1. 为什么我要花两周时间把中文 Prompt 库翻个底朝天过去半年我几乎每天都要跟各种 AI 工具打交道。写代码用 Cursor画图用 Midjourney 和 Stable Diffusion做方案用大语言模型连给团队写周报都习惯先让模型搭个框架。用得越多越发现一个扎心的事实模型能力再强提示词写不对输出就是一堆正确的废话。尤其是中文场景很多英文提示词直接翻译过来味道完全不对模型理解起来也容易跑偏。于是我开始有意识地收集和试用各种中文 Prompt 库。从最早在 GitHub 上扒拉零散的提示词合集到后来专门花了两周时间把能找到的十几个中文提示词网站挨个注册、翻页、复制、实测前后记录了将近两百条提示词的实际表现。这个过程里踩了不少坑有的网站打开慢得像蜗牛有的分类混乱到让人抓狂有的提示词看着漂亮但复制到模型里根本跑不出效果还有的用着用着突然开始收费或者弹广告。这篇文章就是这两周折腾下来的选型总结。我会把中文 Prompt 库分成几个典型类型逐个拆解它们适合谁用、在什么场景下最顺手、有哪些隐藏的坑最后给出一套我自己在用的组合方案。如果你也在纠结“AI 提示词网站哪个好用”或者你刚开始接触 prompt engineering想找一个靠谱的中文提示词起点那这篇内容应该能帮你省下不少试错时间。需要提前说明的是我评价一个提示词网站好不好用主要看四个维度检索效率、提示词质量、更新频率、使用成本。检索效率决定了你找一条提示词要花多久提示词质量决定了复制出来能不能直接用更新频率决定了它会不会很快过时使用成本则包括时间成本、金钱成本和注意力成本。这四个维度贯穿全文后面每个网站的点评都会围绕它们展开。2. 中文 Prompt 库的四种典型形态与选型逻辑2.1 综合型提示词市场大而全但需要会挑综合型提示词市场是大多数人最先接触到的类型。这类网站通常收录了成千上万条提示词覆盖写作、编程、绘画、营销、办公等十几个大类页面设计得像一个内容社区有热门推荐、最新发布、收藏排行。代表性的有 PromptHero 的中文版块、一些国内团队做的提示词导航站以及部分 AI 工具内置的提示词广场。这类网站最大的优势是量大。你几乎能找到任何场景的提示词从“写一封得体的辞职信”到“生成赛博朋克风格的上海夜景”搜索框里敲几个关键词就能出来一堆结果。对于刚入门、还不知道提示词该怎么写的人来说这种“逛超市”式的体验很友好能快速建立对提示词形态的直观认知。但问题也恰恰出在“量大”上。我实测下来综合型市场的提示词质量方差极大。同一个需求排在前面的可能是精心调校过的优质提示词也可能只是某个人随手丢上去的半成品。更麻烦的是很多网站的热门排序并不透明有些明显质量一般的提示词因为发布时间早或者标题起得夸张长期占据前排真正好用的反而沉在下面。还有一个容易被忽略的点综合型市场的提示词往往缺乏上下文。一条提示词单独看没问题但你不知道它是在哪个模型、哪个版本、什么参数下跑出来的。比如一条 Midjourney 提示词作者可能用的是 v5 版本你拿 v6 跑出来效果完全不一样。Stable Diffusion 更是如此同样的提示词换一个模型包出图风格天差地别。所以我的建议是综合型市场适合用来找灵感和建立认知不适合直接抄作业。你可以把它当成一个提示词词典需要的时候去查一下别人是怎么描述某个概念的但最终一定要结合自己的模型和需求做二次调整。2.2 垂直领域提示词库少而精场景匹配度高垂直领域提示词库是我个人最偏爱的一类。这类网站不追求大而全而是聚焦在某个具体场景比如专门做 AI 绘画提示词的、专门做编程辅助提示词的、专门做小红书文案提示词的。因为聚焦所以每一条提示词都经过更细致的打磨分类也更符合实际工作流。以 AI 绘画为例我试过几个专门做 Midjourney 和 Stable Diffusion 中文提示词的站点。它们通常会把提示词拆解成“主体描述 风格修饰 构图参数 负面提示词”几个模块每个模块都有可选的中文对照。这种结构化呈现方式对新手特别友好你能清楚地看到一条提示词是由哪些部分组成的改起来也知道该动哪里。编程类的垂直提示词库则更偏向模板化。比如“代码审查”“单元测试生成”“重构建议”这些场景提示词往往以固定框架的形式出现你只需要把变量部分替换成自己的代码就行。这类提示词的可复用性极高我到现在还保留着几个常用的编程提示词模板每次开新项目直接套用省去了大量重复描述的时间。垂直库的缺点也很明显覆盖面窄。你不可能只用一个垂直库解决所有问题做图的、写代码的、写文案的往往需要分别找不同的站点。而且垂直库的质量参差不齐有些只是把综合市场里的内容重新分类了一下并没有真正的深度加工。判断一个垂直库是否值得用我的标准是看它有没有原创的提示词拆解和针对中文语境的优化。如果只是英文提示词的机翻那价值就大打折扣。2.3 社区驱动型提示词分享平台活水多但需要筛选社区驱动型平台的特点是用户自发分享、点赞、评论、收藏形成一个动态的内容生态。这类平台的好处是更新快新模型、新玩法出来之后很快就会有用户上传对应的提示词。比如 Stable Diffusion 出了新模型包或者 Midjourney 更新了版本社区里马上就会有人分享适配的提示词。我在这类平台上挖到过不少宝藏。有一次需要生成一批“中国古风建筑”的图综合市场里的提示词要么太泛要么风格不对最后在一个社区平台的冷门帖子里找到了一条非常精准的提示词作者还附上了参数设置和出图效果直接拿来就能用。这种“活水”是综合市场和垂直库很难提供的。但社区驱动也意味着质量不可控。点赞高的不一定好用可能是标题党或者发布时间早点赞低的也不一定差可能只是作者没怎么运营。而且社区平台往往有较强的社交属性你需要在评论区、私信、关注列表里花不少时间才能建立起自己的信息筛选机制。对于只想快速找一条提示词干活的人来说这种社交成本有点高。我的用法是把社区平台当成一个持续订阅的信息源定期刷一刷热门和关注列表看到好的提示词就随手存到自己的笔记里。不指望每次都能直接找到能用的但长期积累下来自己的提示词库会越来越丰富。2.4 个人维护的提示词笔记与开源仓库最灵活也最考验功底最后一类是我现在最常用的个人维护的提示词笔记和开源仓库。这类内容通常以 GitHub 仓库、Notion 页面、飞书文档的形式存在由某个对提示词有深入研究的个人或小团队维护。它们的特点是结构清晰、注释详细、持续更新而且往往带有维护者的个人经验和踩坑记录。