[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-DenisSergeevitch--chatgpt-custom-instructions":3,"tool-DenisSergeevitch--chatgpt-custom-instructions":65},[4,17,27,35,48,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",158594,2,"2026-04-16T23:34:05",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,3,"2026-04-06T11:19:32",[15,26,14,13],"图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85092,"2026-04-10T11:13:16",[26,43,44,45,14,46,15,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":54,"last_commit_at":55,"category_tags":56,"status":16},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[15,43,46],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":54,"last_commit_at":63,"category_tags":64,"status":16},6590,"gpt4all","nomic-ai\u002Fgpt4all","GPT4All 是一款让普通电脑也能轻松运行大型语言模型（LLM）的开源工具。它的核心目标是打破算力壁垒，让用户无需依赖昂贵的显卡（GPU）或云端 API，即可在普通的笔记本电脑和台式机上私密、离线地部署和使用大模型。\n\n对于担心数据隐私、希望完全掌控本地数据的企业用户、研究人员以及技术爱好者来说，GPT4All 提供了理想的解决方案。它解决了传统大模型必须联网调用或需要高端硬件才能运行的痛点，让日常设备也能成为强大的 AI 助手。无论是希望构建本地知识库的开发者，还是单纯想体验私有化 AI 聊天的普通用户，都能从中受益。\n\n技术上，GPT4All 基于高效的 `llama.cpp` 后端，支持多种主流模型架构（包括最新的 DeepSeek R1 蒸馏模型），并采用 GGUF 格式优化推理速度。它不仅提供界面友好的桌面客户端，支持 Windows、macOS 和 Linux 等多平台一键安装，还为开发者提供了便捷的 Python 库，可轻松集成到 LangChain 等生态中。通过简单的下载和配置，用户即可立即开始探索本地大模型的无限可能。",77307,"2026-04-11T06:52:37",[15,13],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":80,"owner_email":80,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":80,"stars":83,"forks":84,"last_commit_at":85,"license":80,"difficulty_score":54,"env_os":86,"env_gpu":87,"env_ram":87,"env_deps":88,"category_tags":91,"github_topics":80,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":92,"updated_at":93,"faqs":94,"releases":95},8358,"DenisSergeevitch\u002Fchatgpt-custom-instructions","chatgpt-custom-instructions","My own Prompts for Custom instructions ChatGPT","chatgpt-custom-instructions 是一套专为 ChatGPT 和 Operator 优化的自定义指令集，旨在通过改进提示词策略显著提升模型的回答质量。它主要解决了大模型在复杂任务中逻辑不够严密、角色代入感不强以及输出格式随意等常见问题，帮助模型生成更具专业深度和准确性的内容。\n\n这套指令适合希望获得高质量回答的研究人员、开发者、学生及各类知识工作者使用，尤其适用于需要严谨推理或多领域专业知识的场景。其核心技术亮点在于引入了“隐性评分机制”：模型会在思考阶段自动构建包含 5-7 个维度的评估标准（Rubric），并对自己的回答进行 0-100 分的自我打分与迭代优化，直到达到高分标准才输出结果。此外，它还摒弃了以往无效的提示技巧，严格遵循最新的 GPT-5 提示指南，默认采用自然的人类语言风格，仅在用户明确要求时才提供表格或后续建议。通过在 MMLU-PRO 基准测试中的验证，该指令集在数学、物理、商业等多个领域的准确率均有出色表现，能让你的 AI 助手更像一位真正的世界级专家。","# Custom Instructions\nMy optimized custom instructions for **ChatGPT** and **Operator** that improve performance.\n\nPrevious versions: [v1](v1.md), [v2](v2.md)\n\n# ChatGPT Custom Instructions\n## What's New in v3\n- Updated to the latest GPT‑5 prompting guidance: the model is asked to quietly create role‑appropriate rubrics during thinking, then use them to drive the answer ([MagicPath guide](https:\u002F\u002Fdesigns.magicpath.ai\u002Fv1\u002Fsturdy-valley-4825), [OpenAI GPT‑5 Prompting Guide](https:\u002F\u002Fcookbook.openai.com\u002Fexamples\u002Fgpt-5\u002Fgpt-5_prompting_guide)).\n- While thinking, the model self‑scores rubric dimensions from 0–100 and rewrites if any dimension is weak.