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
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%。
「會用 6 個月以上」的 5 個 Claude 重複任務模板 — 3 條留存準則
18 個月實測 60 個 Claude workflow 後的留存規律 — 煩但不痛、輸出有去處、input <30 秒。5 個 6 個月以上沒丟的實際模板（Friday review / meeting follow-up / 客戶週報 / Monday briefing / pipeline update）。
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。
CV writer ruleset：會反問你 STAR、不准用「dynamic team player」
寫 CV 痛點不是版型、是「列責任不列成就」+ AI 加碼把你寫成「dynamic team player」。這個 ruleset 強制 AI 不准在拿到 evidence + positioning 前產草稿、會一題題問你下去。
產品 PRD 草稿 · 一頁 Spec
Product Requirements Document 第一版。3 句話問題陳述 → 5 個 user stories → API contract → 成功指標。工程師看了可以直接開工的 spec。
STAR 面試答案庫產出
給目標職缺 JD + 你的 5 個實際工作事件，Claude 產出 5 組 STAR 格式的面試回答 — 面試前一晚準備、腦袋裡預演。
季度自我檢討文件 · 主管級
給 Claude 你過去 90 天的郵件 / 會議筆記 / Slack 訊息摘要，它產出一份「季度自我檢討」— 成就、失敗、學習、下季目標。績效考核前 30 分鐘搞定。
Podcast 訪談提綱設計
給 Claude 來賓 bio + 節目主題 + 你想挖的角度，它產出完整 60 分鐘訪談提綱 — 15 個主問題 + 預備追問 + 開場 / 結尾設計。
PRO13Claude 履歷客製化：一份履歷投 10 間公司
你有一份通用履歷、同時想投 10 間公司。Claude 幫你針對每家 JD 重新編排重點，不變事實。
PRO14Claude 程式碼審查助手：PR 合併前的質檢
不是「幫我看這段 code」這種類似小朝六。一個動作拿到 PR 動規模、安全、性能、可讀性四個面向的評評。
