★ FEATURED ARTICLE 提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载本文以开源仓库 GPTs 中泄漏的 Customer Service GPT 提示词由 Daniel J Patterson 构建为绝对核心逐条拆解其辅助客服坐席的双层对话架构、10 条客服回复生成指令与 10 条企业语言语调遵从指令并结合仓库内其他支持类 GPT 提示词横向印证最终给出可直接复刻、可迁移到任意企业场景的客服 GPT 配置方案。读完本文你将掌握一套先收集信息、再生成合规回复的企业客服提示词工程方法论并能在自己的 GPT 或智能客服系统中落地应用。一、文档定位与仓库背景本仓库 README.md 将自身定位为 leaked prompts of GPTs 的集合收录了大量来自 OpenAI GPT 商店的泄漏系统提示词。Customer Service GPT 即其中之一其公开描述为A support bot adhering to company language guidelines.即一个严格遵循公司语言规范的支持机器人。与仓库中面向 C 端用户的娱乐型 GPT如 AI Lover、Moby Dick RPG不同这是一款典型的B 端业务型 GPT它的最终输出对象不是终端顾客而是企业里的客服坐席customer service representatives。这一服务对象差异直接决定了整套提示词的结构设计。值得说明的是本文所依据的提示词正文位于 prompts/Customer Service GPT.md 的代码块内。它沿用了 OpenAI 官方生成的 GPT 身份样板You are a GPT – a version of ChatGPT that has been customized for a specific use case...这一样板在仓库多个泄漏提示词中反复出现例如 GPT Builder 同样以 You are an iterative prototype playground... 开头——可以推断这是 GPT 构建器自动注入的通用前缀而真正体现产品差异化的是其后紧随的自定义指令正文。二、核心架构面向坐席的双层对话设计这是本提示词最值得学习的设计决策原文用一个段落明确规定了信息流向prompts/Customer Service GPT.mdThe GPT speaks to the user of the GPT and will ask the user to provide the information needed to answer the question before it formulates the response to send to the customer. Also the GPT always makes it clear what the user should respond to the customer, and if it does not have enough info to formulate a response it will ask the user for more information about their company.其含义可以拆解为三条关键规则对话对象是坐席不是顾客用户把顾客的原话、背景贴给 GPTGPT 先向用户坐席确认缺失信息而不是直接替坐席编造一个无法核实的答复。产出物边界清晰GPT 必须明确指出你应该回复顾客什么what the user should respond to the customer避免坐席把辅助草稿误当成最终话术直接发出。信息不足时主动追问如果掌握的信息不足以形成准确回复GPT 应继续向用户索要关于其公司的更多资料而不是硬着头皮生成。首次消息的引导脚本原文还规定了第一次对话必须做什么第 17 行After the first message, the GPT should welcome the user to CX GPT and ask for the name of the company that it will be providing customer service responses for and a list of FAQs and/or macros in order to match the companys tone/voice and provide the most accurate information possible.即首条回复必须完成三件事欢迎用户使用 CX GPT注意原文中 GPT 自称 Customer Experience GPT与展示名 Customer Service GPT 略有出入属于提示词内部的命名混用询问所服务的公司名称索取 FAQ 列表和/或话术宏macros以便匹配公司的语气/声音tone/voice。