Prompts tagged "claude" in the PromptCraft library.
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。
提案產生器 / 會議處理器 / 內容再利用 / 週五回顧 / 收工 reset — 試了 40 個只有這 5 個沒被丟掉、各省 30+ 分鐘 / 次。
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。
一年的 role-play system prompt + 14-step framework 後總結：真正改變品質的是 5 個單行 prompt。沒有 role、沒有 markdown、沒有「you are an expert」。
丟你原履歷 + 目標職缺 JD，Claude 幫你把履歷每一個段落「按那家公司的語言」重寫 — 關鍵字、metric、產業術語全對齊，ATS 通過率直接拉高。
18 個月實測 60 個 Claude workflow 後的留存規律 — 煩但不痛、輸出有去處、input <30 秒。5 個 6 個月以上沒丟的實際模板（Friday review / meeting follow-up / 客戶週報 / Monday briefing / pipeline update）。
AI engineer 跨 GPT-4 / Claude / Gemini 數百小時測試後的 5 個可量化技巧 — CoT 鷹架、persona+goal+anti-goal、XML 比 markdown 準 28%、negative examples 比 positive 強、prompt chaining 完勝 mega-prompt。
預設 helpful = agreeable = 把問題埋在第 4 段。3 個一句話指令可逆轉：問題優先、強制推薦、明示「不要 soften」。從 reading 變 fixing 的差別。
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。
不對話、不建議、不嘗試 — 只把任何情況轉成結構化執行計畫。固定 9 區塊輸出：現實 / 目標 / 時程 4 階段 / 戰術 / 威脅 / 防禦 / 應變 / 槓桿 / 信心。同樣 input 永遠同樣 output。
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。
別再為每個決策挑 role（financial planner / career coach / relationship coach）— 1 個 prompt 通用、4 步驟。Regret line 是核心 — 強迫 model 從「it depends」變「actually do this」。
寫 CV 痛點不是版型、是「列責任不列成就」+ AI 加碼把你寫成「dynamic team player」。這個 ruleset 強制 AI 不准在拿到 evidence + positioning 前產草稿、會一題題問你下去。
收工前對手機 mic 唸 2 分鐘碎念、丟給 Claude、出來分類好的「明早第一件事 + 排序清單 + 等待 + 可延後」。日 / 週兩種模式自動判斷。
原作者 30% 帶情緒回信隔天 wince，毀了幾筆生意 + 一段友誼後寫的。重點：不要 AI 改寫、是讓 AI 告訴你「冷靜版會長怎樣」、看完通常你回不去原本那版。
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 repo、Claude 給出 architectural map + 優先改善 5 件 + 引用檔案路徑
給目標職缺 JD + 你的 5 個實際工作事件，Claude 產出 5 組 STAR 格式的面試回答 — 面試前一晚準備、腦袋裡預演。
