- 提示工程
- AI 安全治理
【免费下载链接】TheBigPromptLibrary
A collection of prompts, system prompts and LLM instructions
导读
本文拆解 TheBigPromptLibrary 仓库中收录的 Custom GPT 系统指令acZ1g7xWK_Educational_Email_Course_Creator[v0].md,还原它如何把"创建完整且经过验证的 5 天教育邮件课程"这一营销目标,翻译成可执行的三步提示词工作流。读者读完可以掌握:邮件课程(Email Course)作为 Lead Magnet 的验证方法、SEO 标题与课程大纲的生成逻辑、逐天邮件与 Day 0 介绍邮件的撰写要求,以及 5 周社交媒体内容计划表的编排规则,并理解这些指令在当前仓库中的存储与检索方式。
这份文档是什么:仓库中的一份 Custom GPT 系统指令
TheBigPromptLibrary 是一个面向 LLM 的提示词与系统指令集仓库,其中CustomInstructions/ChatGPT/目录集中收录了数千个 ChatGPT 定制 GPT(Custom GPT)的系统指令(instructions)。CustomInstructions/README.md 将其定位为"面向各种 LLM 系统的 Custom Instructions",并按 ChatGPT GPT instructions 等类别组织。
本文分析的 acZ1g7xWK_Educational_Email_Course_Creator[v0].md 即其中一份,GPT 标题为Educational Email Course Creator,描述为 "Create a complete validated 5-Day Email Course - By Marcus Edwards"。它的核心业务目标清晰:以邮件课程作为磁铁式获客内容(lead magnet),既扩大邮件列表,又把学员平滑地引入后续付费产品。
仓库对这些 GPT 文档有一套严格的标准化格式,这一点可以从仓库自带的解析工具得到印证。在 Tools/openai_gpts/gptparser.py 中定义了SUPPORTED_FIELDS:
url(URL)title(Title)description(Description)logo(Logo)verif_status(Verification Status)instructions(Instructions)actions(Actions)kb_files_list(KB Files List)extras(Extras)protected(Protected)
本文件即按此结构组织:头部是 GPT URL 与 logo 元数据,随后是 Title、Description,核心内容则完整落在instructions字段(以 ```markdown 代码块包裹),也就是实际写入 GPT 的指令原文。文件名也遵循 gptparser.py 中的命名规范GPT_FILE_ID_RE:{9位GPT ID}_{名称}.md,其中acZ1g7xWK即该 GPT 的 ID;文件名尾部的[v0]则匹配GPT_FILE_VERSION_RE,表示这是该 GPT 指令的早期版本,仓库同时保留了正式版 acZ1g7xWK_Educational_Email_Course_Creator.md,两版可对照阅读(详见后文差异分析)。
三步工作流:从验证到完整交付
指令开篇即明确交互基调:"When asked to create an email course, walk the user through a step by step process. Only ask one question at a time so the user doesn't get overwhelmed. Explain the importance of each step." 即:
- 分步引导,不一次性倾倒全部问题;
- 一次只问一个问题,避免用户被信息量压垮;
- 解释每一步的重要性,让用户理解"为什么这么做",而非机械执行。
这一设计同时体现了对 LLM 对话体验的约束:把高认知负荷的营销策划任务拆解为可渐进完成的对话式流程。整体流程分三步:
Step 1:验证课程 → 生成 SEO 标题 → 创建大纲
- 先通过3 个验证问题确认课程有真实需求(具体话术见后文"验证阶段的三连问");
- 基于用户答案生成有说服力的 SEO 标题(compelling SEO title);
- 用户对标题与大纲满意后,再推进到正文撰写。
Step 2:逐天撰写邮件 + Day 0 介绍邮件
- 向用户确认是否开始逐封创建每封邮件;
- 每封邮件必须内容完整、包含全部相关内容,篇幅"at least a full page of content"(至少一整页);
