PROMPTS
1346 組原創與策展 AI 提示詞，涵蓋圖像、影片、音樂與教學。可依工具、情境與難度篩選，查看各篇的說明與示例。
篩選2 項展開收合
XML 標籤結構化法：比 Markdown 少 28% 解析錯誤
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。
紅隊視角：3 個跨 model 都 work 的高 capability prompt pattern
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。
AI Agent Harness Engineering：把 LLM 跟 deterministic 編排層分開
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。
系統 vuln scanner：分析架構、找攻擊鏈、估 time-to-compromise
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。
reClaim：把 frontier model 變成有 confidence score 的研究 agent
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。
老師批作文：3-step chain（鏡頭 → 診斷 → 語氣）
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。
AI 開發逆轉：先請 AI 產 prompt、再寫 code（4 phase）
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。
Gemini 一次讀完 10 篇論文做綜述
上傳 10 篇 PDF、Gemini 自動找 consensus / disagreements / gaps、給文獻綜述初稿
Gemini 上傳 10K 財報自動 brief
上傳上市公司 annual / quarterly report PDF、自動產 management quality + risk + 投資 thesis
Gemini 對產品功能清單做優先序
上傳客戶 feedback / NPS / support tickets + feature backlog、Gemini 給 RICE / Kano 模型分析
Claude 對整個 codebase 做架構 review
上傳 repo、Claude 給出 architectural map + 優先改善 5 件 + 引用檔案路徑
Gemini 1M context 文件深度分析
善用 Gemini 1M token context — 一次餵整本 PDF / 多文件交叉比對
Gemini 整個 codebase 概覽
丟整個 repo 給 Gemini → 拿 architectural overview + 改進建議
決策備忘錄 1-pager · 給 CEO
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。
