结构约束要显式给出。比如"先陈述研究背景，再指出研究空白，最后提出本文贡献"——你不说，模型就会自己瞎编排。
• 引用标记用[ref]占位，后期手动替换为真实文献。别指望模型给你编出真实的参考文献，它会幻觉。

四、文案场景：情绪曲线 + 转化节点

文案和论文完全是两个物种。论文追求严谨，文案追求打动人。

实战指令模板：

你是一位资深品牌文案策划，擅长{品类}领域的消费心理洞察。
为{产品/品牌}写一则{文案类型：如小红书种草文/朋友圈广告/详情页}。

要求：
1. 开头3秒内制造痛点共鸣或悬念
2. 中段植入{核心卖点}，不超过3个
3. 结尾设置明确的行动号召（CTA）
4. 语气{轻松/专业/走心}，像真人分享而非广告
5. 穿插1-2个具体使用场景描写
6. 字数{N}字以内

这里有个容易忽略的细节：情绪曲线设计。好的文案不是从头到尾一个调性，而是"痛点→好奇→信任→冲动"的节奏变化。你可以在指令里直接写明这个节奏要求，输出质量会有质的提升。

另一个实测经验：限制卖点数量。你给模型5个卖点，它会平均用力写成说明书。限制在3个以内，它才知道该重点打透哪些。

五、小说场景：世界观注入 + 角色一致性

小说是对模型能力挑战最大的场景。核心难点不是文笔，而是一致性——人物性格不能前后矛盾，世界观设定不能自我打脸。

实战指令模板：

你是一位擅长{类型：如悬疑/都市/科幻}题材的小说作家。
请根据以下设定续写/创作{章节/片段}：

【世界观设定】
{简要描述时代背景、核心规则}

【角色卡】
- 角色A：{性格关键词、说话习惯、核心动机}
- 角色B：{性格关键词、说话习惯、核心动机}

【当前情节节点】
{上文梗概，停在哪个情节点}

要求：
1. 对话需符合角色性格，避免千人一面
2. 场景描写调动至少两种感官（视觉/听觉/触觉等）
3. 本段需埋设{某伏笔}，但不直接揭示
4. 叙事节奏{紧凑/舒缓}，字数约{N}字

核心设计思路：

• 角色卡是关键创新。与其用一段话描述人物，不如结构化成"卡片"，模型更容易保持一致性。
• 伏笔指令要明确告诉模型"埋但不揭"。否则它恨不得一章之内把所有悬念交代完。
• 感官描写约束能有效消灭"AI白描"问题。不说调动两种感官，模型就只写视觉。

六、进阶技巧：迭代式对话策略

一轮对话出成品几乎不可能。我的标准工作流是三轮迭代：

第一轮：出框架。 让模型先给大纲或思路，确认方向对不对。

第二轮：出初稿。 在确认框架后展开，此时追加具体约束（比如"第三段的论据换成案例驱动"）。

第三轮：精修。 针对性修改，常用指令包括：

• "把这段的口语化表达改为书面语"
• "删掉所有'值得注意的是''总而言之'等AI高频句式"
• "用更具体的数据替换模糊表述"

特别是第三条——消灭AI高频句式是去AI味的关键一步。"值得注意的是""不可忽视""在某种程度上"这些短语一出现，读者就知道是AI写的。直接在约束条件里ban掉它们。

七、几个容易踩的坑

1. 别一次塞太多要求。 超过8条约束，模型会开始"选择性遗忘"。建议核心约束控制在5条以内，次要约束通过迭代追加。
2. Temperature参数有影响。 论文场景建议低温（0.3-0.5），追求稳定严谨；文案和小说可以拉高（0.7-0.9），增加创意多样性。API用户可以直接调，网页版用户通过措辞间接控制——"请给出最具创意的方案"相当于推高temperature。
3. 长文分段生成。 超过3000字的内容，别指望一次生成。按章节/段落拆分，每段独立生成后拼接，质量远高于一次性输出。
4. 提供反面示例。 告诉模型"不要写成这样"往往比"要写成那样"更有效。把你觉得质量差的输出贴回去，让它分析问题并重写。

总结

写作指令设计的本质是信息工程——你向模型传递的约束信息越精确、结构化程度越高，输出的可用率就越高。论文、文案、小说三个场景看似差异巨大，但底层都是同一套方法论：定角色→明场景→给结构→加约束→迭代优化。

没有什么银弹指令能一键出完美成品。真正拉开差距的，是你是否愿意花时间把指令当成代码来debug——测试、调参、迭代。这跟写程序没什么本质区别。