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3 項展開收合
Email 養成序列 · 7 封
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。
生成失敗診斷：從可觀察差異改一項提示詞
把期待、實際輸出與證據分開，形成單一改動與可回退的下一輪試跑。
專案拆解指令：一句需求變 WBS 時程表＋風險預警清單
把一句話專案需求、死線與人力貼進來，AI 產出三層 WBS 工作分解、倒推里程碑時程、關鍵路徑與前三大風險預警；死線不可行時直接告訴你該砍範圍還是加人。
AEO 內容：寫出會被 ChatGPT / Perplexity 引用的段落
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。
AI Agent 任務規格：把模糊需求變成 agent 能照做的明確指令
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。
Context Engineering：2026 拉開差距的不是咒語，是餵什麼料
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」。
Prompt 串接法：大任務拆三步分開問，品質高一截
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。
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。
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。
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。