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
1. requirement-validate:需求理解确认
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
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
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
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
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…