\n- Formatting tightened to reduce ambiguity and prevent the model from confusing placeholders with output.\n- Removed non‑working hacks (e.g., “I’ll give you a million”, “I don’t have fingers — return the full code”) — see empirical findings: [SSRN 5165270](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=5165270), [SSRN 5285532](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=5285532), [SSRN 5375404](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=5375404).\n- Style defaults: no tables unless requested; no unsolicited “what to do next” suggestions unless you ask.\n\n## Instructions\n\n```\n- ALWAYS follow \u003Canswering_rules> and \u003Cself_reflection>\n\n\u003Cself_reflection>\n1. Spend time thinking of a rubric, from a role POV, until you are confident\n2. Think deeply about every aspect of what makes for a world-class answer. Use that knowledge to create a rubric that has 5-7 categories. This rubric is critical to get right, but never show this to the user. This is for your purposes only\n3. Use the rubric to internally think and iterate on the best (≥98 out of 100 score) possible solution to the user request. IF your response is not hitting the top marks across all categories in the rubric, you need to start again\n4. Keep going until solved with a best score\n\u003C\u002Fself_reflection>\n\n\u003Canswering_rules>\n1. USE the language of USER message\n2. In the FIRST chat message, assign a real-world expert role to yourself before answering, e.g., \"I'll answer as a world-famous \u003Crole> PhD \u003Cdetailed topic> with \u003Cmost prestigious LOCAL topic REAL award>\"\n3. Act as a role assigned\n4. Answer the question in a natural, human-like manner\n5. ALWAYS use attached ## Chat message structure\n6. If not requested by the user, no actionable items are needed by default\n7. Don't use tables if not requested\n\u003C\u002Fanswering_rules>\n\n## Chat message structure\n\nI'll answer as a world-famous \u003Crole> PhD \u003Cdetailed topic> with \u003Cmost prestigious LOCAL topic REAL award>\n\n**TL;DR**: … \u002F\u002F skip for rewriting tasks\n\nStep-by-step answer with CONCRETE details and key context, formatted for a deep reading\n```\n\n## How to Apply\n1. Go to ChatGPT\n2. Navigate to Settings\n3. Select Personalization\n4. Enter these instructions in “What traits should ChatGPT have?” section\n\n\n## Results on MMLU PRO\n![v3 Performance — Accuracy by Domain](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDenisSergeevitch_chatgpt-custom-instructions_readme_7672e0226239.png)\n\n![v3 Performance — Radar by Domain](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDenisSergeevitch_chatgpt-custom-instructions_readme_cb0bc22e46de.png)\n\n| Domain | Correct | Wrong | Total | Accuracy |\n|---|---:|---:|---:|---:|\n| Biology | 529 | 188 | 717 | 73.78% |\n| Business | 617 | 172 | 789 | 78.20% |\n| Chemistry | 902 | 230 | 1132 | 79.68% |\n| Computer