这一开局信息收集清单是一个高价值的工程技巧它把语调对齐从运行时猜测提前到了会话初始化阶段让 GPT 从一开始就具备公司背景从而显著降低后续回复跑偏的概率。三、客服回复生成指令10 条可执行规范原文以 Instructions for Generating Customer Service Responses 为标题给出了 10 条面向生成最终回复的指令第 19-43 行。下表先给出全量清单随后逐条展开解析#指令核心要求1Understand the Inquiry先充分理解顾客问题再动笔2Be Polite and Empathetic礼貌开场、共情绝不为延误道歉改为感谢耐心3Provide Accurate Information回复必须事实正确援引公司政策、产品手册、服务指南4Be Concise and Clear简洁清晰避免过度技术化5Offer Solutions or Next Steps问题类给出方案/下一步咨询类给出完整答案6Personalize the Response尽可能参考顾客历史互动或已提供细节做个性化7Close Politely礼貌收尾、提供后续帮助、感谢联系8Check for Compliance确保符合公司政策与法律特别是客户数据隐私9Promptness快速生成维持服务效率10Review Before Sending发送前复查错误、清晰度与语气逐条解析1. 先理解再回复Understand the Inquiry要求 GPT 仔细阅读顾客的问题或诉求在真正理解核心议题之后再起草回复。这与追问机制配合能有效避免对歧义问题答非所问。2. 礼貌与共情且使用替代性道歉Be Polite and Empathetic除礼貌开场和共情外原文给出了一句极具工程价值的硬性话术约束Never say sorry for the delay, say thank you for your patience即永远不要为延误说抱歉要说感谢您的耐心。这是典型的负面话术改写rephrasing策略把道歉导向的负面情绪替换为致谢导向的正向表达既承认了等待事实又维护了品牌形象。此类禁区词 替代表达可以直接沉淀为企业的通用话术规则。3. 提供准确信息Provide Accurate Information要求事实正确、与顾客问题相关并援引公司政策、产品手册或服务指南作为依据。这为后面接入知识库的需求埋下了伏笔。4. 简洁清晰Be Concise and Clear避免过度技术化语言回复要容易理解、切中要点。5. 提供解决方案或下一步Offer Solutions or Next Steps区分两类场景——问题类诉求给出明确解决方案或建议下一步信息咨询类则给出完整答案。6. 个性化Personalize the Response如可能参考顾客此前的互动记录或本次提供的具体细节进行个性化避免千篇一律。7. 礼貌收尾Close Politely以礼貌的结束语收尾主动提供进一步帮助并感谢顾客联系。8. 合规检查Check for Compliance确保回复符合公司政策与法律准则尤其是客户数据隐私相关要求。这条指令把合规内化为生成流程的一个必经步骤而非事后补救。9. 及时性Promptness以快速生成为目标维持客服效率。10. 发送前复查Review Before Sending在最终确定回复前检查错误、清晰度和语气确保达到优质客服的标准。这 10 条事实上构成了一个完整的客服回复质量检查单QA checklist从理解→措辞→内容→结构→合规→速度→质检覆盖了一条客服消息从起草到发送的完整链路。四、企业语言与语调遵从指令10 条品牌一致性约束原文第二部分以 Instructions for GPT to Adhere to Companys Language and Tone in Customer Service Responses 为题给出了 10 条专门约束语气与语言一致性的指令第 45-65 行#指令核心要求1Understand Companys Tone and Language生成前先熟悉公司偏好的语气与语言风格正式/随意/技术/友好2Use Official Language Templates如有模板或风格指南以其为基础生成所有回复3Strict Adherence to Companys Terminology严格使用公司惯用术语不偏离以保持沟通一致性4Reflect Companys Values in Responses每条回复都要体现公司核心价值观与使命5Avoid Deviating from Scripted Responses使用公司提供的宏/脚本回复时除非必要不得改动6Regular Updates on Language and Tone及时跟进公司沟通风格的变更并快速融入生成流程7Mimic Companys Response Patterns分析并模仿公司既有客服回复的模式与语气细节8Consistency in Greetings and Closings使用公司标准化的问候语与结束语9Feedback Mechanism for Language and Tone建立坐席反馈闭环验证生成回复是否准确反映公司语言与语气10Compliance with Legal and Ethical Standards始终遵守法律与道德标准特别是客户隐私与数据保护逐条解析1. 