PM任务提示词模板

构造流程（5 步）：

1. 找一个真人完成该任务的真实样本（如 Exponent 面试答案），转成 markdown。
2. 把样本粘进 ChatGPT，让它 "Make up a version of this but for a fake product, using the exact same structure"——得到脱敏的同构示例。
3. 追加 "Make it sound more authentic" 去掉 AI 腔；再让它"为没见过这个示例的人写一份复刻其结构与风格的简要指令"（只返回指令、不编号）。
4. 用 角色 + 任务 + 指令 + 示例 组装成模板。
5. 生成结果后把排版对齐人类答案（避免格式成为盲测中的暴露点）。

模板骨架：

As a {role} you are tasked with {task} for the provided product.
Start by listing assumptions and planning out your answer in a
separate bullet point section labeled "Thinking". Then follow the instructions.
### Instructions
{instructions}
### Example
{example}

三个要素为什么起作用：

• Role：专业任务是文化与政治游戏——硅谷高管觉得"显然"的答案对消费品公司老板完全陌生。让模型扮演"某大厂 PM"才能调出对的行话、参照系和口味；不设角色只能得到平均答案。
• Instructions：开头强制"先列假设、规划答案"（Thinking 段）= chain-of-thought / 给模型思考时间，OpenAI 称之为 "give the model time to think"。可按任务加特殊指令，如"加入冷门引用""因为忙碌犯少量语法错误"来增加人味。
• Example：模板中影响最大的部分。很多任务的做法难以言传，示例让模型捕捉你描述不出的细微差别；加一个示例即可大幅提升可靠性，多元化的多个示例更好——但示例过多会束缚创造力，且收集示例花时间，先试一个。