企业官网建设流程全解析

简介：这是一份围绕ChatGPT角色扮演能力的实用指南，面向希望借助AI高效完成写作、翻译、内容运营、数据分析和日常办公的用户，帮助其快速定位并调用合适的AI角色。资源以单个PDF文件形式呈现，压缩包大小约797KB，内容按类别系统梳理了学术论文、创意写作、商业文案、编辑校对、数据分析、技术文档、教育培训、网站内容、多语言翻译、医疗文案、小说创作等20余类应用场景，结构清晰，便于按需查阅。目前已有286人学习，既适合初次接触AI写作的初学者按图索骥，也适合有经验的用户作为提示词速查手册。指南不仅为每类任务给出角色说明，还提供“充当Linux终端”“担任面试官”“英中互译”“文字冒险游戏”等具体示例和提问框架，读者可直接复制使用，也能基于自身需求灵活改写为个性化提示词，从而节省摸索时间，提升与ChatGPT的协作效率。

1. 把 ChatGPT 从聊天框里拽出来：这份角色扮演指南解决什么问题

绝大多数人用 ChatGPT 的方式是「提问—回答」，但它的真实上限不在模型本身，而在你给的提示词。同一个模型，你让它「写一段产品介绍」和让它「担任产品经理，输出一份包含用户故事、KPI 与开发风险的 PRD」，得到的结果完全不是同一个量级。这份《ChatGPT-角色扮演指南》PDF 就是干这个的：它把 ChatGPT 可以扮演的角色整理成了几十套可直接复制的提示词，覆盖学术论文、创意写作、商业文案、翻译、数据分析、技术文档、教育培训、SEO、面试模拟、小说创作、甚至 Linux 终端模拟等场景。对内容创作者、开发者、产品运营和学生来说，它相当于一份「提示词弹药库」——不需要你从零摸索，挑一个角色，填入自己的需求就能用。下面我从实际使用的角度，把这份指南拆开讲清楚。

2. 角色扮演提示词为什么有效：从系统指令到上下文约束

2.1 角色提示词的本质：给模型一个行为框架

ChatGPT 这类大语言模型的输出由两个东西决定：模型参数和上下文。模型参数是训练好的，你改不了；但上下文是每一次对话时你给的，模型会在这个上下文约束下生成最可能的回答。角色扮演提示词本质上就是人为构造一个强上下文：你告诉模型「你是某个角色」，模型就会在这个角色的知识范围、语气、行为规则里寻找回答路径。

例如指南里那个「充当 Linux 终端」的提示词，它要求模型只输出终端显示内容、不写解释、命令放在方括号里由用户输入。这套约束不只是让回答好玩，它实际做了三件事：一是圈定了知识范围（只做命令执行，不做闲聊）；二是限定了输出格式（唯一的代码块内、终端风格）；三是定义了交互协议（用户输入命令，模型输出结果）。这就是为什么角色扮演比普通提问稳定——它把不确定性从多个维度压到了最低。

我一般会把角色提示词分成两层：第一层是角色定义，第二层是行为规则。角色定义决定模型「以谁的口吻说话」，行为规则决定「按什么格式、什么步骤干活」。大多数人的角色扮演翻车，都是因为只写了角色定义，没写行为规则。

2.2 三类高频角色的拆解：写作、技术、商业

指南里列了几十个角色，我按使用频率把它们分成三类来拆。

第一类是写作类角色，包括小说家、诗人、编剧、说唱歌手、讲故事的人、文字冒险游戏等。这类角色的特点是重语气、重风格、重结构。比如「作为小说家」的提示词要求写出具有出色情节、引人入胜的人物和意想不到的高潮的作品；「讲故事的人」则要求根据目标受众选择主题。这类角色对新手最友好，因为模型本身在文本生成上很强，你只要给它风格约束，它就能产出像样的东西。

第二类是技术类角色，包括 Linux 终端、SQL 终端、前端开发专家、机器学习工程师、IT 架构师、全栈开发人员、正则表达式生成器等。这类角色的关键是输出格式和交互协议。指南里的「充当 SQL 终端」要求模型在示例数据库前回复查询结果表，只能用单个代码块、只写结果不解释；「充当 Linux 终端」要求模型只回复终端输出。这类提示词的价值在于把模型变成一个「可指挥的工具」，而不是一个「话痨助手」。如果你要做数据查询练习或者学习命令，这类角色比直接问「什么是 SQL」有用得多，因为它是模拟环境，你可以在里面反复试错。

