提示词工程实战：10个立刻能上手的技巧与可直接复制的模板库

提示词工程这四个字，听起来像一门需要啃大部头的学问，但我在用了上百个大模型产品、帮团队搭过一套内部提示词模板库之后，可以负责任地告诉你：它更像是一种“把需求说清楚”的能力。同样一个任务，有人一句话就拿到可用结果，有人写了一大段还是被AI绕晕，差别往往不在模型多聪明，而在你给的指令多清晰。

这篇文章不打算讲那些花哨的框架和理论，也不会拿一大堆“思维树”“自动提示词生成器”出来吓人。我会把过去一年踩过坑、验证过、现在每天都在用的10个提示词技巧直接摊开来讲，每一个都配了前后对比和适用场景。后面那一整套模板库，是我结合写作、产品、运营、代码走查这些高频场景整理的，你复制过去把方括号里的变量替换成自己的内容就能直接用。

如果你是第一次接触提示词工程，这篇能帮你跳过“听懂了但不会用”的阶段；如果你已经有基础，我建议直接跳到技巧七和技巧十，那两块是我觉得大多数人最容易忽视、但收益最高的细节。

1. 先说结论：提示词工程不是“咒语学”，而是需求工程

很多新手会把提示词工程当成某种“咒语收集游戏”，觉得只要背下几个万能句式，AI就能输出完美答案。我见过不少人收藏了一堆“XX万能Prompt模板”，结果粘贴过去发现效果平平，于是得出结论：这AI不行。其实问题出在底层认知上。

先说清楚我的判断：提示词工程本质上是你和模型之间的一种“接口设计”。模型不是读心术机器，它只能根据你给的上下文、角色、示例、约束条件来做“概率化补全”。你输入的信息越结构化、越明确，它的输出就越接近你想要的。这不是什么玄学，而是需求工程——把你脑子里的模糊需求，翻译成模型能执行的具体指令。

我见过最典型的案例是“帮我写一个产品介绍”。这个需求放在人类同事面前，对方大概率也会追问：给谁看的？什么平台？字数多少？语气是专业还是活泼？要突出哪些卖点？但大模型不会主动追问，它只会基于“产品介绍”这个词的统计分布，给你一段平均水准的通用文案。所以提示词工程解决的不是“模型聪不聪明”，而是“需求传达得够不够清楚”。

这也解释了为什么会有模板库这种东西。模板的本质是把过去验证过的结构化写法固化下来，让你下次面对相似任务时不用从零开始想。我给团队搭模板库时的原则很简单：任何模板必须回答清楚四件事——给谁看、拿来干嘛、按什么结构写、写成什么样算好。

把这四个问题想明白，你写出来的提示词基本不会太差。接下来这10个技巧，也全部围绕这四个问题展开。

2. 十个立刻能上手的提示词技巧，按踩坑频率排序

这十个技巧没有严格的理论分类，我是按大多数人最容易踩坑、改完效果最明显的顺序来排的。每一条都来自实际项目里的真实反馈，不是坐在电脑前拍脑袋想出来的。

2.1 技巧一：角色设定，但不是让你跟AI玩cosplay

“请你扮演一位资深文案专家”这种句式已经烂大街了，很多人用完觉得没用，是因为角色设定得太空。问题不在角色设定本身，而在你没说清楚“这个角色具体怎么干活”。

我实测下来的经验是：角色设定要给“行业背景 + 输出风格 + 判断标准”，三者缺一不可。比如“你是一位有10年医疗行业经验的科普编辑，请用初中生能读懂的语言解释疾病机制，每一个专业名词第一次出现时都要附上生活化类比”。这个角色设定信息密度就高多了——它有行业、有受众、有风格要求、有执行方式。

但要注意，不是所有任务都要角色设定。简单任务比如“帮我总结这段文字的重点”，加上角色设定反而画蛇添足。角色设定的价值在于约束模型的“默认人格”，当任务涉及专业性、语气风格、受众适配时，角色才有意义。我的判断标准很简单：如果任务描述本身就足够清晰，角色可以不写；如果输出结果总是“太通用”，优先给角色加限定条件。

实操提示：设定角色时，忌讳只写身份不写“怎么干活”。每次检查一下，你的角色描述里是否包含可执行的做法，如果没有，模型只是换了个称呼在给你写通用答案。

2.2 技巧二：把“做得好”翻译成“可检查”

