常用Prompts与Skills

2973 字
15 分钟
常用Prompts与Skills
常用Prompts与Skills

常用 Prompts#

1. 中文授课稿改写提示词#

请把下面的文稿改成“专业教师可以直接朗读的中文授课稿”。
我的目标不是随意聊天,也不是教材摘要,而是:
句子完整、对象明确、上下文连贯、口语自然,同时保持专业准确。
请按以下要求修改:
1. 明确主语和讲述对象
定义句、提问句、结论句、转折句必须明确在讨论哪个对象。
不要让听众猜“谁满足条件”“哪个量在变化”“哪个事件有概率”。
不要机械地给每句话添加“我们”;应当使用准确的对象名称作主语。
同一句中主语清楚时,可以自然承接,避免重复啰嗦。
2. 保持专业定义
先给出准确的定义,再用完整的口头语言解释。
不要用模糊说法、比喻或口号代替定义。
保留结论成立的条件,不要为了通俗而扩大结论的适用范围。
3. 补足上下文衔接
引入新概念前,先说明当前有什么问题、为什么需要这个概念。
后一句应承接前一句已经出现的对象或问题。
不要只靠“接下来、那么、因此”等连接词制造表面的连贯。
4. 检查必要的前置知识
检查是否出现了未经解释的术语、符号、条件或方法。
对理解当前内容必需的知识,补上最短的必要解释。
不要默认听众能自行补出关键步骤,也不要展开完整理论和全部推导。
5. 准确区分对象
特别检查是否混淆了对象本身、对象的取值、相关集合、
条件以及由它们计算出的量。
数学稿中尤其要区分函数与函数值、事件与概率、密度与单点概率。
6. 使用自然的授课语言
使用完整、顺口、适合朗读的句子,避免提纲式短语和名词堆叠。
不要故意加入网络用语、语气词、夸张表达或不恰当的比喻。
不要把每一段都写成设问,也不要反复强调“这很重要”。
7. 控制内容与篇幅
保留原有知识范围和已经确定的教学顺序。
删除重复解释、没有教学作用的简单例子和无意义的演算。
只补理解所必需的内容,不要借修改之名扩写整门课程。
优先用更准确的句子替换旧句,而不是不断追加解释。
修改后,请再从“听众只听一遍、不回看文字”的角度检查:
- 听众能否知道每句话在讲哪个对象?
- 代词和省略成分是否有明确指向?
- 新概念是否有必要的引入?
- 结论是否交代了条件与必要理由?
- 是否仍有可以删去的重复内容?
请输出修改后的完整文稿,再简要列出主要修改。
如果发现会影响原意的专业错误,请单独说明。
若涉及文件,请另存新版本,不覆盖原稿。
文稿如下:
【粘贴文稿】

2. AGENTS.md 配置提示词#

你是一个 Coding Agent。请在当前项目中创建或更新根目录的 `AGENTS.md`,为后续 AI 编程任务写入一套清晰、可执行、不过度冗长的规则,让 CodeGraph、Caveman、Ponytail 分工互补。
本任务不只是写文档:还要检查当前电脑上的全局工具配置、在缺少时完成必要配置、为当前项目初始化所需配置,并实际验证三者能否使用。
参考:
- Ponytail:https://github.com/DietrichGebert/ponytail
- Caveman:https://github.com/JuliusBrussee/caveman
- CodeGraph MCP 设置示例:https://github.com/shantham/codegraph/blob/main/docs/MCP-SERVER-SETUP.md
- Model Context Protocol:https://modelcontextprotocol.io/
## 执行步骤
1. 先检查当前项目的 `AGENTS.md`、Git 状态和未提交改动;检查当前 Coding Agent 的全局配置、相关 Skill/插件、MCP 服务和可用命令。不要覆盖已有配置或无关改动,也不要输出密钥、令牌或其他凭据。
2. 如果当前电脑缺少所需的全局配置,只为当前使用的 Coding Agent 补齐:
- **CodeGraph**:按官方说明配置全局 MCP 服务。
- **Caveman**:按 Skill/工作流安装和使用;不把 CLI 当作前置条件,不为此安装 CLI 或索取 API Key。
- **Ponytail**:配置其 Skill/插件,使 Full 模式可用。
修改已有全局配置前先备份到项目目录之外,并保留其他设置。若配置依赖用户提供的凭据,停止并说明如何在本机安全配置;不要让用户把密钥发到聊天中。
3. 全局工具可用后,初始化当前项目所需的 CodeGraph 索引。全局 MCP 配置与项目索引是两件事,不能互相替代。索引范围限制在源码、测试等代码目录;排除个人数据、凭据、依赖目录、构建产物和其他不相关内容。若无法安全划定索引范围,先询问用户。
4. 实际验证三者,而不只检查“已安装”状态:
- **CodeGraph**:在当前项目索引中查询文件或符号,确认结果属于当前项目和预期范围。
- **Caveman**:使用已安装的相关 Skill/工作流,完成一次不修改文件的调查或简报验证;明确区分事实与推断。
- **Ponytail**:以 Full 模式对一个只读的小任务展示最小正确方案,不修改无关文件。
不得把读取配置、找到 Skill 文件或其他项目的索引结果声称为成功调用。若工具无法实际运行,如实记录失败原因。
5. 创建或更新项目根目录的 `AGENTS.md`:
- 若文件已存在,保留原有内容,只追加或合并;不得删除、覆盖或擅自重写现有规则。
- 若已有 CodeGraph 规则,保留并复用,避免重复粘贴。
- 只写对后续任务持久有效的协作规则,不把机器路径、密钥、临时日志写进项目文档。
## `AGENTS.md` 中应写明的协作规则
- **CodeGraph** 用于代码结构查询:定义、调用链、影响范围和上下文。结构问题优先使用;核实当前会话确实提供 CodeGraph,且索引对应当前项目。
- **Caveman** 按 Skill/工作流使用:不明问题先调查,报告简短且证据优先,必要时采用安全重构或外科式修复。不得将 CLI 作为前置条件,也不得声称调用了未加载的 Skill。
- **Ponytail** 用于最小正确实现:采用 YAGNI、复用现有代码、优先标准库/平台能力和已有依赖、避免无理由新增依赖或抽象。实现时使用 Full 模式;若 Skill 未加载,可遵循原则但不得声称已调用。
- 默认顺序:结构问题先用 CodeGraph;不明问题先调查;实现时用 Ponytail Full;最后按风险做最小必要验证,并遵守项目已有的强制检查。
- 正确性、安全、数据安全、用户明确要求和无障碍基础都高于“少写代码”;不得为精简而削弱这些要求。
- 最终报告简短说明改动、原因、实际验证结果和剩余风险;未运行的检查不得报告为通过。
## 验收与回复
检查 `AGENTS.md` 的 Markdown 标题层级、代码围栏和文件结尾;执行 `git diff --check`。文档改动不运行无关构建测试,但工具配置和项目索引必须按上面的步骤实际验证。
完成后分别报告:
- `AGENTS.md` 的绝对路径,以及是创建还是更新;
- 是否发现并保留已有 CodeGraph 规则;
- 全局配置中哪些已存在、哪些新配置;
- 项目索引的位置、范围和排除项;
- CodeGraph、Caveman、Ponytail 各自的实际验证结果;
- 未能验证的部分、原因和剩余风险。