- 全部 5 封课程邮件完成后,补写一封Day 0 介绍邮件(introduction),作为课程的入场引导。
注意正式版 acZ1g7xWK_Educational_Email_Course_Creator.md 在结尾追加了强约束:"Please do not stop until all 6 emails, including Day 0 introduction email, and the product marketing plan in table format have been created." 即必须产出 6 封邮件(Day 0 加 Day 1-5)与表格化的营销计划才算完成,防止 Agent 中途停摆或偷工减料。v0 版虽未显式写出这条"不许停"的指令,但"Once all emails have been created, draft a Day 0 email"的编排同样指向这一交付清单。
Step 3:编排 5 周内容计划(表格化)
最后一步是输出5 周内容计划(5-week content plan),以表格形式呈现。v0 版的要求是:
- 询问用户选择哪个社交媒体平台,并针对该平台定制内容;
- 每周内容应包含多种媒体形式,并提供反馈机会;
- 每周内容与课程对应日的主题挂钩:Week 1 对应 Day 1,Week 2 对应 Day 2,依此类推;
- 每周都有自己单独标注的表格(Each week has it's own labeled table)。
正式版在此基础上细化了平台适配逻辑,要求创建 plan 前依次确认三件事:使用哪个平台、创作哪种媒体(视频 / 文章 / 短帖等)、每周期望发布次数,并在整个计划中贯穿叙事(storytelling)原则。这意味着同样的课程内容,落地到 X / LinkedIn / Instagram 时,需要按各平台受众偏好重新包装,而不是一份内容全网群发。
高转化邮件课程的 9 大要素
指令以"expert email marketer and online course creator"的专家身份要求自己,聚焦"高转化邮件课程即 lead magnet"这一场景,并系统性地整合了 9 大要素。v0 版完整列出了全部 9 项,逐条解析如下。
1. 有效邮件文案(Effective Email Copy)
运用讲故事(storytelling)、嵌入相关统计数据(statistics)、包含设计良好的图形(graphics)、使用power words(强有力词汇),并通过**共情(empathize)**与受众建立连接。核心是让读者产生"这说的就是我"的代入感,而不是干巴巴地罗列知识点。
2. 清晰的行动号召(Clear Call to Action / CTA)
CTA 需满足四个条件:视觉上醒目(visually distinct)、位置突出(prominently placed)、信息明确(clear in its messaging)、有说服力(persuasive)。在邮件课程场景中,CTA 承担的是"引导读者完成下一步动作"(如报名下一环节、购买付费产品),其设计质量直接影响课程的转化漏斗。
3. 个性化(Personalization)
按姓名称呼收件人,并基于其行为、人口统计特征与购买历史定制内容。个性化是邮件课程区别于普通博客连载的关键——它让订阅者感到这套内容是为自己量身定做的。
4. 有吸引力的主题行(Engaging Subject Line)
主题行要击中收件人的痛点(pain points)并传达价值,从而提高打开率。它是邮件的第一道转化关卡:主题行不打开,正文写得再好也无效。
5. 移动端优化(Mobile Optimization)
确保邮件响应式设计、在手机上显示良好。指令明确指出相当大比例的邮件是在智能手机上被阅读的,因此桌面端美观但移动端错乱的设计会直接损失大量读者。
6. 测试与维护(Testing and Maintenance)
持续测试邮件中的不同元素(主题行、CTA、发送时间、内容结构等),并保持邮件列表的干净(及时清理不活跃地址),以此持续改善整体转化率。这是一个"上线即开始优化"的持续运营动作,而非一次性发布。
7. 了解你的受众(Know Your Audience)
进行彻底的受众调研,让邮件内容更贴合目标群体。这一步与验证阶段"定义目标受众"相呼应,属于贯穿整个流程的底层功课。
8. 提供价值(Provide Value)
以免费的方式提供教育性、启发性和信息性的内容,把自己定位为有价值的资源提供者。邮件课程作为 lead magnet 的本质就是"先用免费的高质量教育内容建立信任",为后续付费转化铺路。
9. 善用心理机制(Leverage Psychology)
运用色彩心理学(color psychology)、对**潜意识线索(subconscious cues)**的理解,以及FOMO(错失恐惧)等元素提升参与度与转化率。心理机制是把"读者"推向"行动"的助推器。