“写一篇好的活动文案”“把这段代码写得规范些”“帮我优化这段通知”——这些需求里最大的坑是“好”和“规范”没有标准。模型只能猜你心里的标准是什么。

我习惯把所有模糊形容词都翻译成可检查的硬指标。拿活动文案来举例，与其说“写得吸引人”，不如说：

开头第一句话必须是反问句，正文不超过120字，包含时间、地点、报名方式三个关键信息，出现至少一次紧迫感表述（比如“仅限前50名”）。

这样改完之后，你只需要逐条核对输出，不用凭感觉判断“好不好”。这个方法在团队协作里尤其好用——你不需要解释什么是“好看”，直接把检查清单发过去就行。

“可检查”的另一个应用是让模型按你给定的结构输出。比如写邮件，直接告诉它：“结构必须包含现状、问题、建议、期望回应时间四个部分，每部分不超过三句话”。模型对结构指令的遵循度远远大于对“写得有条理一些”这种抽象指令的遵循度。

注意，不是说形容词完全不能用，而是形容词要配合可执行的量化标准一起使用。我见过有人写“请用幽默风格写”，结果模型开始尬抖包袱。后来改成“请用轻松但不失专业的口吻，每一段结尾用一个生活化类比收束”，效果立刻不一样了。

2.3 技巧三：用格式框住模型，而不是用形容词框住它

这是我最想早一点学会的技巧。有段时间我总觉得模型“不听人话”，我说“请用清晰的结构”，它给了一堆带小标题的段落；我说“请用表格”，它只用了一个三行两列的简单表格。后来我意识到，问题不是模型不听话，而是我给的格式指令太不作为了。

模型对“格式示例”的遵循度，远高于对“格式描述”的遵循度。你与其说“请用表格对比这三款产品”，不如直接把表格画给它看：

请按以下表格格式对比三款产品： | 对比维度 | 产品A | 产品B | 产品C | |---------|-------|-------|-------| | 价格（元） | ... | ... | ... | | 核心功能 | ... | ... | ... | | 适用人群 | ... | ... | ... |

这个技巧在处理结构化内容时非常管用。想要JSON输出？直接在提示词里给出JSON示例，包含字段名和嵌套结构。想要Markdown格式？把Markdown的层级示例直接写上。模型本质上是在做“模式补全”，你给它的格式越具体，它走偏的概率就越低。

格式约束还有一个隐性好处：它天然减少了模型的废话填充。当模型密集地处理结构化信息时，它没有太多空间去输出“总的来说”“综上所述”这类空话。

2.4 技巧四：一个高质量示例，胜过十句抽象解释

如果你只从这篇里带走一个技巧，我建议是这个：少讲规则，多给示例。尤其是当你的需求有比较强的个人风格、特定口径、固定格式时，一个示例顶过十几行描述。

举个实际案例。我们团队需要把用户对产品的留言整理成日报，之前一直用“请提炼重点，按问题类型分类”这种提示词，结果每次都返回一些字段不一致的内容。后来我换成了few-shot方式，在提示词里放了一条“标准输出示例”：

示例： 留言原文：蓝牙耳机连接手机后，开视频会议第10分钟开始断续，断开重连恢复，但过一会儿又出现。客服让我重置，没用。 输出： 问题现象：连接后约10分钟开始音频断续，重置无效。 问题类型：连接稳定性/硬件或固件 用户情绪：不耐烦（有二次反馈） 建议优先级：高

从那以后，模型的输出格式基本稳定了。这背后的原理很简单：与其让模型理解抽象规则，不如给它一个可以直接复制的输出模式。模型的强项是模式匹配，不是规则推理。你给它一个“好输出长什么样”的样例，它就能照着这个样式去做。

示例驱动也有适用范围。我给团队的建议是：格式类任务必须带示例，内容创作类任务建议带示例，角色扮演类任务看情况。格式越强的任务，示例带来的提升越明显。

2.5 技巧五：复杂任务按“输入-处理-输出”三段拆

很多人的长提示词之所以翻车，是因为把信息混成了一锅粥：任务目标、背景资料、限制条件、输出要求全放在一坨里。模型虽然能处理长文本，但在这种混沌结构下，它往往会漏掉关键信息。

