早报
资讯
工具
素材
学习
排行
社区
🔍
☽
店铺
登录
提示词库
绘画提示词
工作流模板
n8n 模板库
灵感素材库
文字提示词
内置提示词生成器，收录各类场景优质提示词模板，一键复制使用
⚡ 提示词生成器
✨ 生成提示词
📋 复制
提示词应用场景
共 253 个模板
该分类下暂无内容。
AI 文字提示词精选
本周工作周报生成
代码审查（Code Review）
AI 绘画：产品宣传海报
技术文档中英互译
用户反馈归类与洞察
小红书种草文案
面试教练（模拟面试官）
会议纪要整理
短视频口播脚本
品牌 Logo 设计需求描述
SQL 查询生成器
正则表达式生成与解释
API 接口文档生成
朋友圈文案生成
抖音短视频脚本
电商商品详情页文案
数据分析报告框架
竞品分析报告
SWOT 分析助手
公众号长文大纲生成
邮件撰写：商务合作
邮件撰写：拒绝/婉拒
读书笔记生成
学习路径规划
概念解释器（费曼学习法）
英语口语对话练习
AI 角色：心理咨询师
AI 角色：产品经理
AI 角色：创业导师
SEO 文章优化
PRD 需求文档生成
AI 绘画：角色立绘设计
AI 绘画：UI 界面设计
多语言翻译（含本地化）
日/周计划生成器
知识卡片生成
错误排查助手
Git Commit 信息生成
旅行攻略生成
健身计划定制
食谱生成器
活动策划方案
公众号爆款标题生成
小红书种草文案
短视频口播脚本
品牌故事撰写
AI 辅助小说大纲
技术博客文章撰写
产品说明书简化
SEO 文章优化
新闻稿撰写
播客节目大纲
用户故事编写
差异化竞品文案
邮件序列撰写
竞品分析报告
用户访谈摘要
财报快速解读
SWOT 分析
数据异常诊断
市场调研框架
A/B 测试结果分析
舆情监控报告
用户流失分析
技术选型对比
代码审查助手
Bug 修复诊断
API 文档生成
单元测试生成
正则表达式生成
SQL 查询优化
Git 提交信息生成
系统架构设计
代码重构建议
技术方案评审
概念解释器
学习路径规划
考试错题分析
论文阅读助手
外语口语练习
知识体系梳理
费曼学习法执行
读书笔记生成
旅行攻略生成
健身计划定制
菜谱生成器
理财规划
时间管理教练
礼物推荐
搬家清单生成
Midjourney 提示词生成
Logo 设计提示词
产品场景图提示词
UI 设计稿提示词
本地化翻译
学术翻译润色
字幕翻译
商务邮件翻译
广告文案 A/B 测试
社交媒体日历
私域社群运营
KOL 合作方案
用户评价回复
营销活动策划
增长黑客实验
苏格拉底式提问者
魔鬼代言人
面试官模拟
创意头脑风暴伙伴
人生教练
万能结构化输出
信息密度优化
决策矩阵生成
万能对比分析
万能清单生成
AI 工具竞品分析
代码预评审
技术方案设计
高效会议纪要转行动清单
遗留代码重构方案
数据异常归因分析
竞品功能拆解成实现清单
技术方案评审清单
产品卖点转 30 秒短视频脚本
API 接口文档转测试用例
会议纪要整理与行动项提取
Excel 数据清洗与异常排查
接口限流与降级方案设计
多源资讯交叉核验
项目复盘与经验沉淀
AI Agent 需求评审清单
RAG 知识库排障清单
模型 A/B 评测方案生成
技术方案评审清单
慢 SQL 与数据库性能排查
技术周报生成
多 Agent 协作任务编排
AI 产品上线前自检清单
会议纪要转行动项
把会议纪要转成可执行计划
代码审查：安全与可维护性双重检查
竞品 AI 功能深度拆解
PRD 转开发任务拆解：从需求文档到可执行任务清单
论文精读：方法、实验与可复现要点
AI 工具选型：多维对比评测框架
简历定向优化：按目标 JD 改写简历
开源项目文档写作：README 与贡献指南
故障复盘（Postmortem）：时间线、根因与行动项
代码审查（PR 评审）：正确性、可维护性与安全
需求澄清：把模糊想法问成可开发的需求
竞品分析：功能、定价与差异化一页纸
代码评审：按风险优先级给改动挑毛病
长文压缩：几千字压成一页要点，不丢关键信息
会议纪要：从转写文本到可执行事项
代码评审：清单式安全与质量检查
周报生成：从零散记录到结构化周报
需求拆解：从一句话到可执行的 PRD 要点
面试复盘：从对话记录里提炼改进点
陌生领域入门：用概念地图一小时建立框架
用户反馈聚类：从散装吐槽里找到真问题
精读技术文章/论文：不抄摘要，输出可复述的理解
文章去 AI 味：按清单找毛病再改，而不是泛泛润色
方案对抗性评审：让 AI 先拆台，你再决定听不听
历史代码重构：先圈行为，再动结构
指标异常归因：先锁口径，再查链路
技术内容一页纸化：讲给非技术决策者
性能问题定位：先量化，再优化
会议纪要转行动清单：事实、结论与待办分层
用户反馈聚类与优先级：先分问题，再谈方案
论文精读：用提问清单把一篇论文读透
代码评审：先对齐意图，再挑毛病
让数据说话：从原始数据到可执行建议
模拟面试追问：把 JD 拆成能力项，逐个验证你的证据
上线前变更自查：兼容性、回滚与可观测性过一遍
把视频/播客变成结构化笔记：先复述再提问检验
