[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-xstongxue--best-prompts":3,"tool-xstongxue--best-prompts":65},[4,17,27,35,43,56],{"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",160411,2,"2026-04-18T23:33:24",[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},8553,"spec-kit","github\u002Fspec-kit","Spec Kit 是一款专为提升软件开发效率而设计的开源工具包，旨在帮助团队快速落地“规格驱动开发”（Spec-Driven Development）模式。传统开发中，需求文档往往与代码实现脱节，导致沟通成本高且结果不可控；而 Spec Kit 通过将规格说明书转化为可执行的指令，让 AI 直接依据明确的业务场景生成高质量代码，从而减少从零开始的随意编码，确保产出结果的可预测性。\n\n该工具特别适合希望利用 AI 辅助编程的开发者、技术负责人及初创团队。无论是启动全新项目还是在现有工程中引入规范化流程，用户只需通过简单的命令行操作，即可初始化项目并集成主流的 AI 编程助手。其核心技术亮点在于“规格即代码”的理念，支持社区扩展与预设模板，允许用户根据特定技术栈定制开发流程。此外，Spec Kit 强调官方维护的安全性，提供稳定的版本管理，帮助开发者在享受 AI 红利的同时，依然牢牢掌握架构设计的主动权，真正实现从“凭感觉写代码”到“按规格建系统”的转变。",88749,"2026-04-17T09:48:14",[15,26,14,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"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":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":10,"last_commit_at":49,"category_tags":50,"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。",85267,"2026-04-18T11:00:28",[26,51,52,53,14,54,15,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":62,"last_commit_at":63,"category_tags":64,"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",[15,51,54],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":78,"owner_location":78,"owner_email":78,"owner_twitter":78,"owner_website":78,"owner_url":79,"languages":78,"stars":80,"forks":81,"last_commit_at":82,"license":83,"difficulty_score":62,"env_os":84,"env_gpu":85,"env_ram":85,"env_deps":86,"category_tags":89,"github_topics":90,"view_count":10,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":93,"updated_at":94,"faqs":95,"releases":96},9488,"xstongxue\u002Fbest-prompts","best-prompts","通用高质量 Prompt 合集🔥","best-prompts 是一个精心整理的通用高质量提示词（Prompt）合集，旨在帮助用户在各类 AI 模型中获得更精准、专业的输出。它解决了市面上许多提示词过于泛化或零散的问题，通过针对具体场景进行细分设计和约束优化，让用户无需反复调试即可直接复制使用。\n\n该资源特别适合需要高效完成专业任务的用户群体：学术研究者可用其辅助学位论文的全流程写作，包括大纲审核、章节仿写、参考文献整理及防 AIGC 检测；开发者能借助其覆盖需求分析、方案设计、代码实现到 Bug 修复的五步工作流提升编码效率；自媒体创作者则可利用它生成爆款文章、优化排版并自动绘制精美的封面与插图。\n\nbest-prompts 的独特亮点在于其高度的场景化与可扩展性。它不仅提供了从系统架构图、E-R 图到技术栈图等复杂图表的生成指令，还支持风格迁移与多格式导出。此外，项目还贴心地为 Cursor、Claude Code 等智能体工具准备了专用的 Skill 版本，实现自动化调用。无论是追求严谨的科研人员，还是注重效率的工程师与内容创作者，都能在这里找到即拿即用的高质量指令，让 AI 协作更加顺畅自然。","# best-prompts🚀\n\n通用高质量 prompt 合集，可直接复制到聊天框使用。