我关注了几个质量不错的开源提示词仓库有的专注于大语言模型的系统提示词设计有的专注于 Stable Diffusion 的参数调优还有的专门收集各种“鹈鹕骑自行车”这类测试提示词用来对比不同模型的能力边界。这些仓库的提示词不一定最多但每一条都有明确的适用场景和效果说明用起来心里有底。这类资源的门槛在于你需要自己判断维护者的水平。同样是 GitHub 仓库有的只是把网上的内容复制粘贴了一遍有的则是真正经过大量实测的原创总结。我的判断方法是看 commit 记录和 issue 讨论如果维护者经常回复问题、更新内容、修正错误那这个仓库的可信度就比较高如果半年没更新、issue 里全是未回复的提问那就得谨慎对待。3. 实测十几个站点后我总结的六条硬核筛选标准3.1 检索效率三秒内找不到就换下一个检索效率是我筛选提示词网站的第一道门槛。一个网站如果让我翻了五页还没找到想要的提示词或者搜索功能形同虚设我基本就会关掉不再用了。时间是最贵的成本尤其是在赶项目的时候花十分钟找一条提示词是不可接受的。我测试检索效率的方法很简单用同一个需求去不同的网站搜看谁能最快给出最相关的结果。比如搜“产品文案”好的网站会直接给出“小红书产品文案”“电商详情页文案”“朋友圈种草文案”等细分选项差的网站则只返回一堆标题里带“文案”两个字的无关内容。搜索的精准度和分类的颗粒度直接决定了检索效率。另外标签系统也很关键。好的提示词网站会给每条提示词打上多个维度的标签比如“场景写作”“风格幽默”“模型GPT-4”“难度入门”。你可以通过组合标签快速缩小范围而不是靠关键词碰运气。我见过一些网站标签系统做得非常细甚至能按“输出长度”“语气正式程度”来筛选这种用起来就非常顺手。提示如果你发现一个网站的搜索功能需要你反复调整关键词才能找到想要的内容那它的检索效率就不合格。不要在这种网站上浪费时间直接换下一个。3.2 提示词质量能不能直接用是唯一标准提示词质量是我最看重的维度。一条提示词好不好唯一的检验标准就是复制到模型里能不能跑出可用的结果。我实测的时候会把每条候选提示词原封不动地粘贴到对应的模型里看输出是否符合预期。如果一条提示词需要我大改才能用那它的价值就大打折扣。判断提示词质量有几个具体的观察点。第一描述是否具体。好的提示词会明确指定角色、任务、输出格式、约束条件而不是笼统地说“写一篇好文章”。第二是否包含负面约束。比如“不要使用专业术语”“避免过于正式的语气”这些约束能显著提升输出的可用性。第三是否有参数建议。对于绘画类提示词好的作者会附上推荐的分辨率、采样器、CFG 值等参数而不是只给一段文字。我还特别关注提示词的中文适配度。很多提示词是从英文翻译过来的语法结构还是英文的模型理解起来会打折扣。好的中文提示词会用符合中文表达习惯的方式组织语言比如把“You are a professional copywriter”改成“你是一位资深文案”把“Please output in JSON format”改成“请以 JSON 格式输出”。这种细节看起来小但对输出质量的影响很大。3.3 更新频率三个月不更新的库基本可以放弃AI 领域的变化速度不用我多说模型版本迭代、新工具涌现、社区玩法更新几乎每个月都有新东西。一个提示词库如果三个月以上没有更新里面的内容很可能已经过时了。尤其是绘画类提示词Midjourney 从 v5 到 v6 再到 v7Stable Diffusion 从 1.5 到 SDXL 再到各种微调模型提示词的写法和参数设置都在变。我判断更新频率的方法很直接看最新内容的发布时间看版本更新日志看维护者是否活跃。有些网站会在首页显示“最近更新”时间有些则需要在列表页翻到最新一条才能看出来。如果一个网站的最新提示词还是半年前的那我基本不会把它作为主要参考。更新频率还体现在对新模型的支持速度上。比如 Stable Diffusion 出了新的 Instant-ID 功能好的提示词库会很快跟进发布相关的提示词和参数设置差的提示词库可能过了两个月还没动静。这种响应速度直接反映了维护者的专业度和投入程度。3.4 使用成本免费的不一定便宜收费的不一定值使用成本包括三个部分时间成本、金钱成本和注意力成本。时间成本前面说过了就是检索和试错花的时间。金钱成本很直观就是网站是否收费、收费多少、免费版有什么限制。注意力成本则容易被忽略指的是网站上的广告、弹窗、推荐位对你注意力的干扰。我试过一些网站免费版能用但每翻两页就弹一次广告或者把优质提示词藏在付费墙后面免费用户只能看到阉割版。这种设计让我用起来非常烦躁注意力不断被打断效率极低。还有一些网站虽然免费但要求你注册、登录、关注公众号、分享到朋友圈才能查看完整内容这种“免费”的时间成本其实很高。我的原则是如果一个网站的免费版能让我顺畅地完成一次完整的检索和使用流程那它就值得留在我的书签里。如果免费版处处受限、广告满天飞那我宁愿换一个收费但体验干净的网站或者干脆用开源仓库自己维护。3.5 中文语境适配不是翻译过来就叫中文提示词中文语境适配是我特别想强调的一点。很多网站号称是“中文提示词库”但点进去一看就是把英文提示词用机器翻译了一遍语法生硬、用词别扭模型理解起来也费劲。真正的中文提示词应该是在中文语境下重新组织的符合中文表达习惯也考虑了中文模型的特点。举个例子英文提示词里常见的“You are a helpful assistant”直译成“你是一个有用的助手”在中文模型里效果并不好。更好的写法是“你是一位经验丰富的助理擅长用简洁清晰的中文回答问题”。再比如英文里常用的“step by step”直译成“一步一步”不如“请分步骤思考”来得自然。这些细节只有真正用中文模型跑过大量测试的人才能总结出来。我判断一个提示词库是否真正适配中文会看它有没有针对中文模型的专门优化。比如是否区分了不同中文大模型的特性是否提供了中文特有的场景模板如“写一份符合国企风格的汇报材料”是否考虑了中文的分词和语义特点。如果只是英文内容的搬运那价值有限。3.6 社区活跃度有人讨论的库才有人维护社区活跃度是一个辅助指标但很重要。一个提示词库如果有活跃的社区意味着有人在用、有人在反馈、有人在贡献内容质量会持续提升。反之一个死气沉沉的库即使曾经质量不错也会逐渐过时。我观察社区活跃度的方式包括看评论区是否有真实的讨论看是否有用户提交改进建议看维护者是否回应反馈看是否有定期的内容更新公告。有些网站还会举办提示词比赛、征集活动这种运营动作也能反映社区的活力。不过要注意区分真实活跃和虚假繁荣。有些网站的评论区全是“感谢分享”“很有用”之类的灌水没有实质讨论有些网站的“热门”内容其实是运营手动置顶的不代表真实用户喜好。