📝 Prompt Library 是一套综合性的、经过实践检验的提示词（Prompt）合集，灵感来自 awesome-chatgpt-prompts 与社区最佳实践。
何时使用本技能
当用户出现以下需求时，可使用本技能：需要即可使用的提示词模板；想要基于角色的提示词（act as X）；索取提示词示例或灵感；需要针对特定任务的提示词模式；希望改进自己的提示方式。
提示词类别
🎭 角色型提示词（Role-Based Prompts）
专家开发者（Expert Developer）：扮演拥有 15 年以上经验的资深软件开发者，专注整洁代码、SOLID 原则与务实架构。审查代码时：识别 bug 与潜在问题；提出性能改进建议；推荐更好的模式；清晰解释推理过程。始终优先考虑可读性与可维护性，而非炫技。
代码审查者（Code Reviewer）：扮演资深代码审查者，职责包括：检查 bug、边界情况与错误处理；评估代码结构与组织；评估命名规范与可读性；识别潜在安全问题；给出带具体示例的改进建议。审查格式为：🔴 关键问题（必须修复）、🟡 建议（应考虑）、🟢 优点（做得好的地方）。
技术文档撰写者（Technical Writer）：扮演技术文档专家，把复杂技术概念转化为清晰易懂的文档。遵循原则：使用简单语言、避免术语；包含实用示例；用清晰标题组织；在有用处添加代码片段；考虑读者的经验水平。
系统架构师（System Architect）：扮演面向规模设计的资深系统架构师。考虑：可扩展性（水平与垂直）、可靠性（容错、冗余）、可维护性（模块化、清晰边界）、性能（延迟、吞吐量）、成本效率。给出架构决策并进行权衡分析。
🛠️ 任务型提示词（Task-Specific Prompts）
调试代码（Debug This Code）：调试以下代码，分析需包含：问题识别——究竟哪里失败；根因——为什么会失败；修复——提供修正后的代码；预防——如何避免类似 bug。逐步展示调试思路。
像对 5 岁小孩解释（ELI5）：把 [概念] 解释得像对 5 岁小孩一样。使用：简单的日常类比；不使用技术术语；短句；来自日常生活的贴切例子；有趣、吸引人的语气。
代码重构（Code Refactoring）：按以下优先级重构代码：可读性优先；消除重复（DRY）；每个函数单一职责；有意义的命名；仅在必要时添加注释。展示修改前后并解释改动。
编写测试（Write Tests）：为代码编写全面测试：正常路径场景；边界情况；错误条件；边界值。使用 [框架] 测试约定，包含：描述性测试名称；Arrange-Act-Assert 模式；在合适处使用 mock。
API 文档（API Documentation）：为端点生成 API 文档，包括：端点 URL 与方法；请求参数（路径、查询、请求体）；请求/响应示例；错误码与含义；认证要求；如适用则注明速率限制。格式为 OpenAPI/Swagger 或 Markdown。
📊 分析型提示词（Analysis Prompts）
代码复杂度分析：分析代码库复杂度：圈复杂度——识别复杂函数；耦合——找出紧密耦合的组件；内聚——评估模块内聚性；依赖——梳理关键依赖；技术债——标出需要重构的区域。为每项评分并给出可操作建议。
性能分析：分析代码性能问题：时间复杂度——Big O 分析；空间复杂度——内存使用模式；I/O 瓶颈——数据库、网络、磁盘；算法问题——低效模式；快速改进——易实现的优化。按影响程度排列发现。
安全审查：对代码进行安全审查：输入验证——检查所有输入；认证/授权——访问控制；数据保护——敏感数据处理；注入漏洞——SQL、XSS 等；依赖——已知漏洞。按严重程度（严重/高/中/低）对问题分类。
🎨 创意型提示词（Creative Prompts）
头脑风暴功能：为 [产品] 头脑风暴功能。每个功能提供：名称与一句话描述；用户价值主张；实现复杂度（低/中/高）；对其他功能的依赖。生成 10 个想法，再按影响/投入比排出前 3。
命名生成器：为 [项目/功能] 生成名称。按以下类别提供 10 个选项：描述型（做什么）、联想型（感受如何）、缩写型（易记缩写）、隐喻型（类比）。对每个名称解释理由并检查域名可用性模式。
🔄 转换型提示词（Transformation Prompts）
迁移代码：把代码从 [源] 迁移到 [目标]：识别等价结构；处理不兼容特性；严格保留功能；遵循目标语言习惯；添加必要依赖。逐步展示迁移过程并解释。
转换格式：把 [源格式] 转换为 [目标格式]。要求：保留所有数据；使用目标格式的习惯写法；处理边界情况；验证输出；提供示例验证。
提示工程技巧（Prompt Engineering Techniques）
链式思考（Chain of Thought, CoT）：让我们一步一步解决：首先理解问题；然后识别关键组成部分；接着理清逻辑；最后验证解决方案。[此处填入你的问题]
少样本学习（Few-Shot Learning）：以下是任务的若干示例——示例 1：输入 [示例输入 1]、输出 [示例输出 1]；示例 2：输入 [示例输入 2]、输出 [示例输出 2]。现在完成：输入 [实际输入]、输出：
人格模式（Persona Pattern）：你是 [人格]，具备 [特征]。你的沟通风格是 [风格]。你优先考虑 [价值观]。回应时：[行为 1]、[行为 2]、[行为 3]。
结构化输出（Structured Output）：按以下 JSON 格式回应：{"analysis": "你的分析", "recommendations": ["建议1", "建议2"], "confidence": 0.0-1.0, "caveats": ["注意事项1"]}。
提示词改进检查清单（Prompt Improvement Checklist）
设计提示词时确保：目标清晰——你到底想要什么；提供上下文——是否包含背景信息；指定格式——输出应如何组织；给出示例——是否有参考示例；定义约束——是否有任何限制或要求；成功标准——如何衡量输出质量。
资源（Resources）
awesome-chatgpt-prompts；prompts.chat；Learn Prompting。
💡 提示：最好的提示词是具体的、提供上下文的，并包含期望输出的示例。
限制（Limitations）
仅在任务与上述范围明确匹配时使用本技能。不要将输出视为针对具体环境的验证、测试或专家评审的替代品。若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。