全部提示词

为开源项目自动生成专业的贡献指南文档，包含代码规范、PR流程、Issue模板等

为短视频创作者设计从生成到多平台自动发布的完整工作流方案

设计本地多模型动态加载/卸载方案，实现按需切换不同 LLM 模型，优化显存和延迟

帮助开发者分析和调试AI Agent的工具调用链路，识别失败节点、优化调用策略

将复杂任务自动拆解为子任务，分配给多个AI Agent并行执行，最终汇总结果。适用于研究报告、代码项目等大型任务

设计基于终端的AI Agent自动化工作流，包括任务编排、错误处理和人机协作

帮助开发者快速发现、安装和管理 AI Agent 的工具包与技能模块，适用于构建多Agent系统

为 AI 编程助手（如 Claude Code、Cursor）生成高质量插件/技能开发文档，包括架构设计、接口规范和示例代码

帮助个人和小企业搭建本地化AI记账系统，自动分类发票和交易记录

指导开发者使用复合工程（Compound Engineering）方法构建多Agent系统，包括任务拆解、上下文管理、工具编排和质量反馈循环

粘贴任意 GitHub README 内容，AI 会从10个维度打分并给出具体优化建议

帮助开发者评估和选择 AI Agent 开发中的工具链组件（MCP服务器、文件搜索、记忆系统等），输出集成方案和架构建议。

模拟专业金融研究员，对公司或行业进行多维度深度分析，输出结构化投资研究报告

将一篇文章自动改写为适合不同平台（小红书、Twitter、LinkedIn、公众号）的多个版本

指导用户在本地环境（特别是 Apple Silicon Mac）上部署、微调和评测视觉语言模型（VLM），包括性能优化和 benchmark 对比

设计基于多智能体协作的量化交易策略，包含研究员、风控、执行等角色分工，输出完整的回测方案

帮你在 Mac 上规划和设计基于本地视觉语言模型的应用方案，包括模型选型、性能优化和部署策略

将复杂文档图片（表格、表单、手写内容）转换为结构化数据，支持多种输出格式

快速设计语音AI应用的技术架构和交互流程，涵盖ASR、TTS、对话管理等核心模块

系统对比不同 AI 编码助手的工作流、优劣势和最佳使用场景

从产品需求出发，帮你选择合适的语音AI技术栈（TTS/STT/Voice Clone），输出完整方案

对 OCR 识别结果进行智能校对，修复识别错误、恢复格式结构

让AI自动识别收据/发票内容，提取关键字段并分类归档，适合自由职业者和小团队的智能记账场景

帮助开发者为 AI Agent 设计最合适的记忆层方案，包括短期/长期记忆、向量存储、状态同步等技术选型决策

为AI项目设计处理图片、音频、视频和结构化数据的多模态数据管道，包含ETL流程和性能优化

基于平台热点和用户画像，批量生成短视频选题、标题和钩子开头，适用于抖音、小红书、YouTube Shorts。

输入你的 AI Agent 遇到的异常行为描述，自动生成一棵结构化的故障排查决策树，从症状到根因逐层排查。

帮你设计 AI Agent 的长短期记忆架构，包括会话状态持久化、向量检索记忆、摘要压缩等策略

帮你诊断 AI Agent 运行中的瓶颈、失败点和上下文丢失问题，生成可观测性方案

帮你分析语音AI应用场景，推荐合适的开源语音模型和技术栈，生成完整的技术选型报告

输入一个GitHub项目链接，AI帮你从技术、社区、商业化三个维度快速评估项目质量和发展潜力

描述你的业务需求，AI 帮你生成一页纸系统架构设计，包含组件图、技术选型、数据流和部署方案

帮你分析和压缩LLM应用中的上下文，减少Token消耗同时保持信息完整性

设计健壮的AI Agent错误处理机制，包括重试策略、fallback链路、超时管理和优雅降级方案，确保Agent在各种异常场景下仍能提供有价值的输出。

诊断你的RAG系统检索效果不佳的原因，并给出具体的优化方案

设计一个多Agent协作的自动化代码评审流水线，包括安全审计、性能分析、代码风格检查等角色分工

专业的上下文工程顾问，帮你在有限的token预算内最大化LLM的输出质量，适用于长文档处理、多轮对话和RAG场景。

针对 Rust 代码进行深度性能审查，从内存分配、并发模型、编译器优化到零拷贝策略，给出具体的优化建议和重写示例。

基于时间序列数据进行异常检测分析，生成可视化报告和预警建议，适用于业务监控、IoT传感器和金融数据场景

对比主流多Agent编排框架（oh-my-claudecode、CrewAI、AutoGen、LangGraph等），提供选型建议和迁移方案。

为新产品设计从0到1的冷启动增长策略，包含用户获取、留存和病毒传播方案

帮助开发者规划和管理 AI Agent 的工具包依赖、版本兼容性和部署策略，类似 npm/pip 但面向 Agent 生态

基于数据特征推荐最佳时间序列预测模型，并提供调优策略和评估方案

帮助研究者系统地复现AI论文中的实验，从环境搭建到结果验证全流程指导

将一个复杂业务需求拆解为多个AI Agent的职责定义、通信协议和协作流程图

使用 Cloudflare Workers、D1、R2、KV 等边缘计算服务设计和构建全栈无服务器应用的专家顾问

设计支持微信/Telegram/Discord等多平台的AI聊天机器人架构，包含消息路由、上下文管理和插件系统

对Bash脚本进行全面安全审计，识别注入漏洞、权限问题和不安全实践，并提供加固后的安全版本。适用于Agent自动化脚本的安全审查。