理解公司语气与语言Understand Companys Tone and Language明确列出语气可能属于正式formal、随意casual、技术technical或友好friendly并要求在生成前完成识别。这是所有后续语气约束的前提——它把品牌声音显式建模为输入参数。2. 使用官方语言模板Use Official Language Templates如有公司提供的语言模板或风格指南一律以其为基础确保所有回复与既有风格一致。这解释了为什么提示词首段会要求开局就索取 FAQ 和宏。3. 严格遵守公司术语Strict Adherence to Companys Terminology要求使用公司内部惯用的术语和短语禁止自行更换措辞。对客服场景而言术语漂移terminology drift是品牌一致性最大的隐性风险此条直接将其列为硬约束。4. 在回复中体现公司价值观Reflect Companys Values in Responses每条回复都应反映公司的核心价值观与使命以维持统一的品牌形象。5. 不偏离脚本化回复Avoid Deviating from Scripted Responses使用公司宏或脚本回复时除非为了清晰或针对性确有必要否则不得改动。这条与第 3 条互相呼应共同把一致性置于自由度之上。6. 定期更新语言与语调Regular Updates on Language and Tone要求紧跟公司沟通风格或品牌指南的变化并迅速将这些变化纳入生成流程。提示词因此具备了可维护性——它不是一次性的死规则而是要求随品牌演进持续更新。7. 模仿公司回复模式Mimic Companys Response Patterns通过分析既有客服回复来学习其语气细节。这与第 1 条形成闭环先理解风格再通过样本模仿风格。8. 问候语与结束语一致Consistency in Greetings and Closings统一使用公司标准问候语与结束语呼应前文tailor its greetings and closings to match the customers query的个性化要求——个性化发生在标准模板内部而非推翻模板。9. 语言与语气的反馈机制Feedback Mechanism for Language and Tone建立反馈回路让客服坐席可以对生成回复是否准确反映公司语言与语气给出反馈。这是一个非常成熟的工程化设计将提示词系统设计为可迭代闭环而非一次性提示。10. 法律与道德合规Compliance with Legal and Ethical Standards始终确保回复符合法律与道德标准特别是客户隐私与数据保护。五、关键设计亮点提炼结合全文这套提示词中有五个值得单独拎出来学习的工程亮点双层对话 产出物标注GPT 面向坐席提问、面向顾客产出且始终明确你应该回复顾客什么。这避免了 AI 直接面向顾客带来的不可控风险是AI 辅助人工坐席类产品最稳妥的交互范式。开局信息收集脚本首次对话强制收集公司名、FAQ、宏把语调对齐前置到会话初始化阶段。负面话术改写规则Never say sorry for the delay, say thank you for your patience 是可直接照搬的通用话术规则。禁区 模板双约束术语严格遵从、宏脚本不轻易改动禁区同时保留问候语/结束语的个性化空间模板内定制。反馈闭环与持续更新通过坐席反馈机制和定期更新要求把提示词变成可持续进化的系统而非静态文本。六、仓库佐证同仓库支持类 GPT 提示词的横向印证本仓库除 Customer Service GPT 外还收录了多个支持/服务主题的提示词可作横向参照Tech Support Advisor由 ChatGPT 官方构建的 IT 支持顾问主打从配置打印机到设备排障一步步帮你From setting up a printer to troubleshooting a device, Im here to help you step-by-step。它同样以逐步引导step-by-step为核心交互模式并配置了 python、browser、myfiles_browser 等工具能力说明支持类 GPT 普遍采用结构化引导 工具辅助的组合而 Customer Service GPT 则在语言一致性和合规上做了更重的约束。Email Responder Pro由 Max Krishtul 构建是粘贴来信、生成得体回信的邮件场景助手。它同样遵循先粘贴原文 → 分析内容/语气/意图 → 生成对等语气的回复 → 意图不明时追问澄清的流程与 Customer Service GPT 的先收集信息再生成回复在方法论上高度同构。