判断的方法是多看几条不同内容的评论看是否有具体的反馈、提问、改进建议这些才是真实活跃的标志。4. 从找词到落地我的完整实操流程与关键环节4.1 第一步明确需求把模糊想法拆成可检索的关键词很多人找提示词效率低根本原因不是网站不好而是自己没想清楚要什么。脑子里只有一个模糊的“我想要一个写文案的提示词”然后去网站里瞎翻当然找不到合适的。我的做法是在打开任何网站之前先花两分钟把需求拆解成具体的维度。拆解的维度包括任务类型写作、绘画、编程、分析、输出目标风格、长度、格式、使用场景小红书、邮件、报告、代码注释、模型类型GPT、Claude、Midjourney、Stable Diffusion。把这四个维度想清楚你就能组合出非常精准的检索关键词。比如我需要的不是“写文案的提示词”而是“小红书美妆产品种草文案口语化风格200字以内带emoji适合 GPT-4”。有了这个明确的需求我去任何网站搜索都能快速判断结果是否相关。这个步骤看起来简单但能帮你省下大量无效浏览的时间。提示如果你实在想不清楚需求可以先在综合型市场里随便翻几条相关提示词看看别人是怎么描述类似需求的然后再回来细化自己的关键词。这比凭空想要高效得多。4.2 第二步多站并行检索建立候选清单需求明确之后我会同时打开三到四个不同类型的网站进行检索一个综合型市场用来找灵感一个垂直库用来找精准模板一个社区平台用来找最新玩法一个开源仓库用来找深度优化过的版本。这种多站并行的方式能让我在短时间内收集到足够多的候选提示词。检索的时候我会把找到的候选提示词统一复制到一个笔记文档里每条标注来源、适用模型、初步印象。不急着判断好坏先把量做起来。通常一个需求我会收集十到二十条候选然后进入下一步的筛选。这个阶段要注意的是不要过早下结论。有些提示词第一眼看起来平平无奇但实际跑出来效果很好有些看起来辞藻华丽但模型根本不买账。所以收集阶段只管收集判断留到实测阶段。4.3 第三步逐条实测记录输出效果和参数实测是整個流程中最耗时的环节但也是最关键的。我会把每条候选提示词原封不动地粘贴到对应的模型里跑一次完整的输出然后把结果截图或复制到笔记里标注几个关键信息输出是否符合预期、需要修改的地方、使用的模型和参数、整体评分。实测的时候我会尽量控制变量。比如测试绘画提示词我会用同一个模型包、同一组参数、同一个随机种子只改变提示词本身这样才能准确判断提示词的质量。测试语言模型提示词我会用同一个模型版本、同一个温度参数确保对比的公平性。这个阶段我踩过的一个坑是忽略了模型版本的影响。有一次我测试一条 Midjourney 提示词觉得效果一般就把它淘汰了。后来偶然用 v6 版本重新跑了一次发现效果出奇地好。原来那条提示词是针对 v6 优化的我用 v5 测试当然跑不出效果。从那以后我每次实测都会先确认模型版本并在笔记里明确标注。4.4 第四步二次调优把候选提示词改成自己的版本实测之后我会挑出表现最好的三到五条提示词进行二次调优。调优的方向包括替换成自己的具体需求、调整语气和风格、增加或删除约束条件、优化中文表达。这一步的目标不是找到“最好的提示词”而是找到“最适合我的提示词”。调优的时候我会采用增量修改的方式每次只改一个地方然后重新跑一次看输出有什么变化。这样能清楚地知道每个修改对结果的影响避免一次性改太多导致效果反而变差。比如我先改角色描述看输出风格有没有变化再改输出格式看结构是否符合要求最后改约束条件看是否解决了之前的问题。这个过程中我会把每次修改和对应的输出都记录下来形成一个提示词迭代日志。这个日志后来成了我自己的提示词库遇到类似需求的时候直接翻日志找对应的版本稍微改改就能用效率极高。4.5 第五步归档整理建立个人提示词库最后一步是归档整理。我会把调优好的提示词按照场景和模型两个维度分类存到自己的笔记系统里。每条提示词包含提示词正文、适用模型、推荐参数、使用说明、效果示例、迭代记录。这样下次需要的时候直接搜索场景或模型就能找到不用再去网站上翻。我的个人提示词库现在有将近一百条经过实测的提示词覆盖了写作、编程、绘画、分析等主要场景。这个库是我过去半年最大的积累也是我效率提升的关键。刚开始建库的时候会觉得麻烦但用起来之后就会发现前期的整理时间完全值得。提示个人提示词库不需要多复杂一个 Markdown 文件或者一个 Notion 数据库就够了。关键是坚持记录和定期回顾。我每个月会花半小时翻一遍自己的库把过时的删掉把新的加进去保持库的鲜活度。5. 那些年我踩过的坑常见问题与排查技巧实录5.1 提示词复制过来跑不出效果问题出在哪这是最常见的问题也是我最开始最困惑的地方。明明在网站上看着效果很好的提示词复制到自己的模型里就是跑不出同样的结果。排查下来原因通常有这几个模型版本不一致。这是最常见的原因。网站上的提示词可能是用 GPT-4 或者 Midjourney v6 跑的你用的是 GPT-3.5 或者 v5效果自然不一样。解决方法是在使用前先确认提示词的适用模型版本尽量用相同或相近的版本测试。参数设置不同。绘画类提示词尤其明显同样的提示词CFG 值、采样器、步数不同出图效果差异巨大。语言模型也有温度、top_p 等参数的影响。解决方法是把网站上推荐的参数也一并记录下来测试时尽量还原。隐藏的系统提示词。有些网站展示的只是用户提示词但实际效果还依赖于背后的系统提示词。你只复制了用户提示词没有对应的系统提示词效果当然打折扣。解决方法是找那些明确标注了系统提示词的资源或者自己补一个通用的系统提示词。中文编码或格式问题。有时候复制过来的提示词带有特殊字符、换行符、不可见字符导致模型解析出错。解决方法是粘贴到纯文本编辑器里过一遍去掉格式再使用。5.2 提示词太长导致模型“失忆”怎么办大语言模型有上下文长度限制提示词太长会导致模型“忘记”前面的内容或者输出质量下降。我遇到过好几次一条精心设计的提示词写到后面模型已经忘了前面的角色设定输出完全跑偏。解决这个问题的核心思路是分层组织。把提示词分成几个模块角色设定、任务描述、输出要求、示例、约束条件。每个模块用清晰的分隔符隔开比如用“###”或者“---”。这样模型更容易识别每个部分的功能不容易混淆。另一个技巧是把最重要的信息放在开头和结尾。模型对提示词的开头和结尾部分注意力更集中中间部分容易被忽略。所以角色设定和核心任务放在开头关键约束和输出格式放在结尾中间放补充说明和示例。如果提示词实在太长可以考虑拆分成多轮对话。