Prompt Library

可复用的 prompts 模板集合（task-oriented）

这里是你的 Prompt 军火库。我们收集并整理了业界最常用、最实用的 Prompt 模板，覆盖了从基础的文本分类到复杂的代码生成等多种场景。

Prompt Lab

把这章的知识，直接变成实战能力

进入交互式实验室，用真实任务练 Prompt，10 分钟快速上手。

这些模板不是僵化的教条，而是可复用的起点 (Reusable Starting Points)。你可以直接复制它们，填入你的具体 Context（上下文）和 Constraints（约束），快速构建出高质量的 Prompt。

为什么要使用模板库？

优势	说明
节省时间	不用从零开始思考结构，直接复用经过验证的框架。
提升质量	模板通常包含了被证明有效的技巧（如 Chain-of-Thought, Few-Shot）。
标准化	统一团队的 Prompt 风格，便于维护和协作。
减少遗漏	好的模板会提醒你补充必要的上下文或输出格式要求。

Prompt 核心结构

一个高质量的通用 Prompt 通常包含以下四个核心要素（CRDO）：

graph LR
    C[Context<br>背景信息] --> P[Prompt]
    R[Role<br>角色设定] --> P
    T[Task<br>具体任务] --> P
    O[Output<br>输出要求] --> P

或者使用更直观的文本结构：

# Role (角色)
你是一个[专家角色]，擅长[核心技能]。

# Context (背景)
我现在面临[具体情况/问题]，需要[具体目标]。

# Task (任务)
请你完成以下任务：
1. [步骤1]
2. [步骤2]

# Constraints (约束)
- [约束1，例如字数限制]
- [约束2，例如语言风格]

# Output Format (输出格式)
请以[Markdown/JSON/列表]格式输出。

模板库导航

我们根据任务类型将 Prompt 分为以下几类，点击即可跳转到具体页面获取模板。

📊 分类与分析 (Classification & Analysis)

适用于打标签、情感分析、意图识别等任务。

分类 (Classification): 通用文本分类。
情感分析 (Sentiment): 识别文本的情感倾向（正向/负向/中性）。
小样本情感分析 (Few-shot Sentiment): 使用 Few-shot 提升准确率。

🧠 推理与逻辑 (Reasoning & Logic)

适用于需要逻辑思考、数学计算或复杂问题解决的任务。

推理 (Reasoning): 通用逻辑推理（CoT）。
数学 (Mathematics): 数学问题求解。
真诚性 (Truthfulness): 减少幻觉，提升回答真实性。

📝 生成与创作 (Generation & Creativity)

适用于写作、创意构思、图像生成提示词等。

创意写作 (Creativity): 激发创意的写作模板。
文本总结 (Summarization): 快速提取文章摘要。
图像生成 (Image Generation): 辅助生成 Midjourney/Stable Diffusion 提示词。

💻 编程与工程 (Coding & Engineering)

适用于代码生成、解释、调试和重构。

代码 (Coding): 代码生成与优化。
信息抽取 (Information Extraction): 从非结构化文本中提取实体或数据。
问答 (Question Answering): 基于文档或知识库的精准问答。

🛡️ 安全与评估 (Safety & Evaluation)

涉及模型安全、攻防测试及输出质量评估。

⚠️ 注意：对抗性 Prompt 仅用于红队测试（Red Teaming）和安全研究，请勿用于非法用途。

评估 (Evaluation): 评估模型输出质量的 Prompt。
对抗攻击 (Adversarial): 常见的攻击模式与防御。
Prompt 泄露 (Prompt Leaking): 检测和防止 Prompt 泄露。
越狱 (Jailbreaking): 越狱攻击示例（仅供研究）。

如何使用这些模板？

复制 (Copy): 找到类似任务的模板，复制到你的剪贴板。
填充 (Fill): 将模板中的 [变量] 替换为你实际的业务内容。
测试 (Test): 运行 Prompt，观察输出结果。
迭代 (Iterate): 如果效果不理想，尝试调整 Context 或 Constraints 部分，直到满意为止。

🌟 万能起始模板 (Universal Starter)

如果你不确定该用哪个，可以从这个通用模板开始：

# Role

你是一个经验丰富的[领域专家]，专注于为[目标用户]提供高质量的解决方案。

# Task

请针对以下[输入内容]，进行[具体操作（如分析、总结、重写）]。

# Input Data

"""
[在此处粘贴你的文本/数据]
"""

# Constraints

-   保持语气[专业/亲切/客观]。
-   重点关注[核心点 1]和[核心点 2]。
-   如果遇到[情况 A]，请[应对措施]。

# Output

请以[具体格式]输出结果。

小结

不要死记硬背：理解模板背后的逻辑比背诵模板更重要。
Context is King：无论模板多好，提供准确、丰富的上下文永远是提升效果的关键。
持续优化：Prompt 开发是一个实验过程，没有一次完美的 Prompt，只有不断迭代的 Prompt。

📚 相关资源

❓ 常见问题

关于本章主题最常被搜索的问题，点击展开答案

Prompt 模板库到底是给谁用的，新手直接抄会不会出问题？

模板是可复用的起点，不是万能咒。本章用 CRDO 四要素（Context / Role / Task / Output）拼出通用骨架，你抄过去后必须把 [变量] 换成自己的业务上下文，再调 Constraints。直接套用最大的坑是 Context 没填，模型只能瞎猜，输出质量比你自己写还差。

CRDO 四要素少写一个会怎样？

Role 缺失 → 模型用「通用助手」语气，专业度不够；Context 缺失 → 模型瞎猜业务背景，幻觉飙升；Task 写得模糊 → 输出方向偏；Output Format 没定 → 每次结构不一样，下游代码解析炸。最常被偷懒省掉的是 Output Format，恰好是稳定性损失最大的那一段。

万能起始模板和分类专用模板，应该先用哪个？

不确定任务类型就先用万能模板（Role + Task + Input Data + Constraints + Output）跑通；任务清晰后再切到专用模板，比如分类用 Classification、抽取用 Information Extraction、代码用 Coding。专用模板已经把这类任务踩过的坑都嵌进去了，比通用版稳。

Prompt 模板要不要自己维护一份？放哪里合适？

团队规模过 3 人就值得维护。把模板和「核心要素 + 变量」一起放进 Git（不要塞到飞书文档），每次迭代写 changelog；生产用的 prompt 单独建仓，加版本号、负责人、A/B 数据。这样改 prompt 等于改代码，可 review、可回滚、可追踪谁动过。

为什么模板库还分了「安全与评估」类，对抗类 prompt 普通团队也要学吗？

需要。即便不做红队，产品上线后大概率会被用户尝试 prompt injection、jailbreak、prompt leaking。这一类模板的价值在于让你提前看到攻击长什么样，再回头加防御（输入分区、threat model 声明、output filtering）。本站只展示防御视角，不提供绕过安全策略的可执行 jailbreak 脚本。