[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-pnp--copilot-prompts":3,"tool-pnp--copilot-prompts":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",147882,2,"2026-04-09T11:32:47",[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。",85052,"2026-04-08T11:03:08",[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":23,"last_commit_at":63,"category_tags":64,"status":16},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,"2026-04-04T04:44:48",[14,26,13,15,46],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":71,"readme_en":72,"readme_zh":73,"quickstart_zh":74,"use_case_zh":75,"hero_image_url":76,"owner_login":77,"owner_name":78,"owner_avatar_url":79,"owner_bio":80,"owner_company":81,"owner_location":81,"owner_email":81,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":81,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":54,"env_os":89,"env_gpu":90,"env_ram":90,"env_deps":91,"category_tags":94,"github_topics":95,"view_count":10,"oss_zip_url":81,"oss_zip_packed_at":81,"status":16,"created_at":101,"updated_at":102,"faqs":103,"releases":137},5916,"pnp\u002Fcopilot-prompts","copilot-prompts","Examples of prompts for Microsoft Copilot","copilot-prompts 是一个由微软产品团队与社区共同维护的开源知识库，专门收录适用于 Microsoft Copilot、GitHub Copilot 及 Microsoft 365 Copilot 的高质量提示词（Prompts）、智能体指令（Agent Instructions）和技能文件（Skills）。\n\n在日常使用 AI 助手时，许多用户常因不知如何精准描述需求而难以获得理想结果。copilot-prompts 通过提供经过验证的实战案例，帮助用户快速掌握与 AI 高效沟通的技巧，从而解决写作、编程、数据分析等场景下的具体问题，显著提升工作效率。\n\n这套资源非常适合各类用户：普通办公人员可借鉴现成的办公自动化提示词；开发者能直接复用复杂的代码生成指令或利用独特的\"SKILL.md\"机制，教导 GitHub Copilot 执行多步骤任务；企业构建者则可参考智能体指令，在 Copilot Studio 中快速定制专属业务助手。\n\n其技术亮点在于不仅提供文本示例，还定义了标准化的技能架构，甚至支持利用 GitHub Copilot 自动搭建贡献者的项目结构。无论你是想寻","copilot-prompts 是一个由微软产品团队与社区共同维护的开源知识库，专门收录适用于 Microsoft Copilot、GitHub Copilot 及 Microsoft 365 Copilot 的高质量提示词（Prompts）、智能体指令（Agent Instructions）和技能文件（Skills）。\n\n在日常使用 AI 助手时，许多用户常因不知如何精准描述需求而难以获得理想结果。copilot-prompts 通过提供经过验证的实战案例，帮助用户快速掌握与 AI 高效沟通的技巧，从而解决写作、编程、数据分析等场景下的具体问题，显著提升工作效率。\n\n这套资源非常适合各类用户：普通办公人员可借鉴现成的办公自动化提示词；开发者能直接复用复杂的代码生成指令或利用独特的\"SKILL.md\"机制，教导 GitHub Copilot 执行多步骤任务；企业构建者则可参考智能体指令，在 Copilot Studio 中快速定制专属业务助手。\n\n其技术亮点在于不仅提供文本示例，还定义了标准化的技能架构，甚至支持利用 GitHub Copilot 自动搭建贡献者的项目结构。无论你是想寻找灵感的新手，还是希望分享经验的专业人士，都能在这里找到有价值的参考，并在开放协作的氛围中共同成长。","# Copilot Prompts\n\nThis repository contains sample prompts and agent instructions for Microsoft Copilot, GitHub Copilot, and Microsoft 365 Copilot. We welcome community contributions — if you have a great prompt or agent idea, please share your work and help others!\n\n> **Disclaimer:** The sample prompts provided in this repository are for demonstration purposes. They may not always be accurate or suitable for your specific use case. Please use them at your own discretion and review and modify them as necessary. By using the prompts in this repository, you acknowledge these limitations and agree to use the content responsibly. The authors are not liable for any inaccuracies or issues that arise from their use.