第一轮先让模型理解角色和任务第二轮再给具体输入第三轮再要求输出格式。这种分步走的方式比一次性塞一大段提示词效果更好。5.3 中文提示词被误判或触发限制怎么处理使用中文提示词的时候偶尔会遇到模型误判的情况比如正常的创作需求被判定为违规或者提示词被标记为“potentially violating our usage policy”。这种情况虽然不常见但遇到了很影响效率。我的处理经验是先检查提示词里有没有容易引起误会的词汇。有些词在中文里是正常表达但模型的审核机制可能比较敏感。比如“暴力”这个词在“暴力美学”的语境下是艺术表达但单独出现可能触发审核。解决方法是换一种表达方式用更具体的描述替代敏感词。如果确认提示词没有问题但还是被误判可以尝试调整提示词的结构。把可能引起误判的部分放到后面前面先用正常的任务描述“暖场”。或者把一条长提示词拆成几条短的分步发送。实测下来这种调整能解决大部分误判问题。提示遇到误判不要急着放弃先尝试调整表达方式。大部分情况下换一种说法就能绕过误判而不是提示词本身有问题。5.4 绘画提示词出图风格不对的排查思路绘画类提示词的排查和语言模型不太一样因为影响因素更多。我总结了一个排查顺序从最可能的原因开始查排查项常见问题解决方法模型包用了不匹配的模型确认提示词推荐的模型包换用对应版本参数设置CFG、采样器、步数不对还原推荐参数逐步调整提示词权重关键词权重不合理调整关键词顺序和权重符号负面提示词缺少或不当的负面提示补充通用负面提示词随机种子种子不同导致差异固定种子测试再放开随机这个表格是我实测下来最有效的排查路径。通常按顺序查一遍就能定位到问题所在。其中模型包不匹配是最常见的原因尤其是 Stable Diffusion不同模型包的风格差异极大同样的提示词在写实模型和二次元模型上跑出来完全是两个东西。5.5 提示词网站突然收费或关停的应对策略这是一个现实问题。我试过的网站里有两三个用着用着就开始收费了还有一个直接关停了。这种变化让人很被动尤其是当你已经习惯了某个网站的检索方式突然不能用的时候。我的应对策略是不依赖单一来源。平时就保持三到四个不同类型的网站作为常用来源任何一个出问题都有替代方案。同时重要的提示词一定要存到自己的库里不要只收藏在网站上。网站关停的时候你的收藏夹也跟着没了。另外我会优先选择那些有开源仓库或者导出功能的网站。这样即使网站本身出问题你也能通过其他渠道获取内容。有些网站支持一键导出收藏的提示词这个功能非常实用建议优先使用。6. 我目前正在用的组合方案与场景分配6.1 日常写作与办公以开源仓库为主综合市场为辅日常写作和办公场景我用得最多的是一个开源的中文提示词仓库。这个仓库维护者更新很勤每条提示词都有详细的适用场景和效果说明而且专门针对中文办公场景做了优化比如“写周报”“写会议纪要”“写项目复盘”这些模板直接拿来改改就能用。综合型市场在这个场景里主要用来找灵感。比如我需要写一个比较特殊的文案开源仓库里没有现成的模板我就会去综合市场搜一下相关的提示词看看别人是怎么描述这个需求的然后结合自己的理解重新组织一条。这个组合的好处是效率和质量兼顾。开源仓库保证了基础质量综合市场提供了灵活性。我大概每周会花十分钟刷一下开源仓库的更新把新的模板存到自己的库里保持库的时效性。6.2 AI 绘画垂直库加社区平台参数一定要自己调AI 绘画是我花时间最多的场景因为变量太多提示词的质量直接影响出图效果。我目前主要用两个垂直库来找基础提示词然后去社区平台看最新的玩法和参数分享。垂直库的好处是结构化。它们通常会把提示词拆成主体、风格、构图、光影、参数几个部分你可以像搭积木一样组合。我常用的一个垂直库甚至提供了“提示词生成器”你选择想要的元素它自动拼成一条完整的提示词对新手非常友好。社区平台则用来追新。Stable Diffusion 的生态变化太快了新模型、新插件、新技巧层出不穷。社区平台上的用户会第一时间分享自己的提示词和参数设置我经常能在上面发现一些意想不到的用法。比如之前很火的 Instant-ID 功能我就是在社区里看到别人分享的提示词和参数直接拿来用省去了自己摸索的时间。不过绘画提示词我从来不直接抄。参数一定要自己调因为每个人的模型包、硬件配置、审美偏好都不一样。我会把垂直库和社区平台上的提示词作为起点然后根据自己的需求反复调整直到出图满意为止。6.3 编程辅助自建模板库结合模型特性持续迭代编程场景我基本不用现成的提示词网站而是自建模板库。原因很简单编程需求太具体了每个项目、每种语言、每个框架的提示词都不一样现成的模板很难直接套用。而且编程提示词往往需要结合代码上下文不是一条通用提示词能解决的。我的做法是针对常见的编程任务代码审查、单元测试、重构、注释、调试各维护几个基础模板。每次遇到新的编程场景就在基础模板上修改然后把好用的版本存回库里。这样日积月累我的编程提示词库越来越丰富覆盖的场景也越来越多。结合模型特性也很重要。比如 Cursor 的提示词风格和 GPT-4 就不一样Cursor 更偏向简洁的指令GPT-4 则需要更详细的上下文。我会针对不同的编程工具维护不同版本的提示词模板用的时候直接选对应的版本。6.4 给新手的三个起步建议如果你刚开始接触中文提示词不想像我一样花两周时间试错我有三个起步建议第一先从一个开源仓库开始。不要一上来就注册一堆网站那样只会让你眼花缭乱。找一个更新勤、口碑好的开源提示词仓库把它里面的内容翻一遍建立对提示词的基本认知。这个过程大概需要一两个小时但能帮你省下后面大量的筛选时间。第二建立自己的提示词笔记。从第一天就开始记录把你用过的、好用的提示词存下来标注适用场景和效果。不用追求完美一个简单的 Markdown 文件就够了。关键是养成记录的习惯这个习惯的价值会随着时间越来越明显。第三不要迷信“万能提示词”。网上有很多号称“一条提示词解决所有问题”的内容实测下来基本都不靠谱。好的提示词一定是针对具体场景定制的你需要根据自己的需求不断调整。把提示词当成一个需要迭代的工具而不是一劳永逸的魔法。提示新手最容易犯的错误是收集太多、使用太少。与其收藏一百条提示词不如把十条提示词用熟、用透、改成自己的版本。质量永远比数量重要。最后再分享一个小技巧我习惯在每条提示词的末尾加一句“请用中文回答并确保输出符合中文表达习惯”。这句话看起来简单但能显著提升中文输出的质量尤其是用英文提示词模板的时候。实测下来加了这句话之后输出的中文明显更自然、更少翻译腔。你可以试试看根据自己的模型和场景微调这句话的表述。
