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
長文轉 X / Threads thread：一篇文章拆成會被瘋傳的串
把一篇長文 / 部落格 / 報告，重寫成 6-9 則的 X 或 Threads thread：第一則當 hook、每則一個點、結尾 CTA。
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。
AI Code Review：貼一段 code，抓 bug + 安全 + 可讀性
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。
個人品牌貼文批量：一個主題一次生 5 則不同角度的貼文
經營個人品牌不用每天想梗——給一個主題，一次產 5 則不同切角（故事 / 觀點 / 教學 / 反差 / 互動）的社群貼文。
會議記錄轉行動項：貼逐字稿，吐出「誰、做什麼、何時」
把雜亂的會議逐字稿 / 筆記，整理成決議、行動項（負責人 + 期限）、待確認問題，會後 30 秒交差。
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。
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%。
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。
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。
把 ChatGPT 的「禮貌性說謊」關掉 — 3 個 anti-sycophancy 指令
預設 helpful = agreeable = 把問題埋在第 4 段。3 個一句話指令可逆轉：問題優先、強制推薦、明示「不要 soften」。從 reading 變 fixing 的差別。
COMMAND PLANNING MODE：9-section 結構化規劃 prompt
不對話、不建議、不嘗試 — 只把任何情況轉成結構化執行計畫。固定 9 區塊輸出：現實 / 目標 / 時程 4 階段 / 戰術 / 威脅 / 防禦 / 應變 / 槓桿 / 信心。同樣 input 永遠同樣 output。
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。
ChatGPT Custom Instructions：描述「關係」不是「履歷」
大部分人 Custom Instructions 寫 LinkedIn 履歷 — 「我是軟體工程師、喜歡 bullet」— 沒用。換成「描述你要的對話關係」、3 句就讓 model 行為完全不同。
AI 攻擊面 audit：看到 AI-augmented 攻擊者看到的你
2026-05 Google 威脅情報後寫的。AI hacking 從 nascent 變 industrial scale、商業 AI 模型挖出人類錯過幾十年的 zero-day。這個 prompt 攤開你能被攻擊的地方。
求職策略：把 ChatGPT 變成 4 合 1（auditor + 分析師 + 顧問）
結合 resume auditor / market analyst / system auditor / strategist — 不討好你、不過度安撫、不把你推到不適合的職缺。10-step 流程 + ghost job 偵測。
英文 copy editor：4 優先級 + 情感共鳴 + 結構流暢
不只是文法修。專門 persuasive / narrative 寫作 — clarity → tone → emotional resonance → structure 4 個優先級 + 解釋為什麼改 + 額外建議。
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 取代風險自測：把工作拆成任務、每個打 1-10 分
2026 年 Cloudflare 砍 20% / BILL 砍 30% / Upwork 砍 24% 後寫的。job title 沒用、拆任務才有用。每個任務 AI vulnerability score 1-10 + timeline + 整體風險評等。
Custom GPT 治理：7 區塊 Agent Identity Card
建 custom GPT / n8n agent 前先跑這個、強制定義邊界、避免 agent scope creep（「幫我處理工作」=災難）。