最佳 ChatGPT 商务提示词：在四款 AI 模型上实测 100 个提示词

我们如何打造最好用的 ChatGPT（及其他模型）提示词

本研究中的每个提示词都基于两个主要框架构建，旨在消除模糊指令常常带来的“空洞套话”：

对于高复杂度的推理任务，我们使用了“先向我提问”技巧，要求模型在生成最终回答之前，先向用户询问缺失的背景信息。在我们的测试中，仅仅加上这一条，每个模型给出的回答都明显更完整、更具体。

可直接复制的实测 AI 提示词

本次测试中最好用的 ChatGPT 提示词并不是什么巧妙的一句话，而是设定了角色、清晰的任务、固定的输出格式以及关键细节。下面五个模板沿用了测试集的 RTFD 和 PCRF 结构。替换掉[方括号]中的内容，然后在 ChatGPT 中运行，或者在多个模型之间对比回答。

1. 战略备忘录（RTFD）

2. 客户邮件（PCRF）

3. 文档分析

4. 代码审查

5. “先向我提问”规划器

这一类别测试的是模型在研究生水平的科学推理、财务预测和复杂问题求解方面的能力。第一名与第二名之间的差距是所有类别中最大的。

Gemini 3.1 Pro 在 GPQA Diamond 基准上取得了遥遥领先的 94.3%，在 ARC-AGI-2 上取得 77.1%，是测试时科学推理和抽象推理领域公开发布的最高分。它的 100 万 token 上下文窗口还能处理 200 页的法律协议，而不会出现上下文限制较小的模型中常见的“上下文漂移”。

我们测试了 30 个提示词，重点考察创意叙事、品牌语调契合度，以及去除 AI 生成文本中常见的“合成痕迹”。这是规模最大的类别，而 Claude 在其中占据绝对优势。

人工评审给 Claude Opus 4.6 打出了 8.6/10 的分数，认为它的句子节奏更出色，善于处理言外之意，并且在长篇内容中始终保持一种“冷嘲热讽”式的专业语气。

Claude 的人性化改写能力不止于简单的同义词替换：它会调整抽象表达的比例和含糊其辞的措辞，让初稿读起来更自然，需要的修改也更少。

编程测试包括多文件重构、调试竞态条件以及仓库级推理。这是技术要求最高的类别，结果也出乎许多人的意料。

Grok 4.2 Beta 运行了多智能体模式，由四个智能体并行处理同一个请求，从而发现了单智能体运行时经常遗漏的并发代码逻辑错误。

GPT-5.4 Thinking 在独立函数上最为精准，尤其擅长在其他模型卡壳时找出边界情况并解决设计问题。实际区别在于：仓库级工作用 Grok，精确的单函数任务用 GPT-5.4。

这是本次测试新增的类别：这些提示词考察的是每个模型操作真实桌面环境的能力，包括浏览界面、填写表单，以及向没有 API 的系统自动录入数据。

GPT-5.4 Thinking 在 OSWorld 上取得了 75% 的分数，高于已公布的 72.4% 人类基线，而 GPT-5.2 的成绩仅为 47.3%。这是质的飞跃，而不是小幅提升。

实际应用包括自动化多步骤采购流程、对线上 Web 应用进行质量保证测试，以及在缺少 API 的老旧系统中处理数据。如果你的团队目前还在花钱请人做重复性的桌面工作，GPT-5.4 值得认真评估。

我们测试了需要最新数据的提示词，例如房贷利率的市场波动、最新的 SOC 2 合规要求、突发的监管变化。通用聊天机器人在这里表现吃力，而专门的搜索型 AI 则游刃有余。

在我们的测试中，Perplexity Sonar Pro 平均每个提示词参考 42 个来源，引用的来源数量约为通用聊天机器人的 10×。将实时网络结果交叉比对并附上可点击的引用，可以降低出现无依据说法的风险。

结论：多模型才是正确策略

从 100 个提示词中得出的最重要结论，并不是哪个模型最好，而是没有任何一个模型样样都最好，即使换成更新一代的模型，这一点依然成立。优势最明显的团队，都在组合使用多个模型。

为了获得专家级的成果，越来越多的专业团队开始采用多模型协作：由一个模型（如 Claude）起草叙述内容，再由另一个模型（如 ChatGPT）审核结构准确性和技术合规性。

在全部 100 个提示词中，始终能产出最高质量结果的工作流程并不是“用最好的模型”，而是：

这正是 MultipleChat 的用武之地：一个提示词同时发送给 ChatGPT、Claude、Gemini、Grok 和 Perplexity 并排对比，用 AI Collaboration 让它们在彼此的基础上继续完善，再用 Auto Verification 核查事实性陈述。