中文Prompt库选型指南：实测十几站点的筛选标准与实操流程
1. 为什么我要花两周时间把中文 Prompt 库翻个底朝天过去半年我几乎每天都要跟各种 AI 工具打交道。写代码用 Cursor画图用 Midjourney 和 Stable Diffusion做方案用大语言模型连给团队写周报都习惯先让模型搭个框架。用得越多越发现一个扎心的事实模型能力再强提示词写不对输出就是一堆正确的废话。尤其是中文场景很多英文提示词直接翻译过来味道完全不对模型理解起来也容易跑偏。于是我开始有意识地收集和试用各种中文 Prompt 库。从最早在 GitHub 上扒拉零散的提示词合集到后来专门花了两周时间把能找到的十几个中文提示词网站挨个注册、翻页、复制、实测前后记录了将近两百条提示词的实际表现。这个过程里踩了不少坑有的网站打开慢得像蜗牛有的分类混乱到让人抓狂有的提示词看着漂亮但复制到模型里根本跑不出效果还有的用着用着突然开始收费或者弹广告。这篇文章就是这两周折腾下来的选型总结。我会把中文 Prompt 库分成几个典型类型逐个拆解它们适合谁用、在什么场景下最顺手、有哪些隐藏的坑最后给出一套我自己在用的组合方案。如果你也在纠结“AI 提示词网站哪个好用”或者你刚开始接触 prompt engineering想找一个靠谱的中文提示词起点那这篇内容应该能帮你省下不少试错时间。需要提前说明的是我评价一个提示词网站好不好用主要看四个维度检索效率、提示词质量、更新频率、使用成本。检索效率决定了你找一条提示词要花多久提示词质量决定了复制出来能不能直接用更新频率决定了它会不会很快过时使用成本则包括时间成本、金钱成本和注意力成本。这四个维度贯穿全文后面每个网站的点评都会围绕它们展开。2. 中文 Prompt 库的四种典型形态与选型逻辑2.1 综合型提示词市场大而全但需要会挑综合型提示词市场是大多数人最先接触到的类型。这类网站通常收录了成千上万条提示词覆盖写作、编程、绘画、营销、办公等十几个大类页面设计得像一个内容社区有热门推荐、最新发布、收藏排行。代表性的有 PromptHero 的中文版块、一些国内团队做的提示词导航站以及部分 AI 工具内置的提示词广场。这类网站最大的优势是量大。你几乎能找到任何场景的提示词从“写一封得体的辞职信”到“生成赛博朋克风格的上海夜景”搜索框里敲几个关键词就能出来一堆结果。对于刚入门、还不知道提示词该怎么写的人来说这种“逛超市”式的体验很友好能快速建立对提示词形态的直观认知。但问题也恰恰出在“量大”上。我实测下来综合型市场的提示词质量方差极大。同一个需求排在前面的可能是精心调校过的优质提示词也可能只是某个人随手丢上去的半成品。更麻烦的是很多网站的热门排序并不透明有些明显质量一般的提示词因为发布时间早或者标题起得夸张长期占据前排真正好用的反而沉在下面。还有一个容易被忽略的点综合型市场的提示词往往缺乏上下文。一条提示词单独看没问题但你不知道它是在哪个模型、哪个版本、什么参数下跑出来的。比如一条 Midjourney 提示词作者可能用的是 v5 版本你拿 v6 跑出来效果完全不一样。Stable Diffusion 更是如此同样的提示词换一个模型包出图风格天差地别。所以我的建议是综合型市场适合用来找灵感和建立认知不适合直接抄作业。你可以把它当成一个提示词词典需要的时候去查一下别人是怎么描述某个概念的但最终一定要结合自己的模型和需求做二次调整。2.2 垂直领域提示词库少而精场景匹配度高垂直领域提示词库是我个人最偏爱的一类。这类网站不追求大而全而是聚焦在某个具体场景比如专门做 AI 绘画提示词的、专门做编程辅助提示词的、专门做小红书文案提示词的。因为聚焦所以每一条提示词都经过更细致的打磨分类也更符合实际工作流。以 AI 绘画为例我试过几个专门做 Midjourney 和 Stable Diffusion 中文提示词的站点。它们通常会把提示词拆解成“主体描述 风格修饰 构图参数 负面提示词”几个模块每个模块都有可选的中文对照。这种结构化呈现方式对新手特别友好你能清楚地看到一条提示词是由哪些部分组成的改起来也知道该动哪里。编程类的垂直提示词库则更偏向模板化。比如“代码审查”“单元测试生成”“重构建议”这些场景提示词往往以固定框架的形式出现你只需要把变量部分替换成自己的代码就行。这类提示词的可复用性极高我到现在还保留着几个常用的编程提示词模板每次开新项目直接套用省去了大量重复描述的时间。垂直库的缺点也很明显覆盖面窄。你不可能只用一个垂直库解决所有问题做图的、写代码的、写文案的往往需要分别找不同的站点。而且垂直库的质量参差不齐有些只是把综合市场里的内容重新分类了一下并没有真正的深度加工。判断一个垂直库是否值得用我的标准是看它有没有原创的提示词拆解和针对中文语境的优化。如果只是英文提示词的机翻那价值就大打折扣。2.3 社区驱动型提示词分享平台活水多但需要筛选社区驱动型平台的特点是用户自发分享、点赞、评论、收藏形成一个动态的内容生态。这类平台的好处是更新快新模型、新玩法出来之后很快就会有用户上传对应的提示词。比如 Stable Diffusion 出了新模型包或者 Midjourney 更新了版本社区里马上就会有人分享适配的提示词。我在这类平台上挖到过不少宝藏。有一次需要生成一批“中国古风建筑”的图综合市场里的提示词要么太泛要么风格不对最后在一个社区平台的冷门帖子里找到了一条非常精准的提示词作者还附上了参数设置和出图效果直接拿来就能用。这种“活水”是综合市场和垂直库很难提供的。但社区驱动也意味着质量不可控。点赞高的不一定好用可能是标题党或者发布时间早点赞低的也不一定差可能只是作者没怎么运营。而且社区平台往往有较强的社交属性你需要在评论区、私信、关注列表里花不少时间才能建立起自己的信息筛选机制。对于只想快速找一条提示词干活的人来说这种社交成本有点高。我的用法是把社区平台当成一个持续订阅的信息源定期刷一刷热门和关注列表看到好的提示词就随手存到自己的笔记里。不指望每次都能直接找到能用的但长期积累下来自己的提示词库会越来越丰富。2.4 个人维护的提示词笔记与开源仓库最灵活也最考验功底最后一类是我现在最常用的个人维护的提示词笔记和开源仓库。这类内容通常以 GitHub 仓库、Notion 页面、飞书文档的形式存在由某个对提示词有深入研究的个人或小团队维护。它们的特点是结构清晰、注释详细、持续更新而且往往带有维护者的个人经验和踩坑记录。