大模型的能力越来越强，但是如何发挥大模型真正的实力？
这是我一直在思考的问题，在平常的使用过程中很容易发现，提示词的使用技巧对于生成结果的质量至关重要。多看看优秀的提示词，还能启发我们利用大模型的更多用法。
在网上看到许多优秀的提示词仓库，但一般都是针对某个模型或场景的，一直想整理一个更方便易读，根据模态、模型分类，从各处搜集优秀的提示词汇集到一处的仓库。
于是最近制作了这个网站： https://prmbr.com/
一个精选提示词库，包括 Text-To-Text, Text-To-Image, Text-To-Video 等提示词用法，还有针对 Nano Banana GPT-Image-1 等模型的专门分区，内容全部来自于各大开源的 Prompt 仓库、社交媒体、网站，以及我在各种地方偶然看到的内容。
初期内容还比较有限，后期逐渐完善，分享给大家。
代码仓库已经开源，可以参与共建： https://github.com/songtianlun/awesome-prompts
 |
1
Michelangelono 15 天前
需要怎么生成一个工具型的网站的提示词
|
 |
2
donggua997 14 天前
我一直不懂，什么提示词模版、提示词库，有什么实际价值吗？
这玩意不是根据自己的个性需求，自己去编写的吗。 自己连需求的：背景、要求、交付物 都不会描述的吗？ 另外每个模型调教的也不一样，哪有什么标准提示词可言啊 |
 |
3
HRTops 14 天前
现在的提示词只是一个过渡产物，后面一定会是自然语言就可以搞定。
|
 |
4
rrZ2C 14 天前
有时候看看别人的提示词挺好的，比如 ai 创建原型在提示词里设置设置 750/375 宽度/平铺，系统状态栏等，很多点一眼亮确实很实用
|
 |
5
ota 14 天前
@donggua997
提示词可视化，提示词逆向，这两个方向对当前阶段还是有不小市场的。 而 op 的提示词字典，这东西价值虽然不大，但无脑开箱即用，就和给了 docker compose 一样。很多优秀的提示词还是需要借鉴的。也是经过作者磨练反复调试出来的，所以如果需求相近，可以做个类似代码补完风格的“提示词补完”需求。 通过分叉无限生成子类。 比如： young girl ├── with long hair │ ├── wearing a school uniform │ │ ├── standing in a classroom │ │ └── walking in the rain │ └── wearing a kimono │ ├── in a traditional garden │ └── during a festival └── with short hair ├── wearing casual clothes │ ├── sitting on a bench │ └── holding a smartphone └── wearing a hoodie └── in a cyberpunk city |
 |
6
npe 12 天前
我最近用这个工具生成提示词 https://systemprompt.icu/
|
 |
7
xiangbohua 7 天前
@donggua997 应该就是抄作业吧，效果差不多别人弄好了， 自己微调一下就可以了，用的少的话自己来回改来回看效果，很慢的
|
 |
8
pulutom40 6 天前 via iPhone
|
|
9
donggua997 6 天前
@pulutom40 #8 自己的需求和背景都不会描述， 说明他都不懂这个，他做这件事就是超出能力范围。
就他应该放弃，或者换个人做。 自己需要去研究明白业务逻辑，再来谈做需求 |
 |
10
bk201 2 天前
现在不都用 ai 生成提示词吗？
|
 |
12
subpo PRO 提示词都是看家本领，如果到现在还在还在整理这种每个人都会写，没有通用性，甚至 ai 都内置了的 prompt ，有什么意义呢
|
 |
13
Lanzhijiang 1 天前 via Android  1
能包装成 MCP 会更有价值，让 Agent 自己获取提示词指导自己工作
|
 |
14
katwalk 9 小时 19 分钟前
楼上有几个是真爱喷啊。
具备把需求说清楚的能力，和拥有一个高质量的「提示词库」是矛盾的吗？ 你会造轮子，难道就不需要在工具箱中准备好现成的轮子？总不能每次需要的时候才自己开始撸吧？同样的，农民会做锄头，但是家里会备几把锄头；木匠会做桌子，但家里也会有桌子。 优秀提示词，就是这些「现成的轮子」。它们不能替代我们的思考，但是，它们能大幅提升「造车」的效率和质量。 荀子在两千多年前就道破了这件事：「君子生非异也，善假于物也。」 |
Select Language