从源码结构可以推断这类回复生成类GPT 提示词的通用骨架是——角色定位 → 输入收集粘贴原文/提问补全→ 生成规范语气/结构/合规检查单→ 输出边界明确指出回复内容。Customer Service GPT 的价值正是在这个通用骨架上额外叠加了企业语言遵从这一层纵深约束。七、复刻与落地指南如何用该提示词配置企业客服 GPT基于原文与仓库证据在 OpenAI GPT Builder 或其他支持系统提示词的自定义助手中复刻该方案推荐按以下步骤进行1. 准备公司侧配置物料对应开局收集脚本公司名称与品牌定位对应 ask for the name of the companyFAQ 清单对应 a list of FAQs话术宏 / 脚本回复集对应 macros直接决定问候语、结束语与标准答复公司语气画像在正式/随意/技术/友好之间明确取值风格指南或官方语言模板如有公司政策、产品手册、服务指南作为准确性依据合规边界明确哪些客户隐私信息不可提及、不可外泄。2. 指令组装保留原文 20 条并做参数化可直接以原文两个指令块为骨架将其中公司占位符替换为实际信息。一个最小可运行的结构示意如下仅展示组织方式实际应保留原文全部 20 条指令你是 公司名 的客服回复助手面向客服坐席工作 1. 对话对象是坐席不是顾客生成回复前先向坐席收集缺失信息并明确指出坐席应回复顾客的内容。 2. 首次对话欢迎使用客服助手询问公司名称并索取 FAQ 与话术宏清单。 3. 生成回复时必须先理解诉求、礼貌共情、不说道歉改说感谢耐心、引用公司政策与手册、简洁清晰、给出方案或完整答案、尽量个性化、礼貌收尾、做合规检查、快速生成、发送前复查。 4. 语言与语调遵从识别公司语气画像、使用官方模板、严格使用公司术语、体现公司价值观、不随意偏离宏/脚本回复、及时跟进风格更新、模仿公司既有回复模式、统一问候与结束语、建立坐席反馈闭环、遵守法律与隐私规范。3. 运行与迭代建议在首次会话中主动完成信息收集确认 FAQ 与宏已载入后再开始产出每次生成都明确划分回复给顾客的话术与给你的内部说明防止坐席误发建立坐席反馈台账定期把语气不符的案例回填进提示词呼应原文的反馈机制要求若企业有更细的 FAQ 文档可参考本仓库其他 GPT 使用上传文件knowledge能力的先例将知识库文档作为 GPT 的 knowledge 文件接入以增强第 3 条引用公司政策与手册的准确性。4. 适用前提与限制基于原文可观察到的边界需要说明的是泄漏提示词正文中并未声明该 GPT 具备联网检索、代码执行或文件检索等工具能力其知识来源依赖坐席人工提供与公司背景资料因此它的准确性高度依赖输入信息的完整度这也正是原文反复强调信息不足必须追问的原因。在复刻时若业务需要实时订单查询、知识库检索等能力需按平台规则另行接入工具Actions / knowledge而提示词层则负责保证生成质量与语气合规。八、结语Customer Service GPT 的泄漏提示词虽然篇幅不长却是一份教科书级别的企业客服提示词工程样例它用双层对话解决了 AI 直接对外发言的失控风险用开局信息收集解决了语气对齐问题用 20 条指令把礼貌、准确、简洁、个性化、合规、及时、质检拆解为可执行清单再用术语禁区 模板 反馈闭环把品牌一致性落地为可持续维护的流程。任何计划在企业内落地 AI 客服辅助系统的团队都可以直接以本文第七节的方法把这份提示词改造成自己的生产级方案。深入阅读Customer Service GPT 原始提示词仓库 README 与提示词索引同类支持类提示词 Tech Support AdvisorEmail Responder Pro赞分享提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载相关推荐从 Code Explainer 泄漏提示词看代码解释类 GPT 的系统提示词设计GitHub GPTs 仓库实战解析从 Code Explainer 泄漏提示词看代码解释类 GPT 的系统提示词设计GitHub GPTs 仓库实战解析 本文以 prompts/Code E提示工程G-Helper 手动风扇控制3 步自定义风扇曲线把 ROG 风扇噪音压下来G Helper 手动风扇控制3 步自定义风扇曲线把 ROG 风扇噪音压下来 开直播或录播客时风扇一旦拉高转速麦克风就会把那股嗡声直接收进录音里——桌面应用系统编程如何评估GPTs提示词质量从专业度到实用性的完整指南如何评估GPTs提示词质量从专业度到实用性的完整指南 在AI驱动的时代GPTs提示词已成为连接人类需求与AI能力的核心桥梁。一份高质量的提示词能让AI产出专提示工程上一篇50 项预制 ComfyUI 工作流模板拖入 JSON 直接出图的快速指南下一篇OHIF 开发流程Issue 分类、PR 评审、质量保障与自动发布机制创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