我关注了几个质量不错的开源提示词仓库有的专注于大语言模型的系统提示词设计有的专注于 Stable Diffusion 的参数调优还有的专门收集各种“鹈鹕骑自行车”这类测试提示词用来对比不同模型的能力边界。这些仓库的提示词不一定最多但每一条都有明确的适用场景和效果说明用起来心里有底。这类资源的门槛在于你需要自己判断维护者的水平。同样是 GitHub 仓库有的只是把网上的内容复制粘贴了一遍有的则是真正经过大量实测的原创总结。我的判断方法是看 commit 记录和 issue 讨论如果维护者经常回复问题、更新内容、修正错误那这个仓库的可信度就比较高如果半年没更新、issue 里全是未回复的提问那就得谨慎对待。3. 实测十几个站点后我总结的六条硬核筛选标准3.1 检索效率三秒内找不到就换下一个检索效率是我筛选提示词网站的第一道门槛。一个网站如果让我翻了五页还没找到想要的提示词或者搜索功能形同虚设我基本就会关掉不再用了。时间是最贵的成本尤其是在赶项目的时候花十分钟找一条提示词是不可接受的。我测试检索效率的方法很简单用同一个需求去不同的网站搜看谁能最快给出最相关的结果。比如搜“产品文案”好的网站会直接给出“小红书产品文案”“电商详情页文案”“朋友圈种草文案”等细分选项差的网站则只返回一堆标题里带“文案”两个字的无关内容。搜索的精准度和分类的颗粒度直接决定了检索效率。另外标签系统也很关键。好的提示词网站会给每条提示词打上多个维度的标签比如“场景写作”“风格幽默”“模型GPT-4”“难度入门”。你可以通过组合标签快速缩小范围而不是靠关键词碰运气。我见过一些网站标签系统做得非常细甚至能按“输出长度”“语气正式程度”来筛选这种用起来就非常顺手。提示如果你发现一个网站的搜索功能需要你反复调整关键词才能找到想要的内容那它的检索效率就不合格。不要在这种网站上浪费时间直接换下一个。3.2 提示词质量能不能直接用是唯一标准提示词质量是我最看重的维度。一条提示词好不好唯一的检验标准就是复制到模型里能不能跑出可用的结果。我实测的时候会把每条候选提示词原封不动地粘贴到对应的模型里看输出是否符合预期。如果一条提示词需要我大改才能用那它的价值就大打折扣。判断提示词质量有几个具体的观察点。第一描述是否具体。好的提示词会明确指定角色、任务、输出格式、约束条件而不是笼统地说“写一篇好文章”。第二是否包含负面约束。比如“不要使用专业术语”“避免过于正式的语气”这些约束能显著提升输出的可用性。第三是否有参数建议。对于绘画类提示词好的作者会附上推荐的分辨率、采样器、CFG 值等参数而不是只给一段文字。我还特别关注提示词的中文适配度。很多提示词是从英文翻译过来的语法结构还是英文的模型理解起来会打折扣。好的中文提示词会用符合中文表达习惯的方式组织语言比如把“You are a professional copywriter”改成“你是一位资深文案”把“Please output in JSON format”改成“请以 JSON 格式输出”。这种细节看起来小但对输出质量的影响很大。3.3 更新频率三个月不更新的库基本可以放弃AI 领域的变化速度不用我多说模型版本迭代、新工具涌现、社区玩法更新几乎每个月都有新东西。一个提示词库如果三个月以上没有更新里面的内容很可能已经过时了。尤其是绘画类提示词Midjourney 从 v5 到 v6 再到 v7Stable Diffusion 从 1.5 到 SDXL 再到各种微调模型提示词的写法和参数设置都在变。我判断更新频率的方法很直接看最新内容的发布时间看版本更新日志看维护者是否活跃。有些网站会在首页显示“最近更新”时间有些则需要在列表页翻到最新一条才能看出来。如果一个网站的最新提示词还是半年前的那我基本不会把它作为主要参考。更新频率还体现在对新模型的支持速度上。比如 Stable Diffusion 出了新的 Instant-ID 功能好的提示词库会很快跟进发布相关的提示词和参数设置差的提示词库可能过了两个月还没动静。这种响应速度直接反映了维护者的专业度和投入程度。3.4 使用成本免费的不一定便宜收费的不一定值使用成本包括三个部分时间成本、金钱成本和注意力成本。时间成本前面说过了就是检索和试错花的时间。金钱成本很直观就是网站是否收费、收费多少、免费版有什么限制。注意力成本则容易被忽略指的是网站上的广告、弹窗、推荐位对你注意力的干扰。我试过一些网站免费版能用但每翻两页就弹一次广告或者把优质提示词藏在付费墙后面免费用户只能看到阉割版。这种设计让我用起来非常烦躁注意力不断被打断效率极低。还有一些网站虽然免费但要求你注册、登录、关注公众号、分享到朋友圈才能查看完整内容这种“免费”的时间成本其实很高。我的原则是如果一个网站的免费版能让我顺畅地完成一次完整的检索和使用流程那它就值得留在我的书签里。如果免费版处处受限、广告满天飞那我宁愿换一个收费但体验干净的网站或者干脆用开源仓库自己维护。3.5 中文语境适配不是翻译过来就叫中文提示词中文语境适配是我特别想强调的一点。很多网站号称是“中文提示词库”但点进去一看就是把英文提示词用机器翻译了一遍语法生硬、用词别扭模型理解起来也费劲。真正的中文提示词应该是在中文语境下重新组织的符合中文表达习惯也考虑了中文模型的特点。举个例子英文提示词里常见的“You are a helpful assistant”直译成“你是一个有用的助手”在中文模型里效果并不好。更好的写法是“你是一位经验丰富的助理擅长用简洁清晰的中文回答问题”。再比如英文里常用的“step by step”直译成“一步一步”不如“请分步骤思考”来得自然。这些细节只有真正用中文模型跑过大量测试的人才能总结出来。我判断一个提示词库是否真正适配中文会看它有没有针对中文模型的专门优化。比如是否区分了不同中文大模型的特性是否提供了中文特有的场景模板如“写一份符合国企风格的汇报材料”是否考虑了中文的分词和语义特点。如果只是英文内容的搬运那价值有限。3.6 社区活跃度有人讨论的库才有人维护社区活跃度是一个辅助指标但很重要。一个提示词库如果有活跃的社区意味着有人在用、有人在反馈、有人在贡献内容质量会持续提升。反之一个死气沉沉的库即使曾经质量不错也会逐渐过时。我观察社区活跃度的方式包括看评论区是否有真实的讨论看是否有用户提交改进建议看维护者是否回应反馈看是否有定期的内容更新公告。有些网站还会举办提示词比赛、征集活动这种运营动作也能反映社区的活力。不过要注意区分真实活跃和虚假繁荣。