jules-awesome-list

GitHub
2.9k 523 非常简单 1 次阅读 2天前Agent
AI 解读 由 AI 自动生成,仅供参考

jules-awesome-list 是一个专为 Google Labs 推出的异步编程助手 Jules 打造的精选提示词(Prompt)合集。它旨在解决开发者在使用 AI 辅助编程时,难以构思高效指令或不知如何精准描述任务的痛点。通过提供覆盖日常开发、调试排错、文档撰写、测试构建及依赖管理等场景的标准化模板,用户只需替换少量参数即可直接调用,大幅提升了与 AI 协作的效率和代码质量。

这份清单特别适合各类软件工程师、全栈开发者以及希望提升编码效率的技术人员使用。无论是需要重构遗留代码、排查复杂的内存泄漏,还是为项目快速生成测试用例和技术文档,都能在这里找到对应的最佳实践。其独特亮点在于分类细致且场景化极强,不仅包含通用的重构与类型提示指令,还涵盖了如“模拟弱网环境测试”、“查找竞态条件”等进阶调试技巧,甚至提供了从零基础启动项目的引导。对于正在探索 AI 原生开发工作流的团队而言,jules-awesome-list 是一份极具参考价值的实战指南,能帮助开发者更轻松地驾驭 Jules 代理,专注于核心逻辑创新。

使用场景

某全栈开发者正接手一个缺乏文档且测试覆盖率低的遗留 Python 项目,急需重构代码并补充类型提示以适配现代开发标准。

没有 jules-awesome-list 时

  • 面对复杂的异步回调代码,开发者需手动查阅大量资料才能构思出将其转换为 async/await 的精准指令,耗时费力。
  • 为缺失的模块编写 Sphinx 风格文档字符串时,往往因提示词不够专业,导致生成的文档格式混乱或遗漏关键参数说明。
  • 在添加单元测试时,难以快速构建针对外部 API 调用的 Pytest Mock 夹具,反复调试提示词却总无法生成可运行的测试代码。
  • 排查偶发的内存泄漏问题时,由于缺乏专门的诊断提示模板,只能盲目插入打印语句,效率极低且容易遗漏关键线索。
  • 整体重构过程依赖个人经验拼凑指令,输出结果不稳定,常需多次人工修正才能满足生产环境要求。

使用 jules-awesome-list 后

  • 直接调用“将回调代码转为 async/await"的标准提示词,Jules Agent 瞬间完成逻辑重构,代码可读性显著提升。
  • 利用"Sphinx 风格文档生成”专用指令,一键为所有函数补全了规范、详细的文档字符串,极大降低了维护成本。
  • 通过“编写 Pytest 夹具以模拟外部 API"的预设场景,快速生成了健壮的隔离测试用例,确保了测试环境的稳定性。
  • 借助“诊断内存泄漏”和“追踪执行流”的专业提示,迅速定位了资源未释放的根源,修复时间从数小时缩短至几分钟。
  • 依托分类清晰的提示词库,开发者能像搭积木一样组合任务指令,让 AI 代理稳定输出高质量的生产级代码。

jules-awesome-list 通过将最佳实践固化为标准化提示词,让开发者从“绞尽脑汁写指令”转变为“专注解决业务难题”,大幅提升了 AI 辅助编程的效率与质量。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes该工具并非本地运行的软件或模型,而是一个针对 Google Labs 开发的异步编程代理'Jules'的提示词(Prompts)集合列表。用户无需配置本地运行环境、GPU 或安装依赖库,只需访问 Jules 官方平台并使用列表中提供的提示词即可。
python未说明
jules-awesome-list hero image

