1254 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。
提案產生器 / 會議處理器 / 內容再利用 / 週五回顧 / 收工 reset — 試了 40 個只有這 5 個沒被丟掉、各省 30+ 分鐘 / 次。
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。
教 Claude Code 接手你每月重複的 Excel 剪貼流程：先訪談釐清、小範圍試跑、確認後才全量自動化，最後交付一份非工程師也會用的一鍵執行操作手冊。
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。
拉了報表卻不知道怎麼寫「所以呢」，是數據工作最常見的卡點。這個指令讓 AI 扮演資深數據分析師，照「現象、原因假設、建議行動」三層結構解讀你貼上的數據，並強制區分「數據直接支持的結論」和「需要進一步驗證的推測」，避免你在會議上講出被打臉的過度解讀。
交接文件最大的問題是「你覺得理所當然的事都沒寫」。這個指令讓 AI 扮演交接審查者，先用結構化問題把你腦中的隱性知識挖出來（誰要找、密碼放哪、每月固定要做什麼、地雷在哪），再整理成接手者真的能照做的交接手冊。離職、轉調、休長假前都適用。
把一個專注的「安全稽核員」子代理裝進 Claude Code，在功能開發當下就用 OWASP Top 10 的角度逐檔審查程式碼與架構，按嚴重度分類漏洞並附上可直接套用的修補建議。
把一個專職「效能工程師」子代理裝進 Claude Code，針對剛寫好的功能做 profiling，找出 N+1 查詢、記憶體洩漏、慢 API 等瓶頸，按影響分類並給出附 before/after 的最佳化建議與基準估計。
用一段 PostToolUse hook，讓 Claude Code 每次 Edit/Write 完檔案就自動跑 formatter（Prettier/Black/gofmt）＋linter，把「格式不一致」這件雜事從你的 code review 裡永久移除。
掛一個 PreToolUse Bash hook，在 AI 執行 shell 指令「之前」就攔下 rm -rf、fork bomb、curl|sh 這類毀滅性命令——連 --dangerously-skip-permissions 都擋得住的最後一道安全網。
用一行 npx 指令替 Claude Code 產生資訊豐富的終端狀態列，顯示目前目錄、Git 分支、模型、context 用量進度條、即時花費燃燒率與用量重置倒數，並串接 ccusage 即時統計。
借 buildermethods/agent-os 的三層架構（Standards / Product / Specs），讓 AI 先掃你的 codebase 萃取既有慣例成文件化標準，之後每次寫 code 自動注入，不必每次重講一遍規則。
把 awesome-cursorrules 的 Go 後端可擴展性規範改寫成一份涵蓋慣用錯誤處理、context 傳遞、介面抽象、並行與觀測性的 AGENTS.md／CLAUDE.md，讓 AI 寫 Go 服務時遵守標準慣例與權衡分析。
Anthropic 官方的 skill-creator：一個會「反問你需求、產出 SKILL.md、跑評測、優化觸發描述、打包成 .skill」的後設技能。教你用標準化的目錄結構與漸進式揭露（progressive disclosure）做出可重複使用的 Claude 技能。
Anthropic 官方 algorithmic-art：先寫一段『演算法哲學』再用 p5.js 把它變成可互動的 HTML 作品。核心是 Art Blocks 式的 seeded randomness（同種子＝同畫面），搭配可調參數與種子導覽，讓你系統化探索流場、粒子系統等生成藝術，而非隨機亂撞。
GitHub 官方開源的「規格驅動開發（Spec-Driven Development）」工具，用 /speckit.specify → /plan → /tasks → /implement 一條龍把模糊需求變成可執行規格，再由 AI 照規格產碼，治好「憑感覺寫（vibe coding）」的失控問題。