有些网站的评论区全是“感谢分享”“很有用”之类的灌水没有实质讨论有些网站的“热门”内容其实是运营手动置顶的不代表真实用户喜好。判断的方法是多看几条不同内容的评论看是否有具体的反馈、提问、改进建议这些才是真实活跃的标志。4. 从找词到落地我的完整实操流程与关键环节4.1 第一步明确需求把模糊想法拆成可检索的关键词很多人找提示词效率低根本原因不是网站不好而是自己没想清楚要什么。脑子里只有一个模糊的“我想要一个写文案的提示词”然后去网站里瞎翻当然找不到合适的。我的做法是在打开任何网站之前先花两分钟把需求拆解成具体的维度。拆解的维度包括任务类型写作、绘画、编程、分析、输出目标风格、长度、格式、使用场景小红书、邮件、报告、代码注释、模型类型GPT、Claude、Midjourney、Stable Diffusion。把这四个维度想清楚你就能组合出非常精准的检索关键词。比如我需要的不是“写文案的提示词”而是“小红书美妆产品种草文案口语化风格200字以内带emoji适合 GPT-4”。有了这个明确的需求我去任何网站搜索都能快速判断结果是否相关。这个步骤看起来简单但能帮你省下大量无效浏览的时间。提示如果你实在想不清楚需求可以先在综合型市场里随便翻几条相关提示词看看别人是怎么描述类似需求的然后再回来细化自己的关键词。这比凭空想要高效得多。4.2 第二步多站并行检索建立候选清单需求明确之后我会同时打开三到四个不同类型的网站进行检索一个综合型市场用来找灵感一个垂直库用来找精准模板一个社区平台用来找最新玩法一个开源仓库用来找深度优化过的版本。这种多站并行的方式能让我在短时间内收集到足够多的候选提示词。检索的时候我会把找到的候选提示词统一复制到一个笔记文档里每条标注来源、适用模型、初步印象。不急着判断好坏先把量做起来。通常一个需求我会收集十到二十条候选然后进入下一步的筛选。这个阶段要注意的是不要过早下结论。有些提示词第一眼看起来平平无奇但实际跑出来效果很好有些看起来辞藻华丽但模型根本不买账。所以收集阶段只管收集判断留到实测阶段。4.3 第三步逐条实测记录输出效果和参数实测是整個流程中最耗时的环节但也是最关键的。我会把每条候选提示词原封不动地粘贴到对应的模型里跑一次完整的输出然后把结果截图或复制到笔记里标注几个关键信息输出是否符合预期、需要修改的地方、使用的模型和参数、整体评分。实测的时候我会尽量控制变量。比如测试绘画提示词我会用同一个模型包、同一组参数、同一个随机种子只改变提示词本身这样才能准确判断提示词的质量。测试语言模型提示词我会用同一个模型版本、同一个温度参数确保对比的公平性。这个阶段我踩过的一个坑是忽略了模型版本的影响。有一次我测试一条 Midjourney 提示词觉得效果一般就把它淘汰了。后来偶然用 v6 版本重新跑了一次发现效果出奇地好。原来那条提示词是针对 v6 优化的我用 v5 测试当然跑不出效果。从那以后我每次实测都会先确认模型版本并在笔记里明确标注。4.4 第四步二次调优把候选提示词改成自己的版本实测之后我会挑出表现最好的三到五条提示词进行二次调优。调优的方向包括替换成自己的具体需求、调整语气和风格、增加或删除约束条件、优化中文表达。这一步的目标不是找到“最好的提示词”而是找到“最适合我的提示词”。调优的时候我会采用增量修改的方式每次只改一个地方然后重新跑一次看输出有什么变化。这样能清楚地知道每个修改对结果的影响避免一次性改太多导致效果反而变差。比如我先改角色描述看输出风格有没有变化再改输出格式看结构是否符合要求最后改约束条件看是否解决了之前的问题。这个过程中我会把每次修改和对应的输出都记录下来形成一个提示词迭代日志。这个日志后来成了我自己的提示词库遇到类似需求的时候直接翻日志找对应的版本稍微改改就能用效率极高。4.5 第五步归档整理建立个人提示词库最后一步是归档整理。我会把调优好的提示词按照场景和模型两个维度分类存到自己的笔记系统里。每条提示词包含提示词正文、适用模型、推荐参数、使用说明、效果示例、迭代记录。这样下次需要的时候直接搜索场景或模型就能找到不用再去网站上翻。我的个人提示词库现在有将近一百条经过实测的提示词覆盖了写作、编程、绘画、分析等主要场景。这个库是我过去半年最大的积累也是我效率提升的关键。刚开始建库的时候会觉得麻烦但用起来之后就会发现前期的整理时间完全值得。提示个人提示词库不需要多复杂一个 Markdown 文件或者一个 Notion 数据库就够了。关键是坚持记录和定期回顾。我每个月会花半小时翻一遍自己的库把过时的删掉把新的加进去保持库的鲜活度。5. 那些年我踩过的坑常见问题与排查技巧实录5.1 提示词复制过来跑不出效果问题出在哪这是最常见的问题也是我最开始最困惑的地方。明明在网站上看着效果很好的提示词复制到自己的模型里就是跑不出同样的结果。排查下来原因通常有这几个模型版本不一致。这是最常见的原因。网站上的提示词可能是用 GPT-4 或者 Midjourney v6 跑的你用的是 GPT-3.5 或者 v5效果自然不一样。解决方法是在使用前先确认提示词的适用模型版本尽量用相同或相近的版本测试。参数设置不同。绘画类提示词尤其明显同样的提示词CFG 值、采样器、步数不同出图效果差异巨大。语言模型也有温度、top_p 等参数的影响。解决方法是把网站上推荐的参数也一并记录下来测试时尽量还原。隐藏的系统提示词。有些网站展示的只是用户提示词但实际效果还依赖于背后的系统提示词。你只复制了用户提示词没有对应的系统提示词效果当然打折扣。解决方法是找那些明确标注了系统提示词的资源或者自己补一个通用的系统提示词。中文编码或格式问题。有时候复制过来的提示词带有特殊字符、换行符、不可见字符导致模型解析出错。解决方法是粘贴到纯文本编辑器里过一遍去掉格式再使用。5.2 提示词太长导致模型“失忆”怎么办大语言模型有上下文长度限制提示词太长会导致模型“忘记”前面的内容或者输出质量下降。我遇到过好几次一条精心设计的提示词写到后面模型已经忘了前面的角色设定输出完全跑偏。解决这个问题的核心思路是分层组织。把提示词分成几个模块角色设定、任务描述、输出要求、示例、约束条件。每个模块用清晰的分隔符隔开比如用“###”或者“---”。这样模型更容易识别每个部分的功能不容易混淆。另一个技巧是把最重要的信息放在开头和结尾。模型对提示词的开头和结尾部分注意力更集中中间部分容易被忽略。所以角色设定和核心任务放在开头关键约束和输出格式放在结尾中间放补充说明和示例。如果提示词实在太长可以考虑拆分成多轮对话。