能源行业正在经历数字化转型，现代人工智能已发展成为上游作业的关键资产。从优化油藏表征到降低钻井风险，AI正成为技术决策的效能倍增器。
这些提示词经过严格测试和优化，适用于包括ChatGPT、Gemini、Claude和DeepSeek在内的主流大语言模型。虽然特定模型展现出独特优势——例如DeepSeek的逻辑推理能力或Claude处理大型技术文本的能力——但以下提示词库为石油工程师提供了一个通用基础，帮助他们在办公室和现场环境中提升效率与精度。
1. 优化历史拟合策略
最佳模型： DeepSeek或Claude（因其对复杂逻辑工作流的高推理能力）。
历史拟合以迭代耗时著称。使用此提示词基于不匹配参数生成结构化敏感性分析方案。
扮演高级油藏模拟工程师。我正在对[砂岩/碳酸盐岩]油藏进行历史拟合，驱动机制为[水驱/气驱]。当前模拟模型能较好匹配压力数据，但在[Wells X、Y和Z]井的见水阶段严重低估了含水率。
基于相对渗透率曲线和边水侵入参数，提出分步敏感性分析策略以识别导致见水延迟的参数。按影响可能性对参数排序，并对相对渗透率端点值（Krw、Kro）和指数值提出具体调整建议。
价值回报： 通过提供针对特定不匹配症状的优先级调参列表，大幅减少试错阶段。
2. 设计钻井液方案
最佳模型： ChatGPT（擅长综合化学性质与操作限制）。
制定泥浆方案需平衡抑制性、流变性和成本。此提示词帮助为复杂地层设计稳健的流体体系。
扮演钻井液专家。我需要为斜井段（角度[X]度）制定初步泥浆方案，该井段将穿过易发生膨胀和坍塌的反应性页岩地层。预计井底温度为[X]摄氏度。
推荐一种能最大化抑制性和井眼清洁效果的水基泥浆配方。列出关键添加剂（抑制剂、增粘剂、降滤失剂）及其推荐浓度范围。包含关于压差卡钻的简要风险评估及建议缓解措施。
价值回报： 生成全面的泥浆体系设计起点，确保早期即考虑所有关键化学相互作用和井壁稳定风险。
3. 自动化递减曲线分析（DCA）解释
最佳模型： DeepSeek（在数学逻辑和模式识别方面表现优异）。
虽然AI无法替代标准DCA软件，但能验证您的逻辑并根据生产动态建议双曲递减与指数递减拟合。
扮演采油工程师。我有一口压裂致密油井的生产数据。数据显示初始递减率较高，随后过渡到边界主导流阶段。
分析对此流态使用修正Arps双曲递减模型与拉伸指数生产递减模型的理论意义。从数学角度论证哪种模型可能得出更保守的最终可采储量估算，并解释应如何约束“b因子”以避免长期预测中的高估问题。
价值回报： 为储量评估方法提供理论“第二意见”，帮助避免非常规油气藏中高估最终可采储量的常见陷阱。
4. 电潜泵故障诊断
最佳模型： Claude（擅长处理详细技术背景和诊断复杂系统）。
快速诊断井下故障可加速恢复生产。此提示词可作为诊断检查表。
扮演人工举升工程师。一口高气油比井的电潜泵因“欠载”跳停。跳停前吸入压力图表显示周期性“锯齿”模式。驱动频率固定为[X]赫兹。
根据描述的电流和压力特征，诊断最可能的故障原因（如气锁、抽空或断轴）。概述确认根本原因的故障排除流程，并提出重启时为稳定井况对变频驱动器进行的3项具体参数调整。
价值回报： 加速人工举升故障的根本原因分析，最大限度减少停产时间并防止重复跳停。
5. 生成PVT状态方程回归策略
最佳模型： Gemini（擅长处理多变量数据概念与综合）。
调整状态方程对精确模拟至关重要。此提示词帮助构建回归方法。
扮演PVT专家。我需要为挥发性油样调整Peng-Robinson状态方程模型。实验数据包括恒组成膨胀和差异分离实验。
制定回归策略。明确重组分与轻组分应分组回归的组分性质。说明先匹配饱和压力、再匹配液体密度和气油比的操作顺序，同时保持热力学一致性。