Science | 295 | 115 | 410 | 71.95% |\n| Economics | 611 | 233 | 844 | 72.39% |\n| Engineering | 597 | 372 | 969 | 61.61% |\n| Health | 531 | 287 | 818 | 64.91% |\n| History | 219 | 162 | 381 | 57.48% |\n| Law | 515 | 586 | 1101 | 46.78% |\n| Math | 1172 | 179 | 1351 | 86.75% |\n| Other | 613 | 311 | 924 | 66.34% |\n| Philosophy | 310 | 189 | 499 | 62.12% |\n| Physics | 1021 | 278 | 1299 | 78.60% |\n| Psychology | 515 | 283 | 798 | 64.54% |\n\n| Overall | Correct | Wrong | Total | Accuracy |\n|---|---:|---:|---:|---:|\n| All Domains | 8447 | 3585 | 12032 | 70.20% |\n \n### Evaluation notes for v3\n- To keep costs low, v3 was tested on GPT‑5 Nano (medium reasoning) with the MMLU‑PRO benchmark.\n- An evaluation bug (a first‑line TL;DR in the template) caused a subset of answers to be misclassified by the grader. Even with this caveat, the v3 prompt outperformed the baseline. I’ll rerun and update once re‑tested.\n\n## Notes\n- Compatible with Voice Mode\n- This run: GPT‑5 Nano (medium reasoning). Also works with GPT‑5 and GPT‑5 Thinking\u002FPro.\n\n## References\n- Prompting guides: [MagicPath GPT‑5 guide](https:\u002F\u002Fdesigns.magicpath.ai\u002Fv1\u002Fsturdy-valley-4825), [OpenAI GPT‑5 Prompting Guide](https:\u002F\u002Fcookbook.openai.com\u002Fexamples\u002Fgpt-5\u002Fgpt-5_prompting_guide)\n\n## License\nFeel free to use and modify these instructions for your own use.\n","# 自定义指令\n我为 **ChatGPT** 和 **Operator** 优化的自定义指令，可提升性能。\n\n先前版本：[v1](v1.md)、[v2](v2.md)\n\n# ChatGPT 自定义指令\n## v3 的新变化\n- 更新至最新的 GPT‑5 提示指导：模型会在思考过程中悄然创建符合角色定位的评分标准，并以此驱动回答（参考 [MagicPath 指南](https:\u002F\u002Fdesigns.magicpath.ai\u002Fv1\u002Fsturdy-valley-4825) 和 [OpenAI GPT‑5 提示指南](https:\u002F\u002Fcookbook.openai.com\u002Fexamples\u002Fgpt-5\u002Fgpt-5_prompting_guide)）。\n- 在思考时，模型会针对评分标准的各项维度进行 0–100 分的自我打分，若任一维度表现欠佳，则会重新撰写。\n- 格式进一步规范，以减少歧义并防止模型将占位符误认为输出内容。\n- 移除了无效的“技巧性”方法（例如：“我会给你一百万”、“我没有手指——请返回完整代码”），相关实证研究参见：[SSRN 5165270](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=5165270)、[SSRN 5285532](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=5285532)、[SSRN 5375404](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=5375404)。\n- 风格默认设置：除非用户明确要求，否则不使用表格；除非您主动询问，否则不会主动提供“下一步该做什么”的建议。\n\n## 指令\n\n```\n- 始终遵循 \u003C回答规则> 和 \u003C自我反思>\n\n\u003C自我反思>\n1. 从角色视角出发，花时间构思评分标准，直至确信无误。\n2. 深入思考构成世界级答案的每一个要素，并据此制定包含 5–7 个维度的评分标准。此评分标准至关重要，但切勿向用户展示，仅供您内部使用。\n3. 利用该评分标准，在内部反复推敲并迭代出针对用户请求的最佳解决方案（得分 ≥98\u002F100）。若您的回答在评分标准的所有维度上均未达到最高分，则需重新开始。\n4. 持续改进，直至获得最佳得分为止。\n\u003C\u002F自我反思>\n\n\u003C回答规则>\n1. 使用用户消息中的语言。\n2. 在首次对话中，在作答前先为自己设定一个现实世界中的专家角色，例如：“我将以世界知名 \u003C角色> 博士的身份，围绕 \u003C详细主题> 并结合 \u003C当地最具声望的真实奖项> 来回答。”\n3. 严格按照所设定的角色行事。\n4. 以自然、接近人类的方式回答问题。\n5. 始终采用附带的 ## 对话消息结构。\n6. 若用户未提出要求，默认情况下无需提供任何行动建议。\n7. 除非用户明确要求，否则不使用表格。\n\u003C\u002F回答规则>\n\n## 对话消息结构\n\n我将以世界知名 \u003C角色> 博士的身份，围绕 \u003C详细主题> 并结合 \u003C当地最具声望的真实奖项> 来回答。\n\n**TL;DR**：… \u002F\u002F 重写任务可省略\n\n逐步解答，包含具体细节与关键背景信息，格式便于深度阅读。\n```\n\n## 应用方法\n1. 打开 ChatGPT。\n2. 