多模态Agent技术路线对比：原生多模态与工作流编排选型指南
2026/9/20 21:18:42
awesome-prompts 提示词库：377 条 GPT 提示词，从直接复制到改成自己的
【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
awesome-prompts提示词库收录 377 条可直接复制的 GPT 提示词模板，按 20 多个分类组织，覆盖编程、写作、学术、教育这些最常见的场景。它适合刚接触提示词工程、想让大模型帮你把日常写作和效率问题处理得更顺手的人。说白了，你不必从零猜提示词怎么写——照着别人的抄一版，再改成自己的就行。
🎯 哪些人适合从这套 GPT 提示词集合开始
适合的人：
- 提示词新手：刚起步、想知道"一条像样的提示词长什么样"。这里能直接看到 377 种现成写法，比刷教程快。
- 日常有大量文字产出的人：写周报、润色论文、做总结。打开 README.md 的Writing & Academic分类，基本都能找到对应条目。
- 想沉淀团队写作规范的人：挑一条贴近业务的提示词做底稿，再按自己部门的格式要求微调。
不适合的人：
- 想要自动提示词优化工具（自动改写、自动跑评测）的读者——本仓库以人工精选的模板为主。
- 需要完整生产级上下文工程、多智能体评测体系的团队——那要看工程化框架，模板只是起点。
🧪 如何快速找到一条提示词：表格、分类、原文三步定位
最直接的入口是 README.md 里的 Prompts 表格：每行给一个条目的名称、一句说明，链接指向 prompts/ 目录下的具体文件。表格按Coding & Development、Writing & Academic、Learning & Education、Meta & Prompt Engineering等 20 余个分类组织。
定位路径就三步：
- 打开 README.md，在目录里选定分类；
- 在表格中扫一遍说明，挑中一条；
- 点进链接，把原文复制走。
目录结构本身很薄，顺带说一下：顶层除prompts/（全部提示词文件）外，只有assets/（2 张配图）、README.md 和 GPT_STORE.md——后者是早期 GPT Store 热门提示词的存档，想回看 2023 年风格的提示词可以翻它。
🚀 挑一条试跑：把 Academic Assistant Pro 粘贴到对话框
演示用Writing & Academic分类里的 Academic Assistant Pro。它分 Initial / Advanced 两版，任选一版即可。
| 场景 | 动作 | 你会看到什么 |
|---|---|---|
| 论文段落要润色 | 打开文件，把代码块里的提示词原文整段复制，粘贴进 ChatGPT 或任意大模型的对话界面，发一句"帮我把这段改成学术表达" | 模型先给结构化提纲再动笔；长文只交第一部分，并用三个短关键词提示你索取下一段 |
| 同一句话想要不同说法 | 粘贴 Advanced 版后说"润色这句话" | 一次给至少三个备选版本，自己挑 |
注意它的行为不是靠你追问换来的，而是模板写死了的：分段输出、改写给三个候选、每步交完给三个短指令让你接着点。想换一档"手感"，把代码块里个别词改掉就行。
🔍 提示词原文的共性：三种反复出现的写法
挑开具体条目看，写法上的重复度很高。挑四种最典型的：
| 写法 | 效果 |
|---|---|
| 首句即角色。socratic_tutor.txt 开口就是 "You are a Socratic tutor" | 专业度与语气从第一行就被锁定，后面的输出风格都有据可依 |
| 分段交付，用关键词续写。Academic Assistant Pro 规定 "If the content is lengthy, provide the first part" | 长文不一次输出完，节奏由你控制，不会看到半截长文干等 |
| 改写任务给足候选。同一条要求 "Provide at least three alternatives" | 润色一次拿到三版对比，减少来回沟通的成本 |
| 用命令或编号步骤写死流程。SuperPrompt 里排满 /suggest_roles、/generate_prompt 等斜杠命令 | 模型照单执行，产出稳定可复现，适合反复使用的场景 |
一个共同信号：这些提示词模板都把"下一步该干什么"提前写好了，你只负责填内容和点继续。
🧭 把模板改成自己的：用两条造提示词的提示词
仓库里躺着两条"造提示词的提示词"，定制时二选一：
| SuperPrompt | Prompt Creater | |
|---|---|---|
| 工作流 | 斜杠命令式的结构化流程 | 迭代式生成 + 主动追问 |
| 适用场景 | 从零搭一条完整提示词 | 已有模糊想法，想逐步磨细 |
| 操作方式 | 贴入后按 /suggest_roles、/generate_prompt、/revise_prompt 等命令走 | 它先问主题，之后每轮给出提示词草案、五个可加细节、三个澄清问题，你回答，它再改进 |
两者理念一致：先澄清、再生成、再修订。执行就是五个动作：
- 贴入模板：开新会话，整段贴 SuperPrompt 或 Prompt Creater 的原文。
- 替换变量：SuperPrompt 里的 {Quicksilver}、{Name} 占位符改成你的称呼；Prompt Creater 则直接告诉它主题是什么。
- 追加输出约束：补上格式、长度、语气要求，比如"用中文、不用专业术语"。
- 试跑真实任务：挑一个本周真要干的活发过去，看生成的提示词好不好用。
- 迭代并留痕：记下哪句措辞让输出变好，用 /revise_prompt 或回答澄清问题出下一版，存好自己的副本。
✅ 上手与贡献路径
- 克隆仓库：
git clone https://gitcode.com/GitHub_Trending/aw/awesome-prompts - 浏览：按 README.md 的 Prompts 表格找分类、点链接看原文；README 后段还有 Frameworks（DSPy、TextGrad 等自动优化方向）、System Prompt Leaks、Papers（多为 arXiv 链接，注意它是 README 里的章节，不是独立目录）与 Official Guides，想看"提示词模板怎么用"背后的工程化思路可以直接读。
- 贡献：新提示词走 Pull Request 提交到 prompts/ 对应分类；改进现有条目时附修改理由。
- 关注度长期在涨：
📚 收束与延伸阅读
提示词模板的意义，在于把"怎么写"这件事显性化：你不必从零猜，照着改就行。随着提示工程向上下文工程演进，能读懂一条提示词、拆开它、再改出适合自己场景的版本，这种能力会越来越吃香。想再深入一层，三条延伸阅读：
- Chain of Draft (2025)：把每步推理压到 5 个词以内，用更少的 token 逼近思维链的准确率，适合想省成本又保留推理的读者。
- APE: Human-Level Prompt Engineers (2023)：用大模型自动生成并筛选指令，效果可超过人工手写，是"自动提示词"方向的入门阅读。
- 进阶模板 prompt_engineer.txt：把提示词当软件制品管理，覆盖 Zero-shot 到 ReAct 的设计模式、A/B 测试与回归测试，比单条角色提示词更贴近生产。
常用入口：
- README.md：分类目录与论文、框架索引
- prompts/：377 条提示词原文
- GPT_STORE.md：早期 GPT Store 提示词归档
- LICENSE：许可协议
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考