284 hand-tested AI prompts across image, video, and music — each with full context, variables, and a sample output. Content is authored in Traditional Chinese; the UI here is English.
不是 chatbot、是 Notion AI + Motion + Atomic Habits 結合體。追蹤習慣 / 目標 / 能量 / 深度工作、自動分析行為 pattern、burnout 風險偵測。
六個月在 Claude / GPT-4 / Gemini 上用人工 rater A/B 測 200+ prompt 後寫的。包含 persona+constraint stacking / anti-example / role reversal QA / cognitive scaffold / emotional priming / uncertainty CoT / steelman first。
新訂閱者 email 自動化 7 封序列 — 歡迎、教育、信任、社群、小產品、主產品、挽回。直接複製進 ConvertKit / Mailchimp。
3 小時訪談錄音轉成 2000 字品牌故事 / 人物特寫 / 紀錄片腳本。Claude 會挑關鍵段落、保留原語氣、把碎片情節串成有弧線的敘事。
2026 流量新戰場是「被 AI 引用」。把你的主題寫成 AI 愛抓的格式:直接回答、結構化、有權威信號。
2026 進入 agent 時代——這模板把「我想要 X」變成 agent 可執行的規格:目標、步驟、可用工具、完成定義、邊界。
把背景、已試過的、限制、可用工具/資料結構化餵給 AI 再下任務——2026 真正關鍵從「prompt 技巧」轉移到「context」。
別用一個 prompt 吃下整個複雜任務;拆成「拆解 → 各別產出 → 整合」三步分別下,輸出明顯較穩較完整。
把指令、資料、規則、schema 用 XML 標籤包起來餵給 AI,結構化抽取任務實測比 Markdown 標題少約 28% 出錯。
HackAPrompt 2.0 冠軍分享的 3 個 pattern — 把任務 frame 成 audit / 明示 abstraction 層級 / stage context 像 production。Claude / GPT / Gemini 三家都 work。
Mitchell Hashimoto 提出的 "Agent = Model + Harness" 框架。88% 企業 AI agent 上不了 prod 不是 prompt 問題、是缺一層 deterministic 編排。4 個 CS primitive 不能跳:state machine / idempotency / DAG / DLQ。
不只是「列 CVE」— 找出弱點如何串連成攻擊鏈、估 AI-augmented attacker 攻破時間。對比 OpenAI Daybreak 概念、給小團隊用。輸入 Next.js + Supabase + Clerk 等技術描述、輸出 critical paths + 補丁排序。
每個 claim 給三軸信心分(A: 來源 / B: 反證 / C: 完整度)+ 4-tier 來源層級 + adversarial 自我打洞 + 4 種輸出模式。
老師熬夜 19/30 篇作文時想出的方法。原本 AI prompt 都「act as English teacher」變成 wall of rubric noise — 這個 chain 解決「不要每件事都批」的真實 grading workflow。
不直接叫 AI 寫 code、先叫它把 vague goal 翻譯成 executable prompt 結構、再用結構驅動 code 生成。Phase 1 Intent → Phase 2 Structuring → Phase 3 Tool-Level → Phase 4 Implementation。
上傳 10 篇 PDF、Gemini 自動找 consensus / disagreements / gaps、給文獻綜述初稿
上傳上市公司 annual / quarterly report PDF、自動產 management quality + risk + 投資 thesis
上傳客戶 feedback / NPS / support tickets + feature backlog、Gemini 給 RICE / Kano 模型分析
上傳 repo、Claude 給出 architectural map + 優先改善 5 件 + 引用檔案路徑
善用 Gemini 1M token context — 一次餵整本 PDF / 多文件交叉比對
丟整個 repo 給 Gemini → 拿 architectural overview + 改進建議
給 CEO / BoD / VC 的一頁決策備忘錄。把你 30 頁的分析壓縮成一頁能在會議前 5 分鐘看完的清晰文件。Amazon PRFAQ / McKinsey SCQA 風格。
給產品經理、創業者。把多份訪談的雜訊去掉,萃取共通模式與痛點。