\n> **Use of GitHub Avatars:** By contributing to this project, you grant us permission to use your GitHub avatar in our \"Prompt of the Week Kudos\" posts on LinkedIn. If you prefer a different photo or wish to opt out, please [open an issue](https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Fissues\u002Fnew) or contact us directly.\n\n## Have ideas, issues, or questions?\n\nPlease [create an issue](https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Fissues\u002Fnew) — we'd love to hear from you.\n\n## Authors\n\nThis repository's contributors are community members who volunteered their time to share prompt samples.\n\n## How to use this repo\n\nGo to the [samples](https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Ftree\u002Fmain\u002Fsamples) folder, select a prompts or agent-instructions or skills to see subfolders in them which are the samples of each type. Follow the instructions in its `readme.md`. Be sure to check the prerequisites before you get started.\n\n![how to use this repo image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpnp_copilot-prompts_readme_c6a6275bd1e4.png)\n\n## Contributions\n\nSamples are submitted by Microsoft's product groups and the [Microsoft 365 and Power Platform community](http:\u002F\u002Faka.ms\u002Fm365pnp). We welcome community contributions — please review our [Contribution Guidance](.\u002FCONTRIBUTING.md) before submitting a pull request.\n\nThis repository has three types of samples:\n\n| Type | Location | What it is |\n|------|----------|------------|\n| **Prompt samples** | `samples\u002Fprompts\u002F{folder-name}\u002F` | A prompt you use directly in Microsoft 365 Copilot, GitHub Copilot, or Microsoft Copilot |\n| **Agent instruction samples** | `samples\u002Fagent-instructions\u002F{agent-name}\u002F` | A system prompt \u002F agent instructions you paste into Copilot Studio to create an agent |\n| **Skill samples** | `samples\u002Fskills\u002F{skill-name}\u002F` | A reusable `SKILL.md` instruction file that teaches GitHub Copilot a multi-step task |\n\nPrompt and agent instruction samples share the same structure: a `readme.md` file and an `assets\u002F` folder containing a `sample.json` metadata file. Skill samples add a `SKILL.md` file — the core skill definition that GitHub Copilot reads at runtime. See the [Skill Schema Spec](.\u002FSKILL-SCHEMA.md) for the full schema.\n\nYou can contribute in two ways — **using GitHub Copilot** to scaffold everything automatically, or **traditionally** by creating files manually.\n\n---\n\n### Option 1: Contribute using GitHub Copilot (recommended)\n\nWith GitHub Copilot in VS Code, built-in skills can scaffold your sample with the correct folder structure, README, and `sample.json`.\n\n#### For prompt samples\n\nOpen GitHub Copilot Chat and say:\n\n- *\"Create a new prompt sample\"*\n- *\"Scaffold a new prompt sample\"*\n\n#### For agent instruction \u002F system prompt samples\n\nOpen GitHub Copilot Chat and say:\n\n- *\"Create an agent instruction\"*\n- *\"Create a system prompt sample\"*\n- *\"Build an agent\"*\n\n#### For skill samples\n\nOpen GitHub Copilot Chat and say:\n\n- *\"Create a new skill sample\"*\n- *\"Scaffold a new skill\"*\n- *\"Contribute a skill\"*\n\nGitHub Copilot will ask for the required details and generate the folder with all files.