快速开始

Jules Awesome List

超赞的 Jules 提示 🌟

为来自 Google 实验室的异步编码助手 Jules 精选的提示集合。


访问 Jules贡献

目录


日常开发任务

  • // 将 {特定} 文件从 {x} 重构为 {y}... 通用型,适用于任何语言或代码库。

  • // 添加一套测试... 对缺乏测试覆盖率的代码库非常有用。

  • // 为 {特定} Python 函数添加类型注解... 正在向类型化代码过渡的 Python 代码库。

  • // 为 {特定} 架构生成模拟数据... API、前端或以测试为主的环境。

  • // 将这些 CommonJS 模块转换为 ES 模块... JS/TS 项目中对遗留代码进行现代化改造。

  • // 将这段基于回调的代码改为 async/await... 改进 JavaScript 或 Python 代码库中异步逻辑的场景。

  • // 为这个字典结构实现一个数据类... 对于希望使用 dataclasses 或 Pydantic 来更规范地处理数据的 Python 项目很有帮助。

调试

  • // 帮我修复 {特定} 错误... 适用于任何因运行时或构建错误而陷入困境的代码库。

  • // 为什么 {这段特定的代码} 运行得很慢? 用于对循环、函数或查询进行性能剖析。

  • // 追踪为什么这个值是 undefined... 前端和后端的 JS/TS 错误。

  • // 诊断这个内存泄漏... 服务器端应用或长时间运行的进程。

  • // 添加日志记录来帮助调试这个问题... 在排查静默失败时非常有用。

  • // 在这段异步代码中查找竞态条件 适用于 JS、Python、Go 等并发系统。

  • // 添加打印语句来跟踪这段 Python 脚本的执行流程... 用于调试复杂的 Python 脚本或理解意外行为。

文档

  • // 为这个项目写一份 README 任何缺少基本项目概述的代码库。

  • // 为这段代码添加注释 提高复杂逻辑的可维护性。

  • // 为这个 API 端点编写 API 文档 REST 或 GraphQL 后端。

  • // 为这个 Python 模块/类/函数生成 Sphinx 风格的 docstring... 非常适合使用 Sphinx 生成文档的 Python 项目。

测试

  • // 为这个 API 端点添加集成测试 Express、FastAPI、Django、Flask 应用程序。

  • // 编写一个模拟 fetch 的测试 浏览器端的 fetch 或 axios 逻辑。

  • // 将这个测试从 Mocha 转换为 Jest JS 测试套件的迁移。

  • // 为这个函数生成基于属性的测试 针对函数式或逻辑密集型代码。

  • // 在这个测试套件中模拟网络延迟条件 Web 和移动应用程序。

  • // 编写一个测试来确保这个函数的向后兼容性 库或 SDK 的维护者。

  • // 编写一个 Pytest fixture 来模拟这个外部 API 调用... 适用于使用 Pytest 并需要强大模拟功能进行测试的 Python 项目。

包管理

  • // 升级我的 linter,并自动修复破坏性的配置更改 使用 ESLint 或 Prettier 的 JS/TS 代码库。

  • // 给我看 React 19 的更新日志 使用 React 的 Web 前端应用。

  • // 我可以安全地移除哪些依赖项? 臃肿或老旧的代码库。

  • // 检查这些包是否仍在维护 注重安全或长期项目的场景。

  • // 设置 Renovate 或 Dependabot 以实现自动更新 最适合有 CI/CD 的活跃项目。

AI 原生任务

  • // 分析这个代码库并生成 3 个功能创意 处于愿景阶段或全新起步的产品。

  • // 识别这个文件中的技术债务 代码逻辑混乱或脆弱的代码库。

  • // 查找跨文件的重复逻辑 缺乏 DRY 原则的庞大代码库。

  • // 将相关函数聚类并建议重构 包含大量工具函数或辅助函数的项目。

  • // 帮我明确这个问题的范围,以便 Jules 解决它 与 Jules 合作解决实际问题时使用。

  • // 将这个函数改造成可重用的插件/模块 将逻辑密集型代码组件化。

  • // 将这个 Python 函数重构为更适合并行处理的形式(例如使用 multiprocessing 或 threading)... 用于优化计算密集型 Python 应用程序的性能。

上下文

  • // 根据最近的提交写一份状态更新 管理和异步沟通场景。

  • // 总结过去 7 天的所有变更 休假后快速了解最新进展。

趣味与实验

  • // 当 {特定} 操作成功时,添加彩带动画 带有用户惊喜时刻的前端 Web 应用。

  • // 在 {特定} 构建完成时插入一个开发者笑话 个人项目或团队工具。

  • // 构建一个可在终端中运行的小型 CLI 游戏 用于学习或社区娱乐。

  • // 为这个 UI 添加一个暗黑模式彩蛋 注重设计的前端项目。

  • // 将这个工具变成一个 GitHub App 可重用且与平台集成的工具。

从零开始

  • // 这个代码库到底在做什么? 非常适合处理遗留代码库或快速上手不熟悉的代码。

  • // 初始化一个启用 CORS 的新 Express 应用 使用 Node.js 和 Express 的 Web 后端项目。

  • // 使用 Turborepo 和 PNPM 搭建一个 monorepo 具有共享依赖关系的多包 JS/TS 项目。

  • // 使用 Poetry 和 Pytest 引导一个 Python 项目 旨在实现整洁依赖和测试设置的 Python 代码库。

  • // 创建一个 Chrome 扩展的起始模板 浏览器扩展开发。

  • // 我想搭建一个网页爬虫——请帮我入门 使用 Python/Node 进行数据抓取或自动化工具开发。

贡献

欢迎你的贡献!你可以添加新的提示、修复格式问题或提出新的分类建议。

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-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。 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。 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

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

ML-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。 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。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

70.6k|★★★☆☆|今天
语言模型Agent开发框架