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1 項展開收合
Claude Code Hooks 自動化建構器：每次編輯後自動跑格式化/lint/測試
用 .claude/settings.json 的 hooks，在 Claude Code 的特定生命週期事件（PostToolUse 編輯後、PreToolUse 跑指令前、Stop 收尾時）自動執行格式化、lint、typecheck 或測試——產出正確的 JSON 設定 + 可執行的 hook 腳本，並用 exit 2 在危險操作前硬擋。
Claude Code 子代理分工：把大任務扇出成可平行的 subagents
讓 Claude Code 把一個大任務拆成數個獨立、可平行的 subagent（各自獨立 context、限定工具、可指定模型），規劃如何扇出、設計每個子代理的職責邊界與回報格式，並在需要時產出可重複使用的 .claude/agents 子代理定義檔。
多檔安全重構指令：先盤影響範圍，再分批改，每批可獨立驗證
給 agent 的大型重構作戰手冊：先唯讀盤點『影響範圍 / blast radius』（哪些檔案、呼叫點、測試會受影響），再把改動切成多個小批次，每批保持行為不變、各自跑測試、各自一個原子 commit。拒絕「一次改 40 個檔案然後 build 紅了不知從何救起」。
Nano Banana 關鍵影格 → Veo 補間（圖生影工作流）
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。
虛構電影劇照：用導演名 + 底片型號，生一張「某部沒拍的電影」
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。
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。
HappyHorse-1.0：一張人像生成 7 國語言對嘴代言影片
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。
圖轉影角色一致性：用參考圖鎖住人物，影片不再「換臉漂移」
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。
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。
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。
Suno 進階：用「合成器型號 + 錄音細節」精準描述聲音
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。
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