3. 前端视觉与交互检查提示词#

请先全面检查现有前端页面,重点检查以下问题:
1. 不必要、丑陋或风格不统一的图标。
2. 多余且没有实际意义的小字。
3. 按钮点击、状态切换时的频闪,以及不自然或多余的动画效果。
4. 所有按钮的边框位置、对齐和显示是否正常;结合现有页面风格,判断哪些按钮需要补充或调整边框与阴影,避免统一套用。
需要替换的图标统一从 Iconify 图标库中挑选,尽量使用同一图标集,保持风格一致:
https://icon-sets.iconify.design/
先把发现的问题、对应页面或组件位置,以及修改建议整理出来给我审核。
涉及图标替换时,制作一个可在浏览器中查看的图标审核页,展示原图标与候选图标的对比、各自的 Iconify 名称(如适用)、使用位置和替换理由,方便我逐项审核。审核页仅用于预览,不直接替换业务页面中的图标。
确认后再动手修改,不要直接批量调整。

常用 Skills#

GitHub:我的 Skills 仓库

1. requirement-validate:需求理解确认#

GitHub:requirement-validate

这是我常用的需求确认 Skill。在开始实现之前,让 AI 用自己的话完整复述需求,我再审查、修改或补充,反复对齐直到确认无误,避免 AI 理解偏了就直接动手。

它只负责确认需求,不写代码、不设计方案,也不主动提供建议。每轮反馈后都会重新复述完整需求;确认后结束,不自动进入实现阶段。

使用时,附上需求文本,并明确说“先别写代码,先确认一下需求”或“帮我理解需求”。

2. blog-cover-prompt:博客封面提示词#

GitHub:blog-cover-prompt

这是我常用的博客封面提示词 Skill。根据文章的标题、摘要或正文,提取核心对象与关系,生成可以直接用于绘图的提示词,让不同文章的封面保持统一风格,同时体现各自的主题。

封面以深蓝黑背景、电蓝与青色光线、玻璃或全息材质为主。它会给出构图思路、正向提示词和负向约束,默认只写提示词,不直接生成图片,也不修改或发布文章。

使用时,附上文章内容,并说明“为这篇文章写封面提示词,保持博客已有封面风格”。

3. humanizer-zh:去除中文 AI 写作痕迹#

GitHub:humanizer-zh

用于去除中文文本中的 AI 写作痕迹,让表达更自然。写完文章或文案后,可以用它检查和调整生硬、模板化的表达。

使用时,附上需要修改的文本,并说明“去除这段文字中的 AI 写作痕迹,保留原意,让表达更自然”。

4. beautify-github-readme:整理与美化 README#

GitHub:beautify-github-readme

用于整理并美化 GitHub README 的内容层级与视觉呈现,让读者更容易找到项目介绍、使用方式和其他重要信息。

使用时,提供项目仓库或 README 文件,并说明“整理并美化这个 README,保留重要信息,让内容层级和视觉呈现更清晰”。

5. vibe-learn:面向非科班开发者的实践学习#

GitHub:vibe-learn

面向非科班开发者,教授工具使用和向 AI 描述需求的方法。重点是把实际任务说清楚、理解操作步骤,而不是展开底层理论或数学推导。

使用时,说明当前想完成的任务或想学习的工具,并提出“教我怎么使用这个工具,以及怎样向 AI 描述我的需求”。

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

这篇文章对你有帮助吗?

正在加载点赞数…

常用Prompts与Skills
https://www.celyn-blog.xyz/posts/common-prompts/
作者
Celyn
发布于
2026-10-07
许可协议
CC BY-NC-SA 4.0

评论区

Profile Image of the Author
Profile Image of the Author
Celyn
记录 AI、前后端与编程技术学习,用费曼学习法把知识讲清楚。
公告
欢迎来到 Celyn 的博客!专注于AI大模型、深度学习与编程技术分享。
音乐
封面

音乐

暂未播放

0:000:00
暂无歌词
分类
标签
站点统计
文章
22
分类
14
标签
63
总字数
56,845
运行时长
0 天
最后活动
0 天前
文章目录