第三类是商业类角色，包括产品经理、投资经理、金融分析师、广告商、招聘人员、关系教练、人生教练等。这类角色重结构化、重决策视角。比如「担任产品经理」的提示词要求输出一份包含主题、简介、问题陈述、目标与目的、用户故事、技术要求、收益、KPI 指标、开发风险以及结论的 PRD 文档；「作为 IT 架构师」要求做差距分析、设计物理网络蓝图、系统集成接口定义。这类提示词会逼着模型用一套框架去思考，输出的东西可以直接当工作底稿用。

三类角色放在一起对比，你会发现它们的核心差异不在「天花板」，而在「约束强度」：写作类靠风格约束，技术类靠格式约束，商业类靠结构约束。用的时候要清楚自己需要哪种约束。

2.3 提示词的黄金结构：角色 + 任务 + 约束 + 示例

把指南里几十个提示词归纳一下，它们都逃不出一个四段式结构。我管它叫提示词黄金结构，你不需要背指南里的所有角色，只要掌握这个结构，就能自己造角色。

角色：我想让你担任[角色名]，[一句话说明这个角色的专业背景或能力范围]。 任务：我将提供[输入信息]，你的工作是[具体任务]。 约束：请只回复[格式要求]，不要[禁止事项]。 示例：[可选]参考这样的风格/结构：……

这个结构里，最关键的是「约束」这一项。很多人写提示词只顾着描述角色和任务，忘了约束，结果模型自由发挥，输出啰嗦且不可用。指南里所有高质量的角色提示词都有明确的约束：小说家要求「想出富有创意且引人入胜的故事」，翻译要求「不要带翻译腔」，SQL 终端要求「只回复单个代码块」，面试官要求「不要一次写出所有的问题，一个一个问」。约束写得越具体，输出越稳定。

还有一个隐藏的结构要素是「交互方式」。指南里的角色分成两类：一类是单轮输出，你给它一个请求，它直接回复结果；另一类是模拟交互，比如面试官、文字冒险游戏、五子棋对弈、Linux 终端，它们要求模型和你你来我往。模拟交互类角色需要你在提示词里明确「等待我的回答」「根据我的命令推进」，否则模型会一口气把整个流程走完。所以拿到指南里的提示词，先分清它是单轮型还是多轮型，多轮型的要做第二轮确认。

3. 把通用提示词改造成自己的场景：五步复现法

3.1 第一步：从指南里选角色，把模糊需求变成明确任务

拿到这份 PDF，最常见的错误是直接复制提示词然后原样发送。提示词里的示例需求（比如「做一个赛博朋克的网站首页」「帮我修改硕士论文」）不是你的需求，你得把它替换成自己的任务。替换之前，先想清楚：你的任务到底属于哪个场景。

用指南里的「担任面试官」举例子。原提示词让候选人和模型进行一场 Android 开发工程师面试。如果你不是 Android 开发，直接把角色名改成「Java 后端开发工程师面试官」就行，但更关键的是把面试范围也改掉，比如「围绕 Spring Boot 微服务、消息队列、分布式事务等方向提问」。我一般会在角色名后面补一句能力边界描述，这样模型不会跑偏到数据库或前端面试题上。

如果任务比较模糊，比如「帮我写一份项目方案」，这类需求没法直接映射到指南里的某个角色。这时候的常见做法是拆任务：先选「产品经理」角色写项目背景与目标，再选「IT 架构师」角色写技术方案，最后选「演讲稿」角色写汇报话术。一次拆成三个阶段，每个阶段用不同的角色，比用一个万金油提示词靠谱得多。

3.2 第二步：叠加背景信息，喂给模型足够的上下文

角色扮演指南里的提示词默认你会在对话里提供具体信息，但很多人忽略这步，直接把示例里的需求发给模型，然后抱怨「角色是生效了，但结果完全跑偏」。不是角色没生效，是模型根本不知道你的背景。角色只是框架，背景才是血肉。

