ChatGPT-Free-Prompt-List
ChatGPT-Free-Prompt-List 是一个开源的提示词(Prompt)管理指南与代码库,旨在帮助用户更高效地学习和创建适用于 ChatGPT 及其他大语言模型的指令。面对日益增多的 AI 工具和复杂的提示词编写需求,许多用户苦于缺乏系统化的整理方式,导致优质指令难以复用或共享。该项目通过提供结构化的提示词列表和可部署的网站源码,解决了这一痛点,让用户能够轻松构建个人或团队的专属提示词库。
它不仅适合普通用户直接访问其在线网站获取灵感,更特别面向开发者、技术团队及代理机构开放源代码。开发者可以基于此项目快速搭建内部知识库,或为客户定制专属的提示词集合。在技术实现上,该项目展现了现代化的开发流程,作者利用 Lovable 进行初步架构搭建,并结合 VS Code 的 Agent 模式完善功能,最终通过 Vite 构建为轻量级静态站点。得益于 MIT 许可协议,用户可以自由克隆、修改甚至“借用”其代码,只需简单配置即可部署到 GitHub Pages。无论是想提升日常 AI 使用效率的个人,还是希望规范团队工作流的开发者,ChatGPT-Free-Prompt-List 都是一个实用且灵活的起点。
使用场景
某小型 AI 应用开发团队在日常工作中需要频繁调用大模型进行代码生成、文档撰写及数据清洗,但成员间缺乏统一的提示词(Prompt)管理标准。
没有 ChatGPT-Free-Prompt-List 时
- 资产分散难复用:高效的提示词散落在个人聊天记录、本地笔记或临时文件中,团队成员无法共享,导致重复造轮子。
- 质量参差不齐:新手员工因缺乏参考模板,编写的提示词结构混乱,常需多次迭代才能得到可用结果,严重拖慢开发进度。
- 维护成本高昂:随着模型版本更新,旧的提示词策略失效,团队缺乏集中库来统一维护和升级现有的指令集合。
- 协作壁垒明显:在跨项目协作时,由于缺乏标准化的提示词库,不同成员对同一任务的输出风格差异巨大,增加了后期整合难度。
使用 ChatGPT-Free-Prompt-List 后
- 构建中央知识库:团队基于该项目快速搭建内部提示词管理平台,将经过验证的优质指令分类归档,实现一键检索与全员共享。
- 标准化作业流程:新人可直接调用库中成熟的“代码重构”或“技术文档生成”模板,大幅降低上手门槛,确保输出质量稳定且高效。
- 敏捷迭代更新:利用其开源特性,团队可轻松 Fork 代码并定制专属分类,随时根据最新模型能力更新提示词策略,保持技术敏锐度。
- 提升协作一致性:统一了全团队的指令规范,使得不同成员生成的代码风格和文档格式高度一致,显著减少了后续审查与合并的工作量。
ChatGPT-Free-Prompt-List 通过将零散的个人经验转化为可复用的团队资产,从根本上解决了 AI 协作中的效率瓶颈与标准缺失问题。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
PromptBin:面向 AI 工具的免费提示词列表
网站 -> www.prompt-bin.com
- 这是 @mattnigh 的一个个人兴趣项目。
- 欢迎随意复制、抓取并使用这些提示词文件。
- MIT 许可证,2025 年由 Matt Nigh 发布。
项目简介
我平时经常使用 AI 工具,一直希望能有一种便捷的方式来管理针对我日常使用的众多大语言模型和智能体的代码片段。于是,我基于 Lovable 进行了初步搭建,并结合 VS Code 中的 Agent Mode 实现了功能,最终完成了这个工具——当然,整个过程更多是凭感觉编码完成的。
克隆它!适用于团队与开发者
欢迎随意克隆或复制本项目以满足您的需求。该代码库可以作为构建您自己的自定义提示词管理器的基础。只需将其 fork 或克隆到您的仓库中,即可用于:
- 团队内部的提示词库
- 为不同客户定制的提示词集合(适用于各类机构)
- 您个人最常用的高效提示词收藏
部署
要部署您自己的版本:
- Fork 此仓库。
- 在
vite.config.ts文件中更新base路径,使其与您的 GitHub Pages URL 结构一致。 - 在您的仓库设置中启用 GitHub Pages。
安装与使用
要在本地运行该项目:
# 克隆仓库
git clone https://github.com/mattnigh/ChatGPT-Free-Prompt-List.git
# 进入项目目录
cd ChatGPT-Free-Prompt-List
# 安装依赖
npm i
# 启动开发服务器
npm run dev
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
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。
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
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。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-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。 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。 LLMs-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