\n\n> **Note:** After scaffolding, add a screenshot to the `assets\u002F` folder and update the `sample.json` thumbnails.\n\n---\n\n### Option 2: Contribute traditionally\n\n1. **Fork** the repository at https:\u002F\u002Faka.ms\u002Fcopilot-prompt-library.\n2. **Clone** your fork and create a new branch.\n3. **Add a new folder:**\n   - **Prompt samples:** `samples\u002Fprompts\u002F\u003Capphost-functionality-prompt>` (e.g., `ppt-sales-report-prompt`)\n   - **Agent instructions:** `samples\u002Fagent-instructions\u002F\u003Cagent-name>` (e.g., `communication-assistant`)\n   - **Skills:** `samples\u002Fskills\u002F\u003Cskill-name>` (e.g., `code-review-csharp`)\n4. **Add a `readme.md`** — copy one from an existing sample of the same type and update it. For agent instruction samples, place your full system prompt in the **Instruction** section inside a fenced code block. For skill samples, also create a `SKILL.md` file following the [Skill Schema Spec](.\u002FSKILL-SCHEMA.md).\n5. **Add an `assets\u002F` folder** with screenshots and a `sample.json` file (copy from any existing sample and update the metadata).\n\n> The `sample.json` feeds the [M365 Solution Gallery](https:\u002F\u002Fadoption.microsoft.com\u002Fen-us\u002Fsample-solution-gallery\u002F) for discoverability — make sure it's accurate.\n\n## Resources\n\n- [Microsoft Copilot for Microsoft 365](https:\u002F\u002Faka.ms\u002FCopilot-For-M365)\n- [Copilot Lab](https:\u002F\u002Fcopilot.cloud.microsoft\u002Fprompts)\n- [GitHub Copilot Custom Skills](https:\u002F\u002Fcopilot.github.com\u002F)\n- [Skill Schema Specification](.\u002FSKILL-SCHEMA.md)\n\n\n\n## Code of Conduct\n\nThis repository has adopted the [Microsoft Open Source Code of Conduct](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002F). For more information see the [Code of Conduct FAQ](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002Ffaq\u002F) or contact [opencode@microsoft.com](mailto:opencode@microsoft.com) with any additional questions or comments.\n\n> Sharing is caring!\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpnp_copilot-prompts_readme_70d6061570b8.png)\n","# Copilot 提示词库\n\n此仓库包含适用于 Microsoft Copilot、GitHub Copilot 和 Microsoft 365 Copilot 的示例提示词及智能体指令。我们欢迎社区贡献——如果您有出色的提示词或智能体创意，请分享您的成果，帮助更多人！\n\n> **免责声明**：本仓库提供的示例提示词仅用于演示目的。它们可能并不总是准确，也不一定适合您的具体使用场景。请根据自身情况谨慎使用，并在必要时进行审查和修改。使用本仓库中的提示词即表示您已了解这些限制，并同意以负责任的方式使用相关内容。作者对因使用这些提示词而产生的任何不准确或问题概不负责。\n> **关于 GitHub 头像的使用**：通过为本项目做出贡献，您即授权我们在 LinkedIn 上发布的“每周提示词致敬”帖中使用您的 GitHub 头像。如果您希望使用其他照片或选择退出，请[提交一个问题](https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Fissues\u002Fnew)或直接与我们联系。\n\n## 有想法、问题或疑问吗？\n\n请[创建一个问题](https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Fissues\u002Fnew)——我们非常期待您的反馈。\n\n## 作者\n\n本仓库的贡献者均为社区成员，他们自愿投入时间分享提示词样本。