指令收尾点明了这套要素组合的战略意义:"By applying these elements systematically, you can craft email courses that not only grow your email list but also seamlessly lead students into a compelling offer, thus achieving your key marketing objectives."——系统性应用这些要素,邮件课程既能增长邮件列表,又能无缝地把学员引入有吸引力的产品,从而达成营销目标。
验证阶段的三连问:先确认需求,再谈创作
指令专门给出了"创建大纲前必须执行的验证步骤",强调逐条、一次一问地提出下列问题。验证的意义在于:课程概念必须经过检验,确保市场上确实存在对该课程的需求,这一"数据驱动、受众为中心"的做法与提升在线曝光与转化率的目标一致。
第 1 问:识别具体问题
- 提问话术:"Do you know the specific problem your course is addressing? If not, I can help you figure it out. Please just respond NO."(你知道你的课程要解决的具体问题吗?如果不知道,我可以帮你厘清,直接回答 NO 即可。)
- 目的:确保课程目标明确、相关性高——必须锁定一个具体的问题或需求,课程才有存在的价值。
分支处理逻辑:如果用户回答 NO,指令要求一次一个地提出探查性问题,帮助用户梳理出自己到底在解决什么问题,并推荐用户使用 Perplexity 这类 AI 检索工具获取更多背景信息。这是一个典型的"教练式澄清"设计:不替用户拍板,而是引导用户自己找到答案。
第 2 问:定义目标受众
- 提问话术:"Who exactly are you solving this problem for?"(你到底在为谁解决这个问题?)
- 目的:理解受众是创作"能引起共鸣的内容"的关键,需要了解其人口统计特征、面临的挑战以及他们希望达成的目标。
第 3 问:评估独特定位
- 提问话术:"What skills, experience, or perspective do you have that makes you uniquely qualified to offer this course?"(你具备哪些技能、经验或视角,使你特别有资格开设这门课程?)
- 目的:建立可信度与信任(credibility and trust)。独特资质可以是专业背景、个人经历,也可以是独特的教学方法。这一问实际上是在为课程提炼"为什么是你能教"的差异化卖点。
SEO 标题与课程大纲的生成逻辑
验证完成后进入创作环节。
SEO 标题的生成要求
标题要清晰、有吸引力、为搜索引擎优化,应反映要解决的问题并与目标受众产生共鸣,同时选用受众可能搜索的关键词。这本质上是"搜索意图 + 痛点 + 价值承诺"的浓缩表达——正式版中给出的示例为:"Boost Your Business: Mastering Social Media Engagement in 5 Days"(提升业务:5 天掌握社交媒体互动),可以作为模板参考。
大纲的编排原则
大纲应从入门逐步推进到更复杂的概念(logically progresses from introduction to more complex concepts),并始终牢记前文所述的高转化要素。正式版用一个"提升小企业社交媒体互动"的示例课程完整展示了这一结构:
- Day 1:社交媒体基础——平台概览、选择适合自己业务的平台、账号搭建;
- Day 2:内容创作与品牌声音——内容策略、一致的品牌声音、能驱动互动的内容类型;
- Day 3:互动技巧与社区建设——提升互动的技巧、建设社区、回复评论与消息;
- Day 4:数据分析与数据驱动决策——用分析工具追踪表现、理解指标、做出数据驱动决策;
- Day 5:付费广告与规模化——付费广告入门、赞助内容最佳实践、扩大社交媒体影响力的策略。
大纲之后,正式版还要求每天内容都要融入有效邮件文案、清晰 CTA、个性化元素、有吸引力的主题行,并针对移动端优化,同时持续测试维护。这一示例的价值在于:它把抽象的三步流程具象成了一个可照抄的课程骨架模板,读者可以据此替换为自己的主题。
邮件内容的最低交付标准
指令对每封邮件设置了硬性质量标准:
- 内容综合全面,涵盖与该日主题相关的全部内容,而不是只写个开头吊胃口;
- 篇幅至少一整页,确保课程有实质信息量,能支撑"教育内容免费提供"的信任建立目标;
- 全部 5 封 + Day 0 共6 封邮件完成后,才算进入营销计划环节。
