284 組實測過的中文 AI 提示詞。圖／影／音三大領域、多個主流工具，每一組都附完整情境、變數、sample output — 複製就能直接丟進工具用。
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。
一位 GitHub 開源 suno-songwriting-skill 作者寫的完整 tag 教學。combined bracket（section + cue + performance 合一）+ 4-8 enriched cues / 歌 + 風格公式（20-55 字 compact / 55-95 字 rich）。
不是 font、不是奇幻書法。把一個人的心理 / 思維 / 風格結晶化成一套有結構的符號語言 — branding / 個人品牌 / 概念藝術神器。
Studio engineer 視角拆解 Suno 致命弱點（油炸 vocals、高頻 artifact）+ 4 步驟 DAW workflow + Suno Studio 修音 prompt
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。
廣告 15 秒是短影音廣告的黃金長度。Sora 2 對敘事指令掌握比其他模型好 — 可以給它「3 鏡頭的小故事」而不只是一個單鏡頭。
Kling 3.0 的多鏡頭切換能力 — 產品 demo 影片需要「近拍細節 → 使用情境 → 結果展示」三段式。Kling 能在 60 秒內連貫切換鏡頭。
Veo 3.1 對「電影運鏡術語」理解最深 — dolly zoom、rack focus、anamorphic 等都能執行。適合 sci-fi / 電影風廣告 / trailer 開場。
先用 Nano Banana 生兩張關鍵影格，再交給 Veo 補間成運鏡影片的進階工作流。
用具名導演風格 + 具體底片 / 鏡頭（而非空泛形容詞）生電影感劇照——specificity 是 2026 viral 的關鍵。
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。
用阿里 HappyHorse-1.0（2026 無音訊影片榜 #1、7 語對嘴）把一張人像 + 一段稿，變成多語代言 / 產品口播影片。
2026 是「圖轉影」之年——用一張角色定裝圖當 reference，讓 Sora 2 / Veo 3.1 生的影片人物前後一致、不走樣。
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。
為什麼 Suno 永遠 generic？因為你只描述「genre + vibe」。換成「Jupiter-8 saw wave bass with reverb tail」、Suno 給你真的目標聲音。