第一轮先让模型理解角色和任务第二轮再给具体输入第三轮再要求输出格式。这种分步走的方式比一次性塞一大段提示词效果更好。5.3 中文提示词被误判或触发限制怎么处理使用中文提示词的时候偶尔会遇到模型误判的情况比如正常的创作需求被判定为违规或者提示词被标记为“potentially violating our usage policy”。这种情况虽然不常见但遇到了很影响效率。我的处理经验是先检查提示词里有没有容易引起误会的词汇。有些词在中文里是正常表达但模型的审核机制可能比较敏感。比如“暴力”这个词在“暴力美学”的语境下是艺术表达但单独出现可能触发审核。解决方法是换一种表达方式用更具体的描述替代敏感词。如果确认提示词没有问题但还是被误判可以尝试调整提示词的结构。把可能引起误判的部分放到后面前面先用正常的任务描述“暖场”。或者把一条长提示词拆成几条短的分步发送。实测下来这种调整能解决大部分误判问题。提示遇到误判不要急着放弃先尝试调整表达方式。大部分情况下换一种说法就能绕过误判而不是提示词本身有问题。5.4 绘画提示词出图风格不对的排查思路绘画类提示词的排查和语言模型不太一样因为影响因素更多。我总结了一个排查顺序从最可能的原因开始查排查项常见问题解决方法模型包用了不匹配的模型确认提示词推荐的模型包换用对应版本参数设置CFG、采样器、步数不对还原推荐参数逐步调整提示词权重关键词权重不合理调整关键词顺序和权重符号负面提示词缺少或不当的负面提示补充通用负面提示词随机种子种子不同导致差异固定种子测试再放开随机这个表格是我实测下来最有效的排查路径。通常按顺序查一遍就能定位到问题所在。其中模型包不匹配是最常见的原因尤其是 Stable Diffusion不同模型包的风格差异极大同样的提示词在写实模型和二次元模型上跑出来完全是两个东西。5.5 提示词网站突然收费或关停的应对策略这是一个现实问题。我试过的网站里有两三个用着用着就开始收费了还有一个直接关停了。这种变化让人很被动尤其是当你已经习惯了某个网站的检索方式突然不能用的时候。我的应对策略是不依赖单一来源。平时就保持三到四个不同类型的网站作为常用来源任何一个出问题都有替代方案。同时重要的提示词一定要存到自己的库里不要只收藏在网站上。网站关停的时候你的收藏夹也跟着没了。另外我会优先选择那些有开源仓库或者导出功能的网站。这样即使网站本身出问题你也能通过其他渠道获取内容。有些网站支持一键导出收藏的提示词这个功能非常实用建议优先使用。6. 我目前正在用的组合方案与场景分配6.1 日常写作与办公以开源仓库为主综合市场为辅日常写作和办公场景我用得最多的是一个开源的中文提示词仓库。这个仓库维护者更新很勤每条提示词都有详细的适用场景和效果说明而且专门针对中文办公场景做了优化比如“写周报”“写会议纪要”“写项目复盘”这些模板直接拿来改改就能用。综合型市场在这个场景里主要用来找灵感。比如我需要写一个比较特殊的文案开源仓库里没有现成的模板我就会去综合市场搜一下相关的提示词看看别人是怎么描述这个需求的然后结合自己的理解重新组织一条。这个组合的好处是效率和质量兼顾。开源仓库保证了基础质量综合市场提供了灵活性。我大概每周会花十分钟刷一下开源仓库的更新把新的模板存到自己的库里保持库的时效性。6.2 AI 绘画垂直库加社区平台参数一定要自己调AI 绘画是我花时间最多的场景因为变量太多提示词的质量直接影响出图效果。我目前主要用两个垂直库来找基础提示词然后去社区平台看最新的玩法和参数分享。垂直库的好处是结构化。它们通常会把提示词拆成主体、风格、构图、光影、参数几个部分你可以像搭积木一样组合。我常用的一个垂直库甚至提供了“提示词生成器”你选择想要的元素它自动拼成一条完整的提示词对新手非常友好。社区平台则用来追新。Stable Diffusion 的生态变化太快了新模型、新插件、新技巧层出不穷。社区平台上的用户会第一时间分享自己的提示词和参数设置我经常能在上面发现一些意想不到的用法。比如之前很火的 Instant-ID 功能我就是在社区里看到别人分享的提示词和参数直接拿来用省去了自己摸索的时间。不过绘画提示词我从来不直接抄。参数一定要自己调因为每个人的模型包、硬件配置、审美偏好都不一样。我会把垂直库和社区平台上的提示词作为起点然后根据自己的需求反复调整直到出图满意为止。6.3 编程辅助自建模板库结合模型特性持续迭代编程场景我基本不用现成的提示词网站而是自建模板库。原因很简单编程需求太具体了每个项目、每种语言、每个框架的提示词都不一样现成的模板很难直接套用。而且编程提示词往往需要结合代码上下文不是一条通用提示词能解决的。我的做法是针对常见的编程任务代码审查、单元测试、重构、注释、调试各维护几个基础模板。每次遇到新的编程场景就在基础模板上修改然后把好用的版本存回库里。这样日积月累我的编程提示词库越来越丰富覆盖的场景也越来越多。结合模型特性也很重要。比如 Cursor 的提示词风格和 GPT-4 就不一样Cursor 更偏向简洁的指令GPT-4 则需要更详细的上下文。我会针对不同的编程工具维护不同版本的提示词模板用的时候直接选对应的版本。6.4 给新手的三个起步建议如果你刚开始接触中文提示词不想像我一样花两周时间试错我有三个起步建议第一先从一个开源仓库开始。不要一上来就注册一堆网站那样只会让你眼花缭乱。找一个更新勤、口碑好的开源提示词仓库把它里面的内容翻一遍建立对提示词的基本认知。这个过程大概需要一两个小时但能帮你省下后面大量的筛选时间。第二建立自己的提示词笔记。从第一天就开始记录把你用过的、好用的提示词存下来标注适用场景和效果。不用追求完美一个简单的 Markdown 文件就够了。关键是养成记录的习惯这个习惯的价值会随着时间越来越明显。第三不要迷信“万能提示词”。网上有很多号称“一条提示词解决所有问题”的内容实测下来基本都不靠谱。好的提示词一定是针对具体场景定制的你需要根据自己的需求不断调整。把提示词当成一个需要迭代的工具而不是一劳永逸的魔法。提示新手最容易犯的错误是收集太多、使用太少。与其收藏一百条提示词不如把十条提示词用熟、用透、改成自己的版本。质量永远比数量重要。最后再分享一个小技巧我习惯在每条提示词的末尾加一句“请用中文回答并确保输出符合中文表达习惯”。这句话看起来简单但能显著提升中文输出的质量尤其是用英文提示词模板的时候。实测下来加了这句话之后输出的中文明显更自然、更少翻译腔。你可以试试看根据自己的模型和场景微调这句话的表述。