\n\n## 如何使用本仓库\n\n前往 [samples](https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Ftree\u002Fmain\u002Fsamples) 文件夹，选择一个提示词或智能体指令\u002F技能，查看其中的子文件夹，这些就是各类别的示例。按照其 `readme.md` 中的说明操作。开始之前，请务必检查先决条件。\n\n![如何使用本仓库的示意图](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpnp_copilot-prompts_readme_c6a6275bd1e4.png)\n\n## 贡献\n\n示例由微软的产品团队以及 [Microsoft 365 和 Power Platform 社区](http:\u002F\u002Faka.ms\u002Fm365pnp) 提交。我们欢迎社区贡献——在提交拉取请求前，请先阅读我们的[贡献指南](.\u002FCONTRIBUTING.md)。\n\n本仓库包含三种类型的示例：\n\n| 类型 | 位置 | 内容 |\n|------|----------|------------|\n| **提示词示例** | `samples\u002Fprompts\u002F{文件夹名}\u002F` | 您可以直接在 Microsoft 365 Copilot、GitHub Copilot 或 Microsoft Copilot 中使用的提示词 |\n| **智能体指令示例** | `samples\u002Fagent-instructions\u002F{智能体名称}\u002F` | 您可粘贴到 Copilot Studio 中以创建智能体的系统提示词\u002F智能体指令 |\n| **技能示例** | `samples\u002Fskills\u002F{技能名称}\u002F` | 一个可重用的 `SKILL.md` 指令文件，用于教会 GitHub Copilot 完成多步骤任务 |\n\n提示词和智能体指令示例具有相同的结构：一个 `readme.md` 文件和一个包含 `sample.json` 元数据文件的 `assets\u002F` 文件夹。技能示例则额外包含一个 `SKILL.md` 文件——这是 GitHub Copilot 在运行时读取的核心技能定义。完整的模式规范请参阅 [Skill Schema Spec](.\u002FSKILL-SCHEMA.md)。\n\n您可以通过两种方式贡献——**使用 GitHub Copilot** 自动搭建框架，或**传统方式**手动创建文件。\n\n---\n\n### 方案 1：使用 GitHub Copilot 贡献（推荐）\n\n在 VS Code 中启用 GitHub Copilot 后，内置技能可以为您搭建好正确的文件夹结构、README 和 `sample.json`。\n\n#### 对于提示词示例\n\n打开 GitHub Copilot Chat 并说：\n\n- *“创建一个新的提示词示例”*\n- *“搭建一个新的提示词示例”*\n\n#### 对于智能体指令\u002F系统提示词示例\n\n打开 GitHub Copilot Chat 并说：\n\n- *“创建一个智能体指令”*\n- *“创建一个系统提示词示例”*\n- *“构建一个智能体”*\n\n#### 对于技能示例\n\n打开 GitHub Copilot Chat 并说：\n\n- *“创建一个新的技能示例”*\n- *“搭建一个新的技能”*\n- *“贡献一个技能”*\n\nGitHub Copilot 会询问所需细节，并生成包含所有文件的文件夹。\n\n> **注意**：搭建完成后，请将截图添加到 `assets\u002F` 文件夹，并更新 `sample.json` 中的缩略图。\n\n---\n\n### 方案 2：传统方式贡献\n\n1. 在 https:\u002F\u002Faka.ms\u002Fcopilot-prompt-library 处**复刻**该仓库。\n2. **克隆**您的复刻版本并创建新分支。\n3. **添加新文件夹：**\n   - **提示词示例：** `samples\u002Fprompts\u002F\u003C应用主机功能_提示词>`（例如，`ppt-sales-report-prompt`）\n   - **智能体指令：** `samples\u002Fagent-instructions\u002F\u003C智能体名称>`（例如，`communication-assistant`）\n   - **技能：** `samples\u002Fskills\u002F\u003C技能名称>`（例如，`code-review-csharp`）\n4. **添加 `readme.md`** — 从同类型现有示例中复制一份并进行更新。对于智能体指令示例，在代码块内“Instruction”部分放置完整的系统提示词。对于技能示例，还需按照 [Skill Schema Spec](.\u002FSKILL-SCHEMA.md) 创建一个 `SKILL.md` 文件。\n5. **添加 `assets\u002F` 文件夹**，放入截图和 `sample.json` 文件（可从任意现有示例中复制并更新元数据）。\n\n> `sample.json` 会推送至 [M365 解决方案库](https:\u002F\u002Fadoption.microsoft.com\u002Fen-us\u002Fsample-solution-gallery\u002F) 以提高可见性——请确保其内容准确。\n\n## 资源\n\n- [Microsoft Copilot for Microsoft 365](https:\u002F\u002Faka.ms\u002FCopilot-For-M365)\n- [Copilot Lab](https:\u002F\u002Fcopilot.cloud.microsoft\u002Fprompts)\n- [GitHub Copilot 自定义技能](https:\u002F\u002Fcopilot.github.com\u002F)\n- [技能模式规范](.\u002FSKILL-SCHEMA.md)\n\n\n\n## 行为准则\n\n本仓库已采纳 [微软开源行为准则](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002F)。如需更多信息，请参阅 [行为准则常见问题解答](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002Ffaq\u002F)，或发送邮件至 [opencode@microsoft.com](mailto:opencode@microsoft.com) 咨询更多问题或意见。\n\n> 分享即关怀！