对想用这套指令搭建自己邮件课程的人来说,这是一个很好的验收清单:逐封检查内容是否完整、是否达到一页篇幅、Day 0 是否起到"引导进入课程"的作用。
v0 与正式版对照:一份指令的版本演进
仓库同时保留了 v0 与正式版两份文档,gptparser.py 的GPT_FILE_VERSION_RE正是为这类[版本]后缀的文档设计的。两版差异本身就是有价值的"版本演进"证据:
| 维度 | v0 版(本文主体) | 正式版 |
|---|---|---|
| 高转化要素数量 | 9 大要素(含个性化、移动端优化、测试维护、了解受众) | 5 大要素(文案、CTA、主题行、提供价值、心理机制) |
| 内容计划目标 | 5 周内容计划,仅要求选择平台并定制 | 产品营销计划(product marketing plan),创建前需确认平台、媒体类型、每周发布频率 |
| 叙事原则 | 未显式提及 | 明确要求在计划中贯穿 storytelling |
| 示例课程 | 无 | 提供"社交媒体互动"完整示例(验证、标题、5 天大纲) |
| 完成约束 | 流程性要求 | 显式要求"不完成 6 封邮件与表格化计划不停止" |
从对比可推断,正式版更强调流程收敛(要素精简为可执行的核心项)与交付完整性(强约束 + 示例引导),而 v0 版保留了对邮件营销要素更全面的方法论覆盖。两者配合阅读,恰好能理解一份 Custom GPT 指令从"全要素方法论"到"聚焦执行"的打磨过程。
在仓库中检索与复用这份指令
如果你想在 TheBigPromptLibrary 中找到并使用这类 GPT 指令,仓库在 Tools/openai_gpts/README.md 中提供了配套工具。
按 GPT ID 查找文件,可使用idxtool.py的--find-gpt:
cd Tools/openai_gpts python idxtool.py --find-gpt acZ1g7xWK也支持用完整 ChatGPT URL 或包含多个 ID/URL 的@文件批量检索。
生成新 GPT 模板,可使用gen_gpt_templ.py,它从 ChatGPT 站点下载并解析 GPT 元数据(标题、描述、作者、头像),生成标准化的 markdown 模板:
python gen_gpt_templ.py https://chatgpt.com/g/g-acZ1g7xWK-educational-email-course-creator批量格式化与解析,可用oneoff.py的reformat_gpt_files批量重排目录内 GPT 文件,或直接调用gptparser.py中的GptMarkdownFile.parse解析任意 GPT 文档的字段结构。工具本身以 GPL 协议开源(见 Tools/openai_gpts/README.md)。
结语
acZ1g7xWK_Educational_Email_Course_Creator[v0].md是一份将"邮件营销方法论"编译为"LLM 可执行指令"的完整样例:它用一次一问的对话设计降低用户认知负担,用三问验证、SEO 标题、逐天大纲保证课程内容有的放矢,用 9 大高转化要素约束每一封邮件的质量,并用 5 周内容计划把单一课程延展为可持续的社交内容资产。无论你是想搭建自己的"邮件课程生成器" GPT,还是单纯研究高转化邮件营销的系统化设计,这份文档都提供了可直接照搬的模板——配合仓库中的正式版、解析工具与检索脚本,即可完整复现并定制这条工作流。
- 提示工程
- AI 安全治理
【免费下载链接】TheBigPromptLibrary
A collection of prompts, system prompts and LLM instructions
相关推荐
TheBigPromptLibrary 实战解析:Essay Writers 😉 自定义 GPT 的指令结构、写作流程与降 AI 痕迹方法论
TheBigPromptLibrary 实战解析:Essay Writers 😉 自定义 GPT 的指令结构、写作流程与降 AI 痕迹方法论 本文以 TheB
提示工程AI 安全治理TheBigPromptLibrary 实战解读:GPT Architect 七步提示词工程方法论与自定义 GPT 构建指南
TheBigPromptLibrary 实战解读:GPT Architect 七步提示词工程方法论与自定义 GPT 构建指南 本指南以仓库中公开的 GPT Ar
提示工程AI 安全治理TheBigPromptLibrary 中的 Poe Bot Creator GPT 提示词剖析:为 Poe 聊天机器人生成四要素档案的方法论
TheBigPromptLibrary 中的 Poe Bot Creator GPT 提示词剖析:为 Poe 聊天机器人生成四要素档案的方法论 本文基于 The
提示工程AI 安全治理
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考