我写复杂提示词的习惯是固定用三段结构：输入、处理方式、输出规格。比如处理一批用户反馈数据时，我会这样写：

【输入数据】以下是100条应用商店评论…… 【处理方式】请先识别每条评论属于“功能问题/体验问题/付费相关/夸赞/无效评论”中的哪一类，再统计每类占比，最后选取两个典型问题写出改进优先级建议。 【输出规格】先给结论，再给分类占比表，最后以“优先处理事项”作为小标题输出两条最重要的建议，每条建议不超过100字。

这个结构的好处是，模型能明确区分“哪些是数据、哪些是任务、哪些是要求”。我见过太多翻车案例，都是因为背景信息和指令混杂，模型分不清是让它分析的还是让它输出的。三段结构相当于给它画了一张流程图，按部就班完成就好了。

如果你的输入数据量很大，记得用明确的【输入数据】标记包起来，并且在后面加一句“以上是输入数据，请开始处理”。这能有效避免模型把数据内容当成对它的指令。

2.6 技巧六：让模型“先想再做”，但不是随口说一句“请思考”

“请一步步思考”这个句式在不少场景下确实有效，但它不是万能的。问题在于，你光说“思考”，模型并不知道该想些什么。它不是推理不出来，而是你给的思考路径太模糊。

我通常在需要复杂推理的任务里，直接给它指定思考步骤。拿用户投诉处理来举例，如果我只说“请评估这个投诉是否应该退款”，模型的答案会飘。但当我改成下面这种写法时，效果马上不一样：

请按以下步骤分析： 第1步：从投诉中列出事实信息（购买时间、问题描述、用户诉求）。 第2步：对照我们的退款政策，逐个判断是否满足条件。 第3步：判断是否存在政策未覆盖的边界情况。 第4步：给出退款建议及理由。

核心区别在于：我只定义了步骤，不替它得出结论。这样既利用了模型的推理能力，又限定了它的推理方向。这个做法在处理法律咨询模拟、方案评估、根因分析这类任务里尤其好用。

但我要提醒一句：并不是所有任务都需要引导思考。像“给我起五个标题”“把这段文字缩短”这类简单生成任务，加上思考链反而容易画蛇添足，模型会用错重点。判断标准就是任务本身的难度——如果人一眼就能做完，就不需要链式思考。

2.7 技巧七：负面约束要有，但要同时给替代方案

“不要啰嗦”“不要用连接词”“不要写出AI味”——这些负面约束在提示词里经常出现，但很多人的用法是错误的。你只告诉模型“不要做什么”，却不告诉它“应该做什么”，模型只能在巨大的候选空间里乱撞。

更高效的做法是“负面约束 + 替代方案”的组合。举个例子：

不要使用“首先、其次、最后”这类连接词。 改用短句并列，每个观点单独成段，段首直接加粗核心句。

看到区别了吗？光说“不要用连接词”，模型确实会避开，但它可能转头就用“第一、第二、第三”，或者写出一堆没有逻辑衔接的散句。给它替代方案之后，模型的输出质量才能真实提升。

另一个我在文案改写领域常用的组合是“禁用词 + 替换方向”。比如改写一篇产品文案，我说：“禁用‘极致、赋能、抓手’这类电商黑话，统一改成具体动作描述，比如把‘赋能商家’改成‘帮商家省下2小时开单时间’。”模型给出的改写质量明显更像人写的。

负面约束还有个副作用，就是它可能让模型输出变得生硬、刻意。这就像你让一个说话自带口头禅的人“不许再说‘就是说’”，他没改掉之前反而连话都不会说了。所以负面约束越精确越好，并且一定要配上替代方案。

2.8 技巧八：让模型自己打分，自己改到自己都不认识

这招是我后期才摸索出来的，但现在已经成了我的主力技巧。大模型其实是一个挺不错的“自我评判器”，只要你给它清晰的评价维度，它可以对自己的输出做二次迭代。

用法很简单：第一轮生成结束后，追加一条指令，让模型按你给出的维度打分，然后再让它根据分数修改。拿产品文案来举例：

请按以下三个维度对上面的文案打分（满分10分）：

1. 信息完整度：是否包含了用法、适用人群、购买理由。
2. 行动号召力：是否让读者知道下一步该做什么。
3. 阅读流畅度：句子是否冗余，逻辑是否通顺。 打分后，分数低于8分的项目请给出修改版本。