\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpnp_copilot-prompts_readme_70d6061570b8.png)","# Copilot Prompts 快速上手指南\n\n`copilot-prompts` 是一个由社区驱动的开源仓库，提供了适用于 Microsoft Copilot、GitHub Copilot 和 Microsoft 365 Copilot 的提示词（Prompts）、智能体指令（Agent Instructions）和技能（Skills）示例。本指南将帮助你快速了解如何使用和贡献这些资源。\n\n## 环境准备\n\n本项目主要是一个文档和示例代码库，无需复杂的系统安装，但需要满足以下前置条件：\n\n*   **操作系统**：Windows, macOS 或 Linux。\n*   **Git**：已安装并配置好 Git 命令行工具。\n*   **GitHub 账号**：用于克隆仓库或提交贡献。\n*   **目标工具**：\n    *   已订阅并登录 **Microsoft 365 Copilot**、**GitHub Copilot** 或 **Microsoft Copilot**。\n    *   （可选）若需使用 GitHub Copilot 自动搭建示例结构，需在 **VS Code** 中安装并登录 GitHub Copilot 插件。\n*   **网络环境**：由于仓库托管在 GitHub，国内用户建议配置网络加速或使用镜像源以确保 `git clone` 速度。\n\n## 安装与获取步骤\n\n你不需要“安装”此工具，而是需要克隆仓库以获取示例文件。\n\n1.  **访问仓库**\n    前往项目主页：https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\n\n2.  **克隆仓库**\n    在终端中执行以下命令将仓库复制到本地：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts.git\n    ```\n    *注：如果下载速度慢，可尝试使用国内镜像源（如 Gitee 镜像，若有）或通过代理加速。*\n\n3.  **浏览示例**\n    进入仓库目录，所有示例均位于 `samples` 文件夹下：\n    ```bash\n    cd copilot-prompts\u002Fsamples\n    ```\n    该目录下包含三个子文件夹：\n    *   `prompts\u002F`：直接用于 Copilot 的提示词示例。\n    *   `agent-instructions\u002F`：用于在 Copilot Studio 中创建智能体的系统指令。\n    *   `skills\u002F`：教导 GitHub Copilot 执行多步任务的可复用技能文件 (`SKILL.md`)。\n\n## 基本使用\n\n本仓库的核心价值在于参考和复用现有的提示词与技能定义。以下是三种典型的使用场景：\n\n### 1. 直接使用提示词 (Prompt Samples)\n适用于 Microsoft 365 Copilot 或 GitHub Copilot 聊天窗口。\n\n*   **步骤**：\n    1.  进入 `samples\u002Fprompts\u002F\u003C具体场景文件夹>`（例如 `ppt-sales-report-prompt`）。\n    2.  打开该文件夹下的 `readme.md` 文件。\n    3.  复制其中提供的提示词内容。\n    4.  粘贴到你的 Copilot 聊天框中，并根据实际需求微调参数后发送。\n\n### 2. 创建自定义智能体 (Agent Instruction Samples)\n适用于通过 Copilot Studio 构建专属智能体。\n\n*   **步骤**：\n    1.  进入 `samples\u002Fagent-instructions\u002F\u003C智能体名称>`。\n    2.  打开 `readme.md`，找到 **Instruction** 部分。\n    3.  复制代码块中的完整系统提示词（System Prompt）。\n    4.  登录 [Copilot Studio](https:\u002F\u002Fcopilot.cloud.microsoft\u002F)，新建一个智能体，将复制的内容粘贴到“系统指令”配置项中。\n\n### 3. 扩展 GitHub Copilot 技能 (Skill Samples)\n适用于让 GitHub Copilot 理解并执行特定的复杂工作流。\n\n*   **步骤**：\n    1.  进入 `samples\u002Fskills\u002F\u003C技能名称>`。\n    2.  查看 `SKILL.md` 文件，这是核心定义文件。\n    3.  **使用方法 A（推荐）**：如果你使用 VS Code 且安装了 GitHub Copilot，可以在聊天框中输入 `\"Create a new skill sample\"` 让 Copilot 自动帮你搭建类似的结构，然后参考现有 `SKILL.md` 填入你的逻辑。\n    4.  **使用方法 B**：手动将 `SKILL.md` 的内容整合到你自己的项目配置中，或在贡献时遵循 [Skill Schema Spec](.\u002FSKILL-SCHEMA.md) 规范。\n\n> **注意**：仓库中的示例仅供演示参考，可能不完全适用于你的特定业务场景。使用前请务必审查并根据实际情况修改内容。","某企业数据分析师需要频繁利用 Microsoft 365 Copilot 从杂乱的会议记录中提取行动项并生成结构化报表，但苦于无法稳定获得高质量输出。\n\n### 没有 copilot-prompts 时\n- 每次需手动反复调试提示词，耗费大量时间尝试不同的措辞才能让 AI 理解“提取行动项”的具体格式要求。\n- 缺乏标准化的指令模板，导致不同同事生成的报告风格迥异，数据字段经常缺失或错位，后续整理成本极高。\n- 遇到复杂的多步任务（如先总结再分类最后格式化）时，AI 容易遗漏步骤，用户不知如何构建有效的系统指令来引导 AI。\n- 社区中优秀的提示词思路分散各处，难以发现经过验证的高效写法，只能依靠个人经验盲目摸索。\n\n### 使用 copilot-prompts 后\n- 直接从仓库中复用经过验证的“会议记录分析”提示词样本，只需微调少量参数即可立即获得精准的结构化输出。\n- 基于统一的 Agent 指令样本创建专属助手，确保团队所有成员生成的报表格式一致、字段完整，大幅降低协作摩擦。\n- 利用 Skill 样本教会 GitHub Copilot 执行复杂的多步数据处理流程，AI 能自动按顺序完成总结、分类与格式化，无需人工干预。\n- 参考社区贡献的高质量案例快速掌握提示词工程技巧，将原本数小时的调试工作缩短为几分钟的配置时间。