以「担任产品经理」为例，原提示词的示例需求是「做一个赛博朋克的网站首页」。换成你的场景时，应该这样改造：

我想让你担任产品经理。请确认我的以下请求。 请您作为产品经理回复我。我将会提供一个主题，您将帮助我编写一份包括以下章节标题的PRD文档： 主题、简介、问题陈述、目标与目的、用户故事、技术要求、收益、KPI指标、开发风险以及结论。 我的需求是：做一个面向中小企业客户的建站服务SaaS平台，目标用户是25-40岁的企业负责人， 核心痛点是市面上建站工具模板老旧、不支持自定义域名、没有SEO优化能力。 请基于这些背景信息来编写PRD。

这里加的背景信息有三个作用。第一是圈定目标用户，让用户故事和数据指标有依托；第二是点明核心痛点，让问题陈述和收益部分有具体指向；第三是给「主题」提供素材，避免模型空泛地写「这是一个建站平台」。背景信息不是越详细越好，而是要有结构：用户是谁、场景是什么、痛点在哪里。你把这三件事说清楚，模型的输出质量会有明显提升。

3.3 第三步：锁定输出格式，用强约束替代期待

指南里最容易被忽略的是「输出格式」约束。比如「做表格」这个提示词，它要求模型只回复一个包含 10 行的 markdown 表格，不附带任何额外解释。你不加这个约束，模型大概率会在表格前后加一段说明文字；加了约束，它就只剩表格。

同样的逻辑可以用在任何角色上。让「产品经理」角色输出 PRD 时，明确要求「用markdown格式输出，每个章节用二级标题，用户故事用表格列出来」；让「翻译」角色输出译文时，明确要求「只回复译文，不要输出注释」。

充当翻译家：请把下面这句话翻译成中文。翻译时不要带翻译腔，要自然、流畅和地道， 使用优美和高雅的表达方式。请直接输出翻译结果，不要备注原句，不要加解释。 句子：how are you ?

这段提示词的前半部分是风格约束（不要带翻译腔、自然流畅），后半部分是格式约束（直接输出、不要备注不要解释）。如果你在做批量翻译，这两类约束缺一不可——没有风格约束，译文会僵硬；没有格式约束，你就得人工清理输出。参数方面，翻译任务里如果目标语言是英文，我会追加一句「使用地道的英式表达」；如果是中文，追加「使用书面语但保持口语感」。这些修饰词看似不起眼，实际对输出风格影响很大。

3.4 第四步：多轮追问，把大任务拆成小对话

角色扮演指南里的提示词大多是一次性输入，但真实工作中，好结果很少是第一轮就出来的。以「担任辩论教练」为例，原提示词要求模型组织练习回合、聚焦说服演讲和时间策略。如果你直接丢一个「帮助我们准备前端开发是否容易的辩论」，模型给你的是一份泛泛的提纲。更好的做法是拆成三轮对话。

第一轮，先让模型以辩论教练身份分析辩题的正反方核心论点；第二轮，让模型扮演正方辩手列出三个最有力的论据；第三轮，再让模型扮演反方辩手针对这三点逐条反驳。同一角色，分三轮深入，比一轮给全答案质量高得多。这就是多轮追问的价值：每一轮都在给模型补充信息，让它越来越接近你需要的深度。

多轮追问还有一个技巧：如果某轮输出不理想，不要直接说「重写一下」，而是指出问题所在。比如「第二段论证太弱，请补充数据支撑」「用户故事的优先级不清晰，按 MoSCoW 法则重新排列」。角色扮演场景下的大语言模型对具体修正指令的响应远好于泛泛的否定。

3.5 第五步：保存你的提示词模板，建立个人提示词库

复现指南里的角色不是终点，终点是把你改好的提示词沉淀成自己的模板。我建议按场景建一个文档，格式很简单：场景名、角色定义、任务模板、约束条件、实际效果截图。下次遇到同类任务，直接复制模板，只替换任务描述。