价值回报： 规范状态方程调整流程，确保模拟流体模型物理一致且计算稳定。
6. 编写射孔作业HSE风险评估
最佳模型： Claude（对安全规程和专业文档有细致理解）。
安全文档不容妥协。此提示词创建严谨的作业安全分析基础。
扮演钻井完井HSE经理。为海上高压平台的电缆输送射孔作业起草专项风险评估和作业安全分析。
重点关注三大风险：1）无线电静默失效导致的意外引爆，2）下入过程中的压力控制设备失效，3）枪身组装期间的落物风险。针对每项风险，提供“潜在后果”、“初始风险评级”及符合API RP 67标准的具体“控制措施”。
价值回报： 生成符合行业标准的高合规安全文档草案，节省数小时行政工作时间。
7. 提高采收率技术筛选
最佳模型： ChatGPT（擅长广泛知识检索和对比分析）。
筛选油藏适用性需匹配油田特征与开采方法。
扮演油藏工程师。我正在对成熟油田进行提高采收率技术筛选。油藏参数为：深度[X]英尺、渗透率[X]毫达西、原油粘度[X]厘泊、温度[X]摄氏度。地层水矿化度高（[X]ppm）。
评估聚合物驱与二氧化碳混相驱对此特定参数的技术可行性。创建对比表格，重点说明两种方法在高矿化度和温度限制下的优缺点及致命缺陷。
价值回报： 快速排除不可行开采方法，使工程师能集中可行性研究于最具潜力的提高采收率技术。
8. 解释裸眼测井异常
最佳模型： DeepSeek或Gemini（能够交叉参照地质逻辑）。
当测井数据存在歧义时，AI可提供地质假说。
扮演岩石物理学家。我正在分析泥质砂岩序列的裸眼测井曲线。观察到“交叉”现象：密度孔隙度显著高于中子孔隙度，但伽马值也较高（指示泥岩）。
对此特定测井响应提出三种地质或矿物学解释。推荐一项额外的测井工具或岩心分析测试以确认岩性。
价值回报： 协助识别复杂岩性或工具假象，避免标准解释模型将其误判为“气测交叉”或“井眼问题”。
9. 油田开发经济敏感性分析
最佳模型： Gemini（擅长构建财务建模变量）。
项目经济性取决于波动性输入。此提示词构建资本支出/运营支出压力测试框架。
扮演石油经济学家。我们正在评估资本支出[X]百万美元的 offshore 新区开发项目。
起草蛛网图敏感性分析框架。识别对净现值和内部收益率影响最大的5个变量。为每个变量定义基于当前行业波动性的合理不确定范围，并说明应如何向投资方呈现这些敏感性分析。
价值回报： 确保经济模型考虑最关键财务驱动因素，促成更稳健的最终投资决策。
10. 套管设计抗内压抗外挤验证
最佳模型： DeepSeek（精于工程约束与载荷工况）。
验证套管设计逻辑可确保最坏工况下的井筒完整性。
扮演钻井工程师。我正在验证下深[X]英尺的9-5/8英寸技术套管柱设计。
列出为满足API 5C3标准必须计算的抗内压和抗外挤载荷工况。详细说明“井漏伴气侵”工况关于内外压力剖面的假设。提供计算套管鞋处合成压差的公式概念。
价值回报： 作为技术保障，确保套管设计阶段不遗漏任何关键载荷工况。
专业技巧：技术准确性的上下文注入
要充分发挥这些模型效能，请实践上下文注入。切勿简单询问“如何解卡？”，而应注入具体的井眼几何结构、底部钻具组合配置及导致事故的事件序列。
示例： “我在[深度]遇卡。底部钻具组合包含[工具列表]。当扭矩突增时我们正[滑动钻进/旋转钻进]。当前循环压力为[压力值]。基于此判断卡钻机制。”
提供此类原始数据能使AI更接近坐在值班房与您协作的高级技术顾问，而非搜索引擎。
人工智能与石油工程的融合并非取代工程判断，而是增强它。通过运用这些提示词，您可简化计算和行政性繁重工作，释放心智带宽以专注于定义高价值油藏管理的复杂决策。立即实施这些工作流程，构建更敏捷、数据驱动的作业体系。