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 1 天前
需要怎么生成一个工具型的网站的提示词
|
 |
2
donggua997 13 小时 31 分钟前
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 13 小时 10 分钟前
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 10 小时 50 分钟前
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 3 小时 43 分钟前
@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 |
Select Language