把整块开发任务交给编码 Agent：先拆解与测试，再小步实现
可核查的深度研究：先建问题树，再逐条查证并标注来源
体验型种草文案：从真实使用细节出发，写出不像广告的安利
发布前链接与来源巡检：把稿子里每个 URL 都验一遍
招聘 JD 重写：把含糊的岗位描述改成能筛人的结构化 JD
SOP 固化：把你反复口头交代的流程变成可执行的文档
发布前事实核查：把 AI 初稿里的每句断言分类标级再放行
新 AI 产品拆解笔记：一次问清它解决了什么、凭什么活下来
把重复劳动固化成 Agent 技能：记录、参数化、验收、沉淀四步
模型选型先算账：把各家 API 价格、上下文、限流拉成一张可决策的表
给 Agent 开权限前做最小化评审：列动作、分风险、定审批与审计
去 AI 味三遍改：删空话、补细节、让结论先行
技术新闻三拆：事实 / 判断 / 未知，看清哪一句能引用
Agent 失败复盘五问：判断问题出在模型、工具还是流程
把长文档变成可执行检查清单：每条都能打勾或打叉
周报压缩器：把流水账压成「推进了什么 / 卡在哪 / 要谁拍板」
代码评审的反对意见生成器：只找你真正会拦下的问题
陌生领域背景简报：先给你能问出好问题的材料，而不是结论
Agent 交接摘要：把会话之外的状态写成可接手的交接单
权限三档：把一次任务拆成「可自主 / 需确认 / 禁止」
提示词回归测试：用 12 个边界用例验证改动没有把别处改坏
智能体出网与凭据边界自查：把训练/评测沙箱当成生产攻击面
AI 编程会话归档：导出、脱敏、编目三件事一次做完
欠指定需求的工作法：先列假设与核实方式，再动手改代码
智能体资产盘点：把扫描/清单变成权限最小化清单
并购拆解：这笔交易买的是团队、技术还是分发入口
读实验型论文：先分清能复现的结论与不能外推的部分
把「每分钟单价」换算成真实成本：语音/对话 Agent 的预算与失败模式核对
智能体上线前的授权边界清单：它能读什么、能改什么、出事怎么查
读懂第三方测评/审计报告的「未覆盖清单」，而不是只看它通过了
让 AI 先替你列「这套 Agent 上线后会怎么坏」，再决定要不要上线
拆解别人「AI 提效 N 倍」的案例，判断能不能搬到你的团队
给端侧场景做一张模型选型约束表，而不是对着排行榜挑
让智能体写「交接单」而不是「总结」：给下一个会话一份可审计的上下文
看到新模型的榜单分数，先做一遍证据核验再决定要不要迁移
给要跑长链路的智能体列一份「必须停下来问人」的清单
给保留思考历史的智能体做一次「思考回传」链路自检
把设备或系统交给第三方智能体之前的授权评估清单
结论靠检索给出来时，先做一遍引用可复核性检查
智能体说「已全部完成」时，先反查过程证据再接受
算力集群采购前的技术尽调：把峰值与利用率指标问成可复现的口径
把预览版或匿名模型接进生产之前，先写好退出方案
给「同一模型名下的行为变化」建一张回归检查表
给「加速档」单独算一笔账：这份延迟值不值这个溢价
把一次线上事故录制成能进 CI 的回归用例（Agent 录制与选择性回放）
把智能体里其实只是 if-then 的调用挑出来，换成窄判定器
模型安全评测前的环境体检：让测试沙箱真的离线
把「模型知道但不说」的样本筛出来，组成内部识别评测集
把一次 API 破坏性变更加载成可执行的迁移清单
算清缓存读价差下的真实账单与临界命中率
把厂商公布的跑分换成自己场景下的可比结论
把「每百万 token 的价目表」换成「每个任务的成本账」
把 agent 里的判断类调用拆出来做替换评估
评估一个开源模型能不能进生产：许可、显存、吞吐、合规四关
给 agent 做一次权限最小化盘点：主机、凭据、卷三类清单
算清前缀缓存该留多少显存：把命中率—容量曲线量出来，别按峰值预留
评估一个机器人策略模型能不能上你的机械臂：把榜单分数换成四个验收数
审计 agent 的执行轨迹：先证明它删不掉，再谈复盘与合规
给常驻代理（Autopilot 类产品）做验收：把「省了多少时间」换成无人值守率
从生产轨迹做微调的准入检查：哪些任务值得微调，哪些只会把行为锁死
涉政 / 军事新闻的克制改写：只留可核实的事实与结论
把 agent 的固定步骤从提示词搬进代码：迁移清单与验收指标
把「一个 agent 顺序查完」改造成多子代理并行检索 + 按难度配模型
把 agent 的执行轨迹，改成一份可回放的「步骤检查清单」
给内容库做一次「事实过期」体检：哪些数字已经不能用了
判断一个 AI 功能该不该上线：先把「它失手的样子」写清楚
把一次 agent 跑失败，变成一条能反复跑的用例
给 agent 的权限做一次最小化：先找出它「其实用不到」的部分
在两条技术路线之间选：先把「选错了会怎样」写清楚
给 agent 的长记忆定规则：先写清「什么不该记」
把一个模型换成更便宜的：先设计成一次可回退的实验
给每一个装上的 Skill / 插件配一条失效检查
把 agent 的「下一步该做什么」单独交给一次结构化决策
评测上线前先自我攻击一次：把 agent 能走的捷径找出来
给 agent 配身份和钱包之前，先把授权写成一张表