这个方法的威力在于，它把“让模型自我反思”从玄学变成了可操作的动作。模型打出来的分数不一定绝对客观，但它在“打分”这个动作中会重新审视自己写的内容，找出那些明显缺陷。我实测下来，第二轮修正后的内容通常比第一轮好30%以上。

注意，评分维度要具体，并且数量控制在3到5个。你给它10个维度，模型反而会平均给分，看不出重点。维度的选择要对应你对这一份输出真正的关注点。如果文案重点是转化率，那“行动号召力”的权重就要写清楚。

2.9 技巧九：temperature不是你随手滑着玩的参数

提示词不是唯一的控制手段，生成参数同样关键。我经常遇到有人说“同样的提示词，为什么今天效果好明天效果差”，大部分时候不是模型变笨了，而是温度参数在作怪。

temperature这个参数，简单来说控制着模型输出的随机性。数值越小，输出越确定、越保守；数值越大，输出越发散、越有创造性。但它不是一个“越高越聪明”的旋钮——它是你在“稳定性”和“多样性”之间的取舍杆。

以我实际使用的经验来说：

另外还有一个容易被忽视的参数是max_tokens。如果你经常发现模型话说到一半就“咔”地断掉，先去查是不是这个参数设太短了，而不是去改提示词。我之前就曾误判过，以为是提示词写得不好，结果改了半天的描述，最后发现只是输出长度限制。

2.10 技巧十：改提示词的正确顺序：一次只改一处

这个技巧听起来最不像技巧，但它可能是十个里面最值钱的。我前期经常犯的错是：看到结果不满意，一次性改角色、加示例、调temperature、改输出格式，一顿操作猛如虎，结果确实变好了，但完全不知道是哪一处发力起的效果。

这个经验让我总结出一条改提示词的标准流程：

1. 先量化问题：输出太长了？格式不对？内容空泛？方向跑偏？先把问题精确描述出来。
2. 判断问题最可能出在哪个环节：是缺少约束、示例不清、还是参数不合适。
3. 一次只改一个变量，然后跑三轮测试，看效果是否向好的方向稳定变化。
4. 如果改进有效，保持这个改动，再进入下一个问题的优化。

为什么一次只改一处？因为大模型输出有随机性，你改了三个地方，即使最终效果变好，你也无法知道其中哪个才是关键变量。下一次遇到类似问题，你仍然只能靠猜。而当你想把经验沉淀成模板时，这种“不知道哪句话起作用”的提示词是无法复用的。

特别注意：同样一个提示词，连续跑两次都可能得出略微不同的结果。所以我在判断每次改动是否有效时，都会建议最少跑三遍，以“稳定变好”为准，而不是拿单次输出碰运气。

3. 可以直接抄作业的提示词模板库

前面讲了十个技巧，但光看技巧就像拿到一堆零件，还得有人帮你组装好。这一节是我现在最常用的七个提示词模板，全部经过实际项目验证，你可以直接复制，替换方括号里的内容就能用。

3.1 模板使用说明：[变量]怎么填

模板里所有被方括号包住的地方，都是需要你替换的变量。我建议不要偷懒跳过替换直接发送——模板只是骨架，血肉还得靠你的业务信息填进去。

替换时记住一个原则：能给出具体例子就不要只给形容词。比如“[目标受众]”这一栏，与其写“年轻人”，不如写“25-30岁、习惯小红书购物、对价格敏感的城市白领女性”。信息越具体，模板的威力越大。

3.2 模板一：长文润色模板

你是一位从业10年的资深[领域]编辑，请帮我润色下面的文章。

润色要求：

1. 保留原文所有事实信息，不得新增或删减数据、人名、项目名称。
2. 每段第一句话必须是本段的核心结论。
3. 修改所有被动句式，改成主动表达。
4. 删除重复表述和空话套话。
5. 词汇风格：[平实/专业/口语化]。

原文如下： [粘贴你的文章]

输出格式：先给出润色后全文，再在文末列出你做了哪三类修改，每类列一个典型示例。

这个模板里最有价值的部分是“每段第一句话必须是核心结论”和“文末列出修改类型”。前者改变了整篇文章的信息层次，后者让你能直观看到润色逻辑，方便判断模型有没有乱改。