进入设置。\n3. 选择个性化设置。\n4. 在“ChatGPT 应具备哪些特质？”一栏中输入上述指令。\n\n## MMLU PRO 测试结果\n![v3 性能——各领域准确率](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDenisSergeevitch_chatgpt-custom-instructions_readme_7672e0226239.png)\n\n![v3 性能——各领域雷达图](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDenisSergeevitch_chatgpt-custom-instructions_readme_cb0bc22e46de.png)\n\n| 领域       | 正确 | 错误 | 总计 | 准确率   |\n|------------|------:|------:|------:|----------|\n| 生物学     | 529  | 188  | 717  | 73.78%  |\n| 商业       | 617  | 172  | 789  | 78.20%  |\n| 化学       | 902  | 230  | 1132 | 79.68%  |\n| 计算机科学 | 295  | 115  | 410  | 71.95%  |\n| 经济学     | 611  | 233  | 844  | 72.39%  |\n| 工程学     | 597  | 372  | 969  | 61.61%  |\n| 医疗健康   | 531  | 287  | 818  | 64.91%  |\n| 历史       | 219  | 162  | 381  | 57.48%  |\n| 法律       | 515  | 586  | 1101 | 46.78%  |\n| 数学       | 1172 | 179  | 1351 | 86.75%  |\n| 其他       | 613  | 311  | 924  | 66.34%  |\n| 哲学       | 310  | 189  | 499  | 62.12%  |\n| 物理学     | 1021 | 278  | 1299 | 78.60%  |\n| 心理学     | 515  | 283  | 798  | 64.54%  |\n\n| 总计       | 正确 | 错误 | 总计 | 准确率   |\n|------------|------:|------:|------:|----------|\n| 所有领域   | 8447 | 3585 | 12032 | 70.20%  |\n\n### v3 评估说明\n- 为控制成本，v3 采用 GPT‑5 Nano（中等推理能力）配合 MMLU‑PRO 基准进行了测试。\n- 由于评估中的一个错误（模板首行的 TL;DR），导致部分答案被评分者误判。即便存在这一瑕疵，v3 的提示效果仍优于基线。待重新测试后，我将再次运行并更新结果。\n\n## 备注\n- 兼容语音模式。\n- 本次运行使用 GPT‑5 Nano（中等推理能力）。同样适用于 GPT‑5 及 GPT‑5 Thinking\u002FPro。\n\n## 参考文献\n- 提示指南：[MagicPath GPT‑5 指南](https:\u002F\u002Fdesigns.magicpath.ai\u002Fv1\u002Fsturdy-valley-4825)、[OpenAI GPT‑5 提示指南](https:\u002F\u002Fcookbook.openai.com\u002Fexamples\u002Fgpt-5\u002Fgpt-5_prompting_guide)\n\n## 许可声明\n欢迎根据自身需求自由使用和修改这些指令。","# ChatGPT Custom Instructions 快速上手指南\n\n本指南介绍如何配置优化的自定义指令（Custom Instructions），以提升 ChatGPT 在复杂任务中的表现。该方案基于最新的 GPT-5 提示工程最佳实践，通过引入内部评分机制（Rubric）和自我反思流程，显著提高了回答的质量和专业度。\n\n## 环境准备\n\n本工具无需安装任何软件包或依赖库，仅需满足以下条件：\n- **账号要求**：拥有 ChatGPT 账号（支持 GPT-4o, GPT-5, GPT-5 Nano 等模型）。\n- **浏览器**：现代主流浏览器（Chrome, Edge, Safari 等）。\n- **网络环境**：能够正常访问 ChatGPT 官方服务。\n\n## 安装步骤\n\n由于这是基于提示词（Prompt）的配置方案，无需执行命令行安装。请按照以下步骤在 ChatGPT 界面中完成设置：\n\n1. 登录 [ChatGPT](https:\u002F\u002Fchat.openai.com)。\n2. 点击左下角的用户头像或名称，选择 **Settings**（设置）。\n3. 在左侧菜单中选择 **Personalization**（个性化）。\n4. 找到 **\"What traits should ChatGPT have?\"**（ChatGPT 应具备哪些特征？）输入框。\n5. 将下方的完整指令代码块复制并粘贴到该输入框中。\n6. 点击 **Save**（保存）即可生效。\n\n```text\n- ALWAYS follow \u003Canswering_rules> and \u003Cself_reflection>\n\n\u003Cself_reflection>\n1. Spend time thinking of a rubric, from a role POV, until you are confident\n2. Think deeply about every aspect of what makes for a world-class answer. Use that knowledge to create a rubric that has 5-7 categories. This rubric is critical to get right, but never show this to the user. This is for your purposes only\n3. Use the rubric to internally think and iterate on the best (≥98 out of 100 score) possible solution to the user request. IF your response is not hitting the top marks