提示词模板生成器 — {{Variables}}、CSV 批量与 Batch API JSONL

用 {{variables}} 编写提示词，通过表单或 CSV 填充，按每行一个提示词导出为文本、CSV，或 OpenAI 和 Anthropic 批处理文件。

起始模板

模板

用 {{name}} 表示变量，用 {{name|default}} 为其设置默认值。已找到的变量：content_type, audience, length, text。

content_type

默认值：article

audience

默认值：a busy executive

length

默认值：3 bullet points

text

你的提示词 · ≈92 个 token · 369 个字符

Summarize the following article for a busy executive in 3 bullet points. Keep names, numbers and dates exactly as written. If something is unclear in the source, say so instead of guessing.

<source>
Revenue grew 12% to $4.1M in Q2, driven by the new clinic plan. Churn rose from 2.1% to 2.6% after the price change in April. Hiring is paused until September.
</source>

Token 计数使用 OpenAI 的 o200k 分词器（GPT-4o 及之后的模型）。Claude、Gemini 和 Llama 使用各自的分词器，因此同一段文本的计数会略有不同。

完全在你的浏览器中运行。模板和 CSV 数据绝不会离开你的设备。浏览全部免费工具.

发现问题，或者觉得哪里可以更好？每条消息我们都会阅读，并尽快修复。

这款提示词模板生成器让你只需用 {{variables}} 写一次提示词，就能在各种情况下重复使用。占位符会自动变成表单字段，默认值可以以 {{tone|friendly}} 的形式写在模板里，填充后的提示词会随输入实时更新，并显示 token 数。要让团队使用一个经过测试的提示词并保持一致，这是最快的方法，免去手动修改各种副本。

需要批量处理时，粘贴或上传 CSV，即可每行生成一个提示词。列按名称与变量匹配，缺失的会被标出，结果可下载为纯文本、JSONL、CSV，或可直接用于 OpenAI Batch API 和 Anthropic Message Batches API 的批处理文件——这两种 API 都以异步方式处理大型任务，价格低于实时请求。本工具只负责准备请求，不会调用任何 API，所以你仍需用自己的密钥上传文件。

使用方法

选择一个入门模板或自己编写提示词，把每个会变化的部分标记为 {{name}}。
在“单次填充”模式下，在生成的字段中输入值，然后复制完成的提示词。
如需生成大量提示词，切换到“从 CSV 批量生成”，粘贴或上传列名与变量相符的 CSV，并检查匹配情况。
选择导出格式。对于批处理 API，设置模型、最大输出 token 数以及可选的系统提示词。
下载文件并上传到服务商（用 OpenAI Files API 上传，purpose 设为 batch；或把 Anthropic JSON 以 POST 方式发送到 /v1/messages/batches）。

常见问题

什么是提示词模板？

提示词模板是为变化部分（例如要摘要的文本、受众或语气）留有占位符的提示词。措辞只需测试一次，之后针对每种情况填充占位符即可。它能让结果保持一致、便于分享提示词，大多数大模型应用和框架也正是这样存储提示词的。

如何为 OpenAI Batch API 创建 JSONL 文件？

每一行必须是一个 JSON 对象，包含 custom_id、method（POST）、url（例如 /v1/chat/completions）和 body，其中 body 是包含 model 和 messages 的普通请求。把提示词写进模板，加载 CSV，选择 OpenAI Batch API 并下载。以 purpose "batch" 上传文件，再用相同的端点创建批处理任务；结果会以 custom_id 为键返回。

Anthropic Message Batches API 使用什么格式？

POST /v1/messages/batches 接收一个带 requests 数组的 JSON 请求体。每个请求包含 custom_id（字母、数字、连字符和下划线，最多 64 个字符）和 params，params 中是普通的 Messages API 请求：model、max_tokens 和 messages，以及可选的系统提示词。Anthropic 导出会直接写出这个请求体，或为脚本使用每行写一个请求。

CSV 列是如何与变量匹配的？

按名称匹配，忽略大小写、空格、短横线和下划线，所以名为 "Product Name" 的列会填充 {{product_name}}。没有对应列的变量会使用其默认值（{{tone|friendly}}），或你在“单次填充”模式中输入的值。导出前，工具会显示哪些变量已匹配，并列出仍有未填充占位符的行。

token 计数有多准？

它使用 OpenAI 的 o200k_base 分词器，即 GPT-4o 及之后的 OpenAI 模型所用的分词器，所以对这些模型来说，提示词文本的计数是精确的。聊天格式还会为每条消息额外增加几个 token。Claude、Gemini 和 Llama 使用不同的分词器，同样的文本会得到略有不同的数字，所以对它们而言请把计数当作估算。

模板语法

• {{name}}：一个变量。名称以字母或下划线开头，可包含字母、数字、_、- 和点号。花括号内的空格会被忽略，所以 {{ name }} 也可以。

• {{name|default text}}：带默认值的变量，未提供值时使用默认值。

• 同一个变量可以出现多次；所有位置都会填入相同的值。

• 未填充的变量会以 {{name}} 的形式保留在输出中并被报告出来，所以缺少某一列时不会悄无声息地生成有问题的提示词。

用清晰的分隔符包裹较长的输入，例如 <source>…</source> 或三引号。这能告诉模型你的指令在哪里结束、数据从哪里开始，也能削弱数据中提示词注入的效果。

批处理 API：什么时候值得用

OpenAI 和 Anthropic 都提供批处理，token 价格打五折，代价是结果异步返回：任务在 24 小时内完成，通常快得多。它适合没人在等结果的工作，例如工单分类、生成产品描述、文档摘要或运行评测。

按 custom_id 匹配结果，而不要按行顺序，因为结果可能以任意顺序返回。保留生成该批任务的 CSV：导出中的 row-1、row-2 等 ID 可以直接对应回它的各行。先用几行做实时请求测试，因为在 10,000 行的批任务中才发现模板写错，代价可不小。

提示词模板生成器 — {{Variables}}、CSV 批量与 Batch API JSONL

使用方法

常见问题

模板语法

批处理 API：什么时候值得用

相关免费工具