提示词生成器
把「我要它做什么」拆成结构，生成一段可以直接用的提示词。结构化的提示词通常比一句话效果好很多。
为什么这样拼
角色决定它调用哪部分知识，任务决定目标，背景减少它瞎猜，输出格式让结果可直接使用，约束是为了挡掉最常见的「正确的废话」。缺哪一项都可以留空，生成器会自动跳过。
什么时候用
- 同一类任务要反复做（周报、代码审查、文案改写），想把角色、输出格式和约束固定成一个能复用的模板。
- 模型总在给「正确的废话」，你想把约束（不要做什么、必须包含什么）明确写进提示词，而不是每次口头补充。
什么时候不用
- 任务本身还没想清楚：连要什么结果、什么算合格都说不出来时，先想清楚再套结构，模板只会让模糊的需求显得正式。
- 需要 few-shot 示例、工具调用 schema、多轮对话状态或检索到的资料：这些要手写或用专门的编排工具，本生成器不涉及。
限制与隐私
纯本地拼装，不上传、不调用任何模型。限制：只做模板拼接，不判断任务是否合理，也不保证效果；至少要填两项才会生成；不保存草稿，不含 few-shot 示例、工具定义和多轮对话管理。
常见问题
生成器会不会把内容上传？
不会。它只是本地的字符串拼接：没有网络请求、不调用任何模型 API、不写 localStorage，也不把内容放进 URL，关掉页面输入就没了（所以也不会保存草稿）。真正的风险在下一步——你把生成的提示词粘贴到哪个服务，就受那个服务商的隐私政策和数据保留规则约束。涉密内容请先脱敏，再贴进任何对话框。
结构化提示词真的比一句话好吗？
对「有明确交付物」的任务通常更好，因为约束变成了显式条款，模型少猜。但不是越结构化越好：角色设定（「你是世界顶级专家」）对新一代模型收益有限，有时反而让回答更空泛；真正起作用的是具体任务、真实输入材料、明确的输出格式，以及材料不足时怎么办。生成之后建议至少按模型的回答改一到两轮，把没写清楚的约束补进去，模板只是起点。
在 GPT 和 Claude 上用法一样吗？
结构大体通用，细节偏好不同：Claude 对 XML 标签和长文档上下文更敏感，可以把背景材料包在 <document> 里；GPT 系列对 Markdown 分节和 system / user 分工反应更好；推理模型通常不需要再写「一步步思考」，写了反而可能干扰。同一段提示词换个模型效果变差是正常的，把输出格式那一段改成目标模型的习惯写法即可。