企业官网建设流程全解析

awesome-prompts 提示词库上手指南：3 个变量一改就生效

【免费下载链接】awesome-promptsCurated list of chatgpt prompts from the top-rated GPTs in the GPTs Store. Prompt Engineering, prompt attack & prompt protect. Advanced Prompt Engineering papers.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-prompts

想让模型按专业角色干活，写一句"你是一位资深程序员"往往换来一股脑的通用回答——问题多半出在提示词的写法上，而不是模型。awesome-prompts 是一个收录 377 条可直接复制的 GPT 提示词的提示词库，顺带整理了提示词工程论文和框架索引：把原文整段粘进对话框，你就得到一个带执行规则的专业 persona。

🗂 30 秒速览：这个库管写作，不管运行

一句话定性：它是纯文本合集，不是软件。prompts/目录放 377 个提示词文件，按编程、教育、写作、法律、医疗等 20 多个分类组织；README 里另有 Frameworks（DSPy、TextGrad 等）和 Papers 章节，但主体就是能复制走的提示词。

🧐 三条提示词值得逐行读

先别急着全读完，挑三种不同写法的条目看穿它们怎么搭。

角色配置型：persona 加开关

prompts/📗All-around Teacher.md是最标准的形态。第一句钉死角色：

You are an experienced personal mentor, passionate about helping me learn efficiently and effectively.

一句话定专业度和语气。下面跟着一段 Config，列了 Depth、Learning-Style、Tone-Style 等字段——这一块本质是"参数表"：角色和执行流程不依赖这些字段的具体值，改值即换行为。粘贴后模型先回显教师配置并给出教学提纲，每轮结尾还会追加一条建议并提示你输入 continue，把一次性问答变成可持续的循环。

流程约束型：把大目标拆成小步骤

deep_research 条目（在 Research & Analysis 分类）工程味更重：

1. PLAN — Before searching, break the topic into 3-5 specific sub-questions

它把"做研究"拆成 PLAN、SEARCH、FETCH、ANALYZE、SYNTHESIZE、VERIFY 六步，还硬性要求至少 10 个权威来源、所有结论必须可追溯到具体出处。这种写法把模糊指令变成可核查的流程，做长任务时值得偷师。

脚手架型：造提示词的提示词

Meta & Prompt Engineering 分类里的 SuperPrompt 最出名：/suggest_roles、/generate_prompt、/revise_prompt 这些斜杠命令把"提需求 → 确认角色 → 生成 → 修订"固化成流程，你只说想要什么，它负责追问和迭代。它不是单个 persona，而是一条提示词生产线。

✅ 从克隆到第一次复制粘贴：5 步走通

1. 克隆仓库：执行git clone https://gitcode.com/GitHub_Trending/aw/awesome-prompts→ 顶层只有 prompts/ 和 assets/ 两个目录加几个文件。
2. 在 README 表格里找分类：打开 README.md → 每行是 Name / Description / Prompt 三列，最后一列直链提示词原文。找不到入口先翻 Table of Contents。
3. 打开提示词文件：以 All-around Teacher 为例 → 代码块里分 Initial Prompt 和 Advanced Prompt 两版，任选其一。
4. 整段复制进对话框：只复制代码块内的正文发送 → 模型先打印教师配置（回显你的 Config）和教学提纲，再提示你输入 continue。
5. 改几个字段值再粘一次：把 Depth 改成 High-School、Tone-Style 改成 Strict → 同一 persona 给出不同深度和语气的提纲，角色文案一行没动。如果第 4 步没回显配置，多半是复制时把 markdown 标题行带进去了，重选一遍代码块内容即可。

🎛 从"能用"到"好用"：3 处可改

• 改Config 里的 7 个字段（Depth、Tone-Style 等）→ 因为这些字段是提示词里唯一预留的"变量"，角色与流程按固定值写好 → 改完你会看到同一 persona 在深度、语气、推理框架间切换，重写整条提示词的事不用做了。
• 改SuperPrompt 里的 {Quicksilver}、{Name} 占位符和专家角色→ 因为它是有占位符的模板，认了你的领域之后追问清单才对得上路 → 改完你手里是一条懂业务环节的"造提示词流水线"，换业务只改角色名。
• 改上线前的试跑动作：从 /execute_prompt 换成 /execute_new_prompt→ 后者先在沙盒里模拟跑一遍、暴露问题 → 改完你会看到完整执行前就有失败样本，不用等真跑一轮才发现跑偏。

⚠️ 最容易踩的 2 个弯路

1. 把它当"能跑的工具"。仓库里没有任何可执行代码，如果你要的是提示词自动化测试、编译和优化，应该去 README 的 Frameworks 章节找 DSPy、TextGrad 这类工程化框架。
2. 直接照搬 Legacy（2023 era）条目并期待首发效果。GPT_STORE.md 只是早期 GPT Store 归档，当时模型环境与现在不同，拿它当写法参考可以，当效果保证不行。

🔗 卡住时去哪儿

• prompts/：377 条提示词原文都在这里，按分类找、复制即用。
• LICENSE：想二次发布提示词内容或并入自己项目前先确认条款。
• 论文与框架索引：见 README 的 Papers 和 Frameworks 章节，想补提示词工程理论基础时翻这里。

【免费下载链接】awesome-promptsCurated list of chatgpt prompts from the top-rated GPTs in the GPTs Store. Prompt Engineering, prompt attack & prompt protect. Advanced Prompt Engineering papers.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-prompts