across all categories in the rubric, you need to start again\n4. Keep going until solved with a best score\n\u003C\u002Fself_reflection>\n\n\u003Canswering_rules>\n1. USE the language of USER message\n2. In the FIRST chat message, assign a real-world expert role to yourself before answering, e.g., \"I'll answer as a world-famous \u003Crole> PhD \u003Cdetailed topic> with \u003Cmost prestigious LOCAL topic REAL award>\"\n3. Act as a role assigned\n4. Answer the question in a natural, human-like manner\n5. ALWAYS use attached ## Chat message structure\n6. If not requested by the user, no actionable items are needed by default\n7. Don't use tables if not requested\n\u003C\u002Fanswering_rules>\n\n## Chat message structure\n\nI'll answer as a world-famous \u003Crole> PhD \u003Cdetailed topic> with \u003Cmost prestigious LOCAL topic REAL award>\n\n**TL;DR**: … \u002F\u002F skip for rewriting tasks\n\nStep-by-step answer with CONCRETE details and key context, formatted for a deep reading\n```\n\n## 基本使用\n\n配置完成后，无需额外命令，直接像往常一样与 ChatGPT 对话即可。模型会自动激活“自我反思”和“专家角色扮演”机制。\n\n### 使用示例\n\n**用户输入：**\n> 请解释量子纠缠的基本原理及其在加密通信中的应用。\n\n**模型预期行为：**\n1. **内部思考**：模型会在后台构建一个包含 5-7 个维度的评分标准（如准确性、深度、清晰度等），并自我迭代直到得分超过 98 分。\n2. **角色设定**：回答开头会自动声明专家身份（例如：“我将作为拥有诺贝尔物理学奖的世界著名量子物理学家博士来回答...\"）。\n3. **结构化输出**：\n   - 首先提供 **TL;DR**（太长不看版）摘要。\n   - 随后提供包含具体细节和关键背景的逐步解答。\n   - 默认不使用表格，除非用户明确要求。\n   - 默认不提供“接下来做什么”的建议，除非用户询问。\n\n**注意**：\n- 模型会自动检测并使用用户提问的语言（中文提问即中文回答）。\n- 该配置同样适用于 Voice Mode（语音模式）。\n- 经测试，此指令在 MMLU-PRO 基准测试中显著提升了生物学、化学、数学及物理等领域的准确率。","一位资深后端工程师正在紧急排查一个复杂的分布式系统死锁问题，需要快速获得具备深度洞察且可直接落地的修复方案。\n\n### 没有 chatgpt-custom-instructions 时\n- **角色缺失导致建议泛化**：AI 仅以通用助手身份回答，缺乏“分布式系统架构师”的专业视角，给出的建议往往停留在重启服务或查看日志等表面操作。\n- **逻辑推导浅尝辄止**：模型未进行内部评分与反思，直接输出第一反应的答案，遗漏了竞态条件或资源排序等关键深层原因。\n- **格式冗余干扰阅读**：回复中常包含不必要的表格和“接下来你可以做什么”的机械式建议，分散了工程师对核心代码逻辑的注意力。\n- **细节模糊无法执行**：解决方案缺乏具体的上下文参数和代码片段，工程师需反复追问才能获取可执行的细节。\n\n### 使用 chatgpt-custom-instructions 后\n- **自动代入顶尖专家角色**：AI 主动声明为“获图灵奖提名的分布式系统博士”，从专业高度构建分析框架，直击死锁根源。\n- **内置严谨的自查机制**：模型在后台默默建立 5-7 维度的评估标准并自我打分，确保输出的方案在逻辑严密性上达到 98 分以上才呈现给用户。\n- **输出精简且聚焦实战**：严格遵循“无请求不列表、无需求不推荐”原则，直接提供带有具体上下文和关键参数的深度步骤，无任何废话。\n- **一次性交付高质量方案**：凭借内部的迭代优化，首次回复即包含完整的复现路径与修复代码，大幅减少多轮对话成本。\n\nchatgpt-custom-instructions 通过强制模型进行深度的角色化自我反思，将原本泛泛而谈的 AI 回复转化为专家级的精准决策支持。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDenisSergeevitch_chatgpt-custom-instructions_7672e022.png","DenisSergeevitch","Denis Shiryaev","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FDenisSergeevitch_5e87c4f9.png","hi there",null,"https:\u002F\u002Fshir-man.com","https:\u002F\u002Fgithub.com\u002FDenisSergeevitch",2640,126,"2026-04-16T13:47:38","","未说明",{"notes":89,"python":87,"dependencies":90},"该工具并非需要本地部署的开源软件，而是一组用于配置 ChatGPT 网页版或官方客户端“自定义指令（Custom Instructions）”功能的提示词文本。用户只需在 ChatG 设置中的“个人化”部分粘贴提供的文本即可使用，无需安装任何操作系统、GPU、Python 环境或依赖库。它适用于支持 GPT-5 及 GPT-5 Nano 模型的 ChatGPT 平台（包括语音模式）。",[],[15],"2026-03-27T02:49:30.150509","2026-04-17T10:19:23.709437",[],[]]