举一个我实际用过的模板：「代码审查助手」。指南里有一个「充当代码审查助手」的提示词示例，但它只给了一个标题，没有完整内容。按黄金结构补全之后是这样的：

请你充当代码审查助手。你是一名有5年经验的Python后端工程师，擅长发现代码中的性能问题、 边界条件漏洞和可读性缺陷。 我将给你一段代码，请按以下维度审查： 1. 逻辑正确性：是否存在明显的逻辑错误或边界条件遗漏 2. 性能：是否存在不必要的计算或内存消耗 3. 代码风格：是否符合PEP 8规范，命名是否清晰 4. 安全隐患：是否存在注入、敏感信息泄漏等风险 请用markdown表格输出，每行一个发现，列依次为：严重程度、问题位置、问题说明、修改建议。 不要输出修改后的完整代码，只输出表格。

这个模板的可复用性很强。今天审查 Python 代码，明天把「Python 后端工程师」换成「Java 微服务工程师」，把「PEP 8」换成「阿里巴巴编码规范」，就是一个新的审查助手。提示词模板的本质是把自己的工作标准封装进去，角色扮演只是载体。

4. 角色扮演的五个常见坑：现象、原因与解决办法

4.1 角色没生效：模型完全不理你设定的角色

现象是：你明明让它扮演「鼓励教练」，它的回答却像百度百科一样中立客观；让它扮演「脱口秀喜剧演员」，它一本正经地分析喜剧理论。角色定义形同虚设。

原因：角色指令和任务信息放在同一条消息里，被模型当成了背景噪音。尤其是当任务描述特别长、角色描述只有一句「你是一个鼓励教练」时，模型会把注意力放在任务上，忽略角色。

解决办法：把角色定义放在提示词的第一句，用加粗或独立段落强调；同时给角色补充能力背景，而不是只给头衔。比如「我想让你担任人生教练。我将提供一些关于我目前的情况和目标的细节，你的工作是提出可以帮助我做出更好的决定并实现这些目标的策略。这可能涉及制定成功计划或处理困难情绪。我的第一个请求是……」这里的关键是「提出策略、涉及制定计划」，它把角色和职责绑在一起，模型不容易跑偏。

4.2 输出格式不稳定：一会儿表格一会儿段落

现象是：你要求它「只回复一个包含10行的markdown表格」，第一次确实给了表格，第二次它却在表格前后加了说明文字。同样一个提示词，两次输出不一致。

原因：大语言模型的输出是采样生成的，同一个提示词在不同温度参数下会得到不同结果。角色扮演场景下，格式要求如果没有写进「只回复……不要回复……」的禁止式约束，模型就倾向于按自己的习惯补一句解释。

解决办法：把格式要求升级为双重约束——做了要求加禁止。例如「你只会以markdown表格形式回复结果，而不是其他任何内容。请注意，您的回答应该是简明扼要的，不需要附带任何额外的解释。你只会回复 markdown 表作为结果。」第一句要求，第二句禁止解释。如果是自己的项目需要稳定格式，可以把这段提示词固化进系统级指令，每次对话开头都带上。

4.3 翻译结果有「翻译腔」：句子能看懂但不地道

现象是：让 ChatGPT 做中译英，句子语法没毛病，但读起来就是不像母语者写的。比如把「上海今天的天气怎么样」翻译成「How is the weather in Shanghai today」——语法完全正确，但更地道的说法可能是「What's the weather like in Shanghai today」。

原因：模型在翻译任务里的默认策略是「字面对应」，它优先保证信息完整，而不是优先保证地道性。指南里专门提到的「充当英语翻译和改进者」角色，核心约束就是「使用更优美和高雅的表达方式，确保意思不变，但使其更具文学性」——不加这个约束，输出就会偏向翻译腔。

解决办法：在提示词里显式声明「不逐字翻译，按目标语言表达习惯重写」。更进一步的技巧是让模型「先理解意思，再重构句子」，而不是「逐句翻译」。比如「请将以下句子翻译成英文，不要逐字对应，而是用地道表达自然地说出来。可以调整语序。」这样输出的译文会明显更自然。

4.4 技术类角色给的代码跑不通：示例代码和真实环境脱节

现象是：让它扮演「全栈开发人员」，它给的登录接口代码里用了一个过时的依赖库；让它扮演「机器学习工程师」，它推荐的算法和你的数据集根本不匹配。

原因：模型的知识截止日期有限，且它倾向于给出「看起来正确」的示例代码，而不是「经过验证」的代码。角色扮演并不能弥补这一点——角色给了它专业口气，但没有给它你的环境信息。它不知道你用的是 Python 3.8 还是 3.12，不知道你的生产环境有没有 Docker。

