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
決策矩陣：在兩三個選項間卡住時，幫你結構化想清楚
把猶豫的選項丟給 AI，它幫你列關鍵考量、加權評分、點出你可能忽略的風險，給一個有理由的建議。
冷 email 開發信：不像業配、讓對方願意回的 4 行模板
寫給陌生對象的開發信：一句相關開場、一句痛點、一句具體價值、一個低門檻 CTA，避開「我們公司成立於…」的死亡開場。
銷售異議拆解：客戶說「太貴 / 再想想 / 沒時間」怎麼接
把客戶最常見的拒絕，各給一個不硬推、先認同再重框的回應腳本，話術自然、不像背稿。
Gemini 2.5 Pro：丟一張截圖，直接吐出「下一步該做什麼」
用 Gemini 2.5 Pro 多模態，把任何截圖（錯誤訊息 / 後台 / 報表 / 對話）變成具體可執行的下一步清單。
自我批判迴圈：先寫、再罵自己、再改，一個 prompt 拿三輪品質
要 AI 先產草稿，再切換成嚴格審稿人挑自己毛病，最後依批評改寫——等於在一個 prompt 內跑三輪打磨。
評分標準驅動法：先把「滿分長怎樣」告訴 AI，它就照著做
把你心中的評分 rubric 先寫給 AI，它會用那把尺自我對齊、自評、把不到標的地方改掉，更貼近你要的水準。
Anti-Goal 三明治法：一句話讓 AI 不再犯它最常犯的錯
在 prompt 裡明確點名「這類任務 AI 最常見的失敗模式」並要它主動避開，2026 實測降錯約 28-30%。
對比範例校準法：給「要」也給「不要」，一個負例勝三個正例
同時示範「想要的輸出」和「不該出現的輸出」，讓 AI 對兩端校準；語氣與精準度任務上，一個負例常勝過三個正例。
思維鏈鷹架：把「先想再答」變成固定 5 步，降 30% 自信錯答
強制 AI 回答前依「重述→列假設→逐步推→自查→結論」5 步思考，複雜推理的自信錯答實測降約 30%。
真的有效的 5 個 prompt engineering 技巧（XML > markdown 28%）
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。
Gemini 給新人 onboard codebase
上傳整個 repo / 主要檔案、Gemini 給新人在 1 小時內理解 codebase 的 reading order
Gemini 從截圖反推 UI bug
貼 1-3 張截圖（瀏覽器 / Figma / app）、Gemini 直接定位視覺問題 + 修法