3.3 模板二：结构化日报/周报总结模板

请把下面的工作记录整理成一份日报/周报。

输出结构必须严格遵循： 【今日/本周完成】按重要程度排序，每项不超过30字。 【进行中】列出项目名、当前进度、预计完成时间。 【风险/问题】只列出需要上级协调或决策的事项。 【明日/下周计划】不超过5条，每条以动词开头。

工作记录： [粘贴零散记录]

注意：输出中不要出现“总体”“基本上”“进一步”等无信息量词汇。如果记录中没有提到风险，请在风险栏写“无”。

用这个模板最大的好处是，它逼着模型去做“信息压缩”而不是“内容扩写”。实际使用中，很多模型默认会把日报写成“今天，我们团队积极推进了……”的流水账，而这份输出结构直接拦截了这种趋势。

3.4 模板三：费曼学习讲解模板

请你用费曼学习法，把下面这个复杂概念讲给我听。

概念：[输入概念]

要求：

1. 先用三句话概括这个概念的核心，要求能让小学生听懂。
2. 然后给一个生活化类比，类比里不能出现原概念的任何术语。
3. 再列出这个概念的常见误解（至少3个）。
4. 最后用不超过10句话解释“这个概念在实际工作中怎么用”。

我的背景是：[你的知识背景，比如“产品经理，没有技术背景”]。

如果我在第1部分就能理解，请用“我理解了”开头；如果讲得太难，请换一个更简单的类比重新讲解。

这个模板适合用来快速学习新领域。我经常拿它来给团队新人做领域速通，效果比让人自己去查文档好很多。关键是第2部分那个“不能出现术语”的类比，它逼着模型真正理解概念结构，而不是搬运定义。

3.5 模板四：代码走查模板

请对下面的代码进行走查。

代码背景：[这段代码是干什么的，语言，运行环境] 走查关注点：

1. 逻辑缺陷：是否有边界情况没处理。
2. 性能问题：是否有不必要重复计算或额外开销。
3. 可读性：变量命名是否清晰，是否存在过长函数。
4. 潜在异常：哪些输入会让代码崩溃或返回错误结果。

代码： [粘贴代码]

输出格式：每个走查结果按“问题位置+问题类型+严重程度+修改建议”四栏列出。如果某个关注点没有发现问题，请明确写“无”。

这个模板的核心价值在于“关注点清单”。你把走查的维度提前定义好，模型就不会东一榔头西一棒槌地乱看。它不像专业工具那样能发现深层次逻辑错误，但用来做常规检查、快速给代码找bug，效率比人肉扫读高很多。

3.6 模板五：高质量头脑风暴模板

我正在做[项目/任务]，需要一些新思路。请帮我做一轮头脑风暴。

主题：[输入主题]

要求：

1. 提供12个方向不同的想法，不要重复。
2. 每个想法先用一句话概括，再用50字以内说明执行思路。
3. 12个想法中，至少4个是低成本快速测试的，至少2个是需要较大投入但可能有高回报的。
4. 请标注每个想法对应的目标人群。
5. 若某想法与主流做法差异很大，请标注“非常规”。

最后，请按“预计成本”从低到高为这12个想法排序。

用头脑风暴模板时，最大的坑是输出全是泛泛而谈。所以我强制要求“标注目标人群”和“标注成本量级”，这两个约束能逼着模型把想法做实，而不是给你一堆正确但无用的方向。

3.7 模板六：会议纪要整理模板

请把下面的会议记录整理成结构化纪要。

会议背景：[会议目标，一句话说明] 记录原文： [粘贴口语化记录]

输出要求： 【会议结论】用3-5条列出确定的结论，每条不超过30字。 【待办事项】按“负责人/截止时间/事项”三列表格输出。 【风险与争议】列出讨论中存在的分歧、未决问题。 【下次会议前需准备】列出与会人员需要提前完成的事项。

注意：待办事项只能从原文中提取，不能自行补充内容。如果原文中未提到截止时间，请在截止时间栏写“待定”。

这个模板适合直接粘贴语音转文字的赶集记录。它最重要的设计是“不能自行补充内容”和“未提到截止时间就写待定”——这能有效避免模型编造信息。我们在公司实践中发现，模型编造待办是非常常见的事，加了这条约束后可靠性高多了。