解决办法：在两个地方补充信息。一是在任务描述里写清楚运行环境：语言版本、框架版本、操作系统、是否需要 Docker 部署；二是在提示词里加一条「如果代码涉及第三方依赖，请标注版本号与安装命令」的约束。技术类角色把这两条加上，输出的可用率会提升很多。

4.5 多轮对话后角色「出戏」：回答逐渐失去角色特征

现象是：当面试官角色的对话进行到第五轮时，模型开始回答问题而不是提问；当文字冒险游戏进行到第七轮时，它开始给你建议而不是描述环境。

原因：对话历史越长，角色设定在上下文里的占比就越低，模型逐渐被最近的对话话题牵引。尤其是在多轮模拟交互场景里，任务信息多到一定程度，角色定义就「稀释」了。

解决办法：每轮对话都把角色和交互规则重述一遍。比如文字冒险游戏，每隔几轮加一句「你现在还在扮演游戏世界里的旁白，每次都只描述场景和行动结果，不要替角色做决定」；当面试官时，加一句「你仍然在对我进行面试，不要一次性结束，继续问下一个问题」。你甚至可以约定一个「提醒词」，比如「继续面试」，只在角色出戏时发送，模型收到后会重新校准行为。

5. 把角色扮演用到极致：结构化输出与迭代验证

5.1 用 JSON 格式让角色扮演结果可编程化

如果你的项目需要把 ChatGPT 的输出接入程序，那角色扮演提示词必须再进一步：要求模型输出 JSON。以「担任产品经理」写出 PRD 为例，加一行约束即可。

请将PRD以JSON格式输出，字段结构如下： {"theme":"主题","intro":"简介","problem":"问题陈述","goals":["目标1","目标2"],"user_stories":[{"role":"用户角色","action":"行动","benefit":"收益"}],"tech_reqs":[],"metrics":[],"risks":[],"conclusion":""}

这段约束的意义在于：把自然语言的 PRD 变成结构化数据，后续可以用脚本做模板渲染、自动填充到内部系统。文本格式的 PRD 只能人工阅读，JSON 格式的 PRD 能被程序消费。角色扮演在这里只是外壳，真正的价值是格式约束从「人可读」提升到了「机器可读」。

5.2 一份角色扮演验收清单：输出是否合格的四个检查项

每个角色扮演任务完成后，我都会过一遍验收清单，它决定这次输出是直接使用还是要返工。

这个方法是从指南里的「作为技术审查员」角色得到的启发——那个角色要求用 StackOverflow、GitHub 数据做定量分析，并给出对比结论。它本质上就是一个内置验收流程的角色。你自己做角色扮演时，也可以把验收清单写进提示词，让模型自检后再输出。

5.3 从复现到内化：建立自己的角色模板库

最后说一个我自己的习惯。第一次用这份指南时，我逐个复制角色提示词去试，试完就丢在一边。后来发现不对——每次要用还得重新翻 PDF，而且原提示词和我的场景总有出入。于是我建了一个自己的提示词库，把适合我的角色全部重写成「带占位符的模板」。

以「面试官」为例，重写后的模板长这样：

我想让你担任{岗位}面试官。我将成为候选人，你向我询问{岗位}职位的面试问题。 不要一次写出所有的问题，一次只问一个，等我回答后再问下一个。 第一轮先问基础技术问题，第二轮问项目实战问题，第三轮问系统设计问题。 我的第一句话是：面试官你好

这个模板在使用时只需要替换两个占位符，比原提示词灵活得多。从那以后，我每次拿到新的提示词资源，都会先花半小时拆解、重写成自己的模板库，再在实际项目中迭代调参。盲抄一次只是碰运气，把模板库沉淀下来才是真正把资源吃透。希望这份角色扮演指南的拆解能帮到你，下次打开 PDF 时，别再整段复制了——先选角色，再改任务，最后锁格式，三步走完再发给 ChatGPT 试试。

本文还有配套的精品资源，点击获取