\n\ncopilot-prompts 通过提供标准化、可复用的提示词资产库，将不稳定的 AI 交互转化为高效可靠的企业级工作流。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpnp_copilot-prompts_c6a6275b.png","pnp","Microsoft 365 & Power Platform Community","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fpnp_6348abf0.png","Microsoft 365 & Power Platform Community open-source projects and samples",null,"m365pnp","http:\u002F\u002Faka.ms\u002Fcommunity\u002Fhome","https:\u002F\u002Fgithub.com\u002Fpnp",553,214,"2026-04-09T07:39:37","MIT","","未说明",{"notes":92,"python":90,"dependencies":93},"该工具并非需要本地运行环境的软件，而是一个包含提示词（Prompts）、代理指令（Agent Instructions）和技能文件（Skills）的示例代码库。用户只需通过浏览器访问 GitHub 仓库，复制文本内容到 Microsoft Copilot、GitHub Copilot 或 Microsoft 365 Copilot 中使用，或在 VS Code 中利用现有的 GitHub Copilot 功能进行贡献。因此，没有特定的操作系统、GPU、内存、Python 版本或依赖库要求。",[],[15],[96,97,98,99,100],"github-copilot","microsoft-copilot","prompt-engineering","prompt-toolkit","prompts","2026-03-27T02:49:30.150509","2026-04-09T23:50:17.785271",[104,109,114,119,124,128,133],{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},26839,"Copilot for Microsoft 365 能否查看其他人的日历以安排会议？","默认情况下，Microsoft 365 Copilot 只能查看当前用户的日历，无法直接访问他人的日程安排。如果需要查找与其他人的共同空闲时间，必须使用第三方插件（例如 \"Copilot for Meeting Slots\"），或者意识到提示词中涉及他人日历的部分可能仅显示用户自己的状态或产生幻觉。维护者建议在使用涉及他人日历信息的示例时注意相关免责声明。","https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Fissues\u002F25",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},26840,"为什么 Copilot 返回的会议出席状态（RSVP）不正确或只显示一个状态？","这是因为 Copilot 目前只能获取用户自己的回复状态，无法隐私地访问其他参会者的 RSVP 状态。如果提示词要求显示所有参会者的状态，Copilot 可能会产生幻觉（hallucination）或错误地重复用户自己的状态。遇到此类情况，建议给予负面反馈（点踩），并在参考相关示例时注意其局限性。","https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Fissues\u002F46",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},26841,"仓库中的 sample.json 文件有什么作用？","sample.json 文件用于提供关于提示词的元数据（metadata）。这些元数据将被用来填充“解决方案画廊”（Solutions Gallery），作为贡献提示词的目标目的地，而不仅仅是存在于 README 文件中。","https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Fissues\u002F7",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},26842,"Prompt Buddy 导出提示词时，分配的多个类别为何只保留了一个？","这是当前的预期行为（correct behaviour）。目前的导出功能在处理多个类别时仅保留其中一个。开发团队正在开发新的导出功能以支持包含不同类别和多种导出格式，但尚未发布具体的时间表。","https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Fissues\u002F76",{"id":125,"question_zh":126,"answer_zh":127,"source_url":108},26843,"该仓库是否接受依赖外部插件的提示词示例？","不接受。该仓库（pnp\u002Fcopilot-prompts）专门收录仅在微软第一方应用（first party apps）中即可运行的提示词。如果示例依赖自定义插件或外部工具，建议将其贡献到另一个仓库：https:\u002F\u002Fgithub.com\u002Fpnp\u002Fteams-dev-samples。",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},26844,"如何构建一个培养战略思维的 Copilot 代理？","可以设计一个提示词，设定 AI 为拥有 25 年跨领域经验的战略思维专家。交互流程应包含：(1) 询问用户的领域和目标；(2) 帮助用户识别雄心壮志；(3) 使用战略框架进行迭代指导；(4) 强制进行 5 轮迭代对话，以确保用户从战术思维转向战略思维。","https:\u002F\u002Fgithub.com\u002Fpnp\u002Fcopilot-prompts\u002Fissues\u002F90",{"id":134,"question_zh":135,"answer_zh":136,"source_url":132},26845,"是否有资源指导如何在 SharePoint 中构建知识库文档以优化 Copilot 的表现？","社区成员特别关注如何提供深度领域特定的知识。虽然具体的共享方法已知，但最佳实践侧重于文档的结构和内容组织，以便更好地引导 Copilot。目前主要依靠社区分享用例和灵感，建议关注社区中关于深层领域知识任务的高级提示词开发资源。",[]]