3.8 模板七：产品文案多版本生成模板

请为下面的产品写[数量]版不同方向的营销文案。

产品信息： [产品名称、核心卖点、目标用户、价格区间]

四个不同方向：

1. 专业权威版：面向行业客户，突出技术参数和资质。
2. 生活场景版：面向个人消费者，描述使用场景和感受。
3. 痛点直击版：先说目标用户的痛点，再引出产品。
4. 社交口碑版：适合小红书/朋友圈，语气口语化，突出“亲测有效”。

每版文案控制在[字数]字以内，并且必须包含：[行动号召词，比如“立即体验”或“了解详情”]。

输出时请在每个版本前注明目标人群和发布平台建议。

这个模板是四个版本一起生成，能省很多时间。但要注意，模型生成的文案不能直接发布，你要至少在其中一个版本上做人工修改。我自己的习惯是让模型生成后，再叠加技巧八里的“自评分改写”流程，让质量先过一轮自己的关。

4. 一样的提示词，为什么有人用得好有人用得废：效果验证与迭代

模板和技巧都有了，但还是有人会问：为什么我给AI用了同样的模板，效果跟别人差别这么大？这一节我想聊的是效果验证和迭代方法。我们平时80%的“提示词不好用”问题，其实不是提示词本身的问题，而是没有正确的评测和调整方法。

4.1 先把“看不出区别”变成“可评测”

很多人在评价提示词效果时全凭感觉——“感觉这次结果好一些”“好像不太行”。如果你无法定义“好”和“不行”的标准，你就永远无法系统性地改进提示词。我的做法是，每个需要长期使用的提示词，都先明确本次输出的核心指标，至少选一个。

拿刚才的文案模板举例。如果是小红书文案，核心指标可以是“是否包含3个以上情绪点”“是否在第1段就抛出痛点”“结尾是否有明确的互动引导”。这些指标不一定要量化到百分百，但必须可以勾选。能勾选的指标才是可评测的。

评测完一轮之后，如果某个指标总是达不到，你就要针对这个指标去改提示词。这比“感觉不够好，再加点词”要高效得多。

4.2 输出不理想时，先查这张排查表

我在团队内部整理过一张提示词问题排查表，每次输出不理想时，先对照表格找问题，而不是一口气改十个地方。这里分享给你：

这张表只覆盖了最常见的情况。如果你的问题不在表里，那就按技巧十的方法，一次改一处逐个排查。

4.3 什么时候该动提示词，什么时候该动参数

最后聊一个很多人分不清的问题：提示词出了问题，参数能不能救？我的结论是：参数只能微调，不能救场。

temperature调低可以让输出更稳定，但它不能让一个本来需求模糊的提示词变得清晰。反过来，max_tokens调大可以解决截断，但它不能让模型理解你追求的风格。参数是在提示词“方向正确”的前提下做锦上添花的微调工具，不是修正提示词缺陷的修补工具。

所以我的判断顺序是：先审查提示词本身，确认目标和约束都清晰了，再去看参数。只有当提示词本身已经没问题、但输出仍然抖动的时候，我才会去动温度。

5. 最后说点大实话：我用提示词工程半年后的体会

写到这里，我猜你会觉得提示词工程这玩意没什么神秘的，确实，它本来就该是这么简单。但也正因为简单，很多人反而容易忽视它的系统性。

我个人现在写提示词的固定工作流是这样的：先在文档里写下“给谁看、拿来干嘛、按什么结构写、写成什么样算好”四个问题的答案，再根据答案选角色和约束，然后找一个高质量的示例放进去，最后跑三轮测试确认稳定，再沉淀成模板。

还有一个让我受益很深的习惯是：把验证过的好提示词分门别类存下来，形成一个自己的“本地模板库”，而不是每次从空白开始。你不需要收藏别人的所有模板，你需要的只是把那些“帮我解决过真实问题”的提示词整理起来。随着这个库越来越大，你会发现大部分新任务都能从旧模板里改出来，而不是从零开始构思。

如果这篇里的十个技巧和模板库对你有帮助，我建议你接下来只做一件事：挑一个你最近重复做了三遍以上的文字任务，按技巧二和技巧五的思路重写一次提示词，然后用几天时间打磨沉淀成模板。这个动作做下来，你对提示词工程的体感会比读十篇文章都深。