全部提示词

为 AI Agent 的记忆系统设计全面的压力测试方案，评估检索准确率、遗忘曲线、上下文窗口利用率和跨会话一致性。

让AI Agent自动循环执行PRD中的所有任务项，直到全部完成。适用于Claude Code、Codex等编码Agent的自主开发场景。

模拟一个由多个AI Agent组成的对冲基金团队，分别担任分析师、风控、交易员等角色进行投资决策

全面评估 AI Agent 代码执行沙箱的安全隔离方案，涵盖容器、microVM、WASM 等技术选型

帮你对比主流 Go 语言 LLM 开发框架（如 eino、langchaingo 等），输出技术选型建议和项目架构设计

模拟资深SRE工程师，系统化分析生产环境事故的根因，生成结构化RCA报告

从零搭建开源AI语音合成工作室的产品需求、技术架构和部署方案，支持音色克隆与风格迁移

深入理解Speculative Decoding技术原理，为LLM推理服务设计最优加速方案

输入笔记主题，自动生成10个小红书风格爆款标题和封面文案，包含emoji、数字、痛点词等高点击率要素。

根据你的系统架构和告警信息，自动生成事故响应标准操作流程（Runbook），包含诊断步骤、修复命令和升级路径。

输入Agent执行日志或错误信息，自动分析工作流瓶颈、工具调用失败原因，并给出修复建议和优化方案。适用于LangChain/CrewAI/AutoGen等框架。

将任意主题、文章或想法转化为小红书风格的图文笔记文案，含标题、正文、标签和封面建议

输入 MCP Server 的工具定义，自动生成覆盖正常/边界/异常场景的自然语言测试用例，帮助快速验证 Agent 工具调用质量

对比评测不同Speculative Decoding方案的性能、质量和部署成本，生成选型建议报告

根据你的项目需求，生成一份完整的 CLAUDE.md 配置文件，融合 Andrej Karpathy 总结的 LLM 编码陷阱最佳实践，让 Claude Code 输出更稳定可靠的代码。

输入你的硬件配置和使用场景，AI 会生成一份完整的本地大模型部署决策树，推荐最适合的模型、量化方案和推理框架

为 AI 编码 Agent 生成一份上下文窗口优化检查清单，减少 token 消耗、提升代码生成质量

系统化对比分析开源 AI 客户端，生成技术选型决策报告

用于评估 AI Agent 的对话质量，从准确性、相关性、安全性、格式规范等多维度打分，生成结构化评估报告，适用于 Agent 产品上线前的质量把关。

输入一个复杂任务目标，让AI自动拆解为可执行子任务，生成带依赖关系的执行计划和结构化日志模板，适用于Agent开发调试。

将任意主题或文章转化为结构化知识卡片，包含核心概念、关键数据、类比解释和记忆锚点，适合学习和内容创作。

输入任意GitHub开源项目信息，自动生成一篇面向初学者的5分钟快速上手教程

基于 Manus 风格的 Markdown 持久化规划方法，帮助 AI Agent 按步骤拆解复杂任务并跟踪执行进度

模拟专业Bloomberg终端风格，用AI分析股票、期货、宏观经济数据，生成专业级投资研报和可视化图表建议

将一句话自然语言需求直接转化为完整的 MCP Server 接口设计文档，包含工具定义、参数 schema、错误处理和示例调用。

输入自然语言需求，自动生成符合 MCP 协议规范的 Server 接口设计文档，包含工具定义、参数 schema 和示例调用

用自然语言描述你的业务场景，自动生成多模型路由策略配置，实现成本与质量的最优平衡

输入一个主题，自动生成短视频脚本、分镜、配音文案、字幕和发布计划的完整工作流提示词

根据业务场景和硬件条件，自动生成多模型混合推理集群的部署方案，包括模型分配、路由策略和成本估算

帮你系统性分析和优化AI编码Agent（如Claude Code、Cursor、Copilot）的上下文窗口使用效率，生成具体的瘦身方案和配置建议

将PDF、图片、网页等多模态文档批量转换为结构化Markdown知识库，支持RAG系统直接接入

评估 AI Agent 的自进化能力成熟度，基于 GEP（基因表达编程）框架给出进化资产设计方案，包含基因、胶囊、事件三层架构的落地建议。

针对 AI 编码 Agent（Claude Code、Cursor、Codex 等）的上下文窗口爆炸问题，生成沙箱化工具输出策略和 Token 回收方案，实现 90%+ 上下文节省。

基于开源方案（Voicebox/Kokoro/Chatterbox等）搭建本地语音克隆工作室的完整方案，包含多 TTS 引擎对比评测、声音克隆质量评估和隐私合规检查。

输入ML论文，提取核心方法和创新点，生成实验复现计划

一段文案，多平台改写，适配小红书/Twitter/LinkedIn/公众号

将一堆待办任务输入给AI，让它根据紧急程度、依赖关系和预估耗时自动排序，输出带时间建议的执行计划。

将复杂项目需求拆解为多个Agent子任务，分配到不同平台（Web/桌面/终端）协调执行，生成Kanban看板和依赖关系图

粘贴任何开源项目的 README，获得吸引力评分和专业级重写版本，显著提升 Star 转化率

用 3 秒法则评估你的 GitHub README 首屏效果，给出吸引力评分并自动重写，帮助开源项目提升 Star 转化率

针对MoE混合专家架构模型，生成详细的推理部署方案，包括硬件选型、通信优化和成本估算

为 LLM 推理服务（如 vLLM、SGLang、TensorRT-LLM）生成完整的性能基准测试方案，包括测试指标、负载模型和结果分析模板。

基于项目历史数据、社区活跃度和外部事件，预测开源项目Star增长趋势，生成社区运营增长模型与策略建议

把你的工作流水账丢给 AI，自动提炼成结构清晰、亮点突出的周报，适合发给老板或团队。

为 Computer-Use Agent（CUA）生成完整的桌面操作测试场景，包括多步骤 UI 交互、异常处理和评估指标，适用于 macOS/Linux/Windows 三平台沙箱环境。

使用LLM从非结构化文本中提取结构化实体，支持自定义schema和few-shot示例驱动，适用于文档解析、报告分析等场景

输入一个初始prompt，自动分析其弱点并生成3个优化变体，附带改进理由和预期效果对比，帮助快速迭代提示词质量

用自然语言描述你的微服务部署需求，AI 自动生成完整的 Helm Chart，包含 values.yaml、templates 和 NOTES.txt。