1328 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。
讓 AI 回答完不能直接交卷：先標每個關鍵句的來源類型、再自己找反例攻擊自己、最後逐條標信心等級並附查證方向。適合查資料、寫報告、做決策前的功課。誠實說：這不等於真的查證（模型不一定能上網查）、但能把不確定性逼出檯面、明顯減少一本正經的胡說。
照這格式回報 bug、AI 修復命中率會高一大截：症狀原文、最小重現、期望行為、環境四件套一次給齊、並強制 AI 先診斷、資訊不夠先開口要、不准瞎猜亂改。適合請 ChatGPT／Claude 修程式的所有場景。注意：AI 的診斷是推理不是實測、改完務必照附帶的驗證清單實際跑過。
把租約、勞動、外包合約丟進來、站在你的角色逐條掃紅旗：白話翻譯、最壞情況、風險分級、談判方向、最後附三個該帶去問專業人士的問題。注意：這是看懂合約用的預習工具、不是法律意見、金額大或涉及重大權益的合約請諮詢律師、掃描結果當找律師前的功課用最安全。
主管只丟一句「你看一下這個」就走人？把原話與背景貼進來，AI 拆出可能的解讀、關鍵澄清提問與確認訊息草稿，先對齊方向再動工，避免整週做白工。
AI 寫的文案別直接發：三輪查核抓出幻覺數據、捏造來源與過期資訊，逐項分級告訴你哪些能信、哪些要自己查、哪些該改寫，附可重複使用的上線前檢查清單。
把一件事的來龍去脈丟給 AI，產出符合公文程式的「主旨、說明、辦法」三段草稿，自動套「查、復、希照辦」等公文套語，並依對上行文／平行／下行調語氣。最後一段強制標出「需人工複核」的法規與數字，定位是打草稿不是定稿。
比 Google 翻譯多一層的中英雙向在地化。指定台灣正體＋台灣慣用語、保留人名品牌技術名詞不亂翻，並一次給「直譯版＋在地化潤飾版」雙輸出讓你對照取用，還能餵風格範例讓它學你公司的調性。外商、接案、跨境電商的行銷稿與產品說明適用。
2026 的認知斷層——Opus、GPT-5、Gemini Deep Think 這類推理模型已內建思考，「你是頂尖專家」「深呼吸」「Let's think step by step」這些 2023 咒語在它們身上無效甚至反效果。這條讓 AI 把你的舊 prompt 改成推理模型版，附新舊對照表，並教你哪些模型算推理模型、免費版能不能用。
不用寫程式也能跑的 Self-Consistency。讓 AI 用三條不同思路把同一題各算一遍、再自己比對取多數共識，算錯就麻煩的場景（報稅試算、貸款利率比較、份量換算）特別實用。誠實標明這招比較耗 token、免費額度會更快用完。
上班族可直接照抄的工作流思維。複雜任務（寫提案、做報告）一次塞一個巨型 prompt 品質爛，這條教你拆成「產大綱→逐段展開→校稿潤飾→轉成條列」四步，每步產出餵下一步，附四段可直接用的繁中 prompt。中途想換方向也能只重跑某一步、不必整份重來。
一段可重複使用的繁中「prompt 優化器」咒語——貼上你寫得很爛的 prompt，它先問清楚缺的關鍵資訊，再產出結構清楚的優化版，還附「改了哪些、為什麼」。誠實標註：meta-prompt 救得了結構與表達，救不了內容知識本身的錯。
回合制模擬面試：面試官照你的產業出情境題、一次一題、答完先被追問再拿回饋，每題附口說等級的英文版答法。八題跑完給錄取傾向總評。比看考古題更接近真實臨場。
主管的催促、質疑、臨時加活，先幫你「定性」他真正要什麼（交代？安全感？找戰犯？），再給簡短／完整／拉高三個版本回覆、各附風險提示。內建紅線檢查：要說謊才能達成的目標、它會直接拒絕並給誠實替代方案。
年底寫自評最痛的是「整年做了什麼想不起來、寫出來又像記流水帳」。這個指令讓你把週報、日曆事件或隨手紀錄整批貼進去，AI 會幫你歸納成 3-5 個成果主題、補上量化句式、再對齊公司目標寫成正式自評。附帶一個「加薪談判版」輸出，談薪水時直接拿來用。
被指派做教育訓練或帶新人，最花時間的不是懂內容、是把內容排成「教得出來」的順序。這個指令依教學設計的基本框架（目標、引起動機、講解、練習、檢核）幫你產出完整教案，含時間分配、互動設計和學員會卡住的點。企業內訓、新人訓練、社團教學都能用。
把「我想找上個月買超過 3 次的客戶」這種白話，轉成可執行 SQL + 解釋，附上你資料表結構就更準。
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。
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。
一鍵生整頁銷售文案骨架：抓注意的 headline、放大痛點、堆疊好處、處理疑慮、強 CTA，直接套你的產品。
一支影片生 5 組「標題 + 縮圖該寫什麼」，標題製造好奇、縮圖補資訊不重複，兩者合起來比單獨更想點。
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。
讓 AI 當資深工程師審你的 code：依正確性 / 安全 / 效能 / 可讀性四面向給具體問題 + 修法，不是空泛稱讚。
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。
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。