\n\n本提示词在 Claude4.6、Gemini3、GPT5.2、Composer1.5 等模型下遵循极好，优先推荐使用\n\n更多模型排名：[https:\u002F\u002Farena.ai\u002Fzh\u002Fleaderboard](https:\u002F\u002Farena.ai\u002Fzh\u002Fleaderboard)\n\n> 💡 如果你使用 Cursor、Claude Code、OpenClaw 等 Agent 工具，本仓库的大部分场景都有对应的 **Skill 版本**，无需手动复制粘贴，Agent 会自动识别并调用：\n> 👉 [best-skills](https:\u002F\u002Fgithub.com\u002Fxstongxue\u002Fbest-skills)\n\n## 一 项目初衷\n\n在 Vibe Coding 时代，**好的 Prompt 决定 AI 的输出质量**。但市面上很多「万能写作 Prompt」要么太泛、要么太散——真正能贴合具体场景、适配输出格式、兼顾约束细节的，少之又少。\n\nbest-prompts 希望做两件事：\n\n> 1. **沉淀可复用的高质量 Prompt**：每个 Prompt 都经过场景细分和约束设计，复制即用，减少反复调试\n> 2. **按使用场景组织**：从论文撰写、开发流程到自媒体创作，让用户按需找到对应 Prompt，而非在零散文件中翻找\n\n项目**通用且可扩展**，会持续补充更多领域。欢迎 Star、Fork、提 Issue 和 PR。\n\n## 二 按使用场景分类\n\n### 本科&硕士学位论文撰写\n\n学位论文全流程（大纲审核、结构仿写、润色扩写、参考文献、防 AIGC、中英互译等），配合图表生成完成系统设计章节的图文内容。\n\n\n| 用途         | Prompt                                                                                                                           |\n| ---------- | -------------------------------------------------------------------------------------------------------------------------------- |\n| **正文内容撰写** | [paper-write-prompt.md](prompts\u002Fpaper-write-prompt.md) — 大纲审核、绪论\u002F摘要\u002F章节仿写、问题与格式检查、润色\u002F扩写\u002F缩写、参考文献、防 AIGC、中英互译、结构化信息提取                     |\n| **系统章节生成** | [codegen-paper-chapter-generator-prompt.md](prompts\u002Fcodegen-paper-chapter-generator-prompt.md) — 根据大纲与项目代码生成系统设计章节正文             |\n| **通用图表**   | [drawio-diagram-generator-prompt.md](prompts\u002Fdrawio-diagram-generator-prompt.md) — 模型架构图、算法流程图、概念示意图                             |\n| **技术栈图**   | [codegen-tech-stack-diagram-prompt.md](prompts\u002Fcodegen-tech-stack-diagram-prompt.md) — 前端\u002F后端\u002F模型服务技术栈结构图                          |\n| **系统架构图**  | [codegen-system-arch-diagram-prompt.md](prompts\u002Fcodegen-system-arch-diagram-prompt.md) — 四层分层架构图                                 |\n| **数据结构图**  | [codegen-data-structure-diagram-prompt.md](prompts\u002Fcodegen-data-structure-diagram-prompt.md) — 表格式实体与字段关系图                       |\n| **E-R 图**  | [codegen-er-diagram-prompt.md](prompts\u002Fcodegen-er-diagram-prompt.md) — Chen 记法实体关系图                                              |\n| **图片风格迁移** | [diagram-style-migration-prompt.md](prompts\u002Fdiagram-style-migration-prompt.md) — 参考图 + 内容描述\u002F项目，按参考图风格生成新图表                       |\n| **答辩 PPT** | [pptgen-drawio-paper-defense-prompt.md](prompts\u002Fpptgen-drawio-paper-defense-prompt.md) — 多页 Draw.io 生成，配合 drawio2pptx 导出可编辑的 PPT |\n\n\n### 投稿小论文撰写\n\n期刊\u002F会议论文写作，推荐使用外部精选资源：\n\n- [awesome-ai-research-writing](https:\u002F\u002Fgithub.com\u002FLeey21\u002Fawesome-ai-research-writing) — AI 辅助学术写作工具与 Prompt 汇总\n\n### 开发流程五步法\n\n需求理解 → 方案设计 → 代码实现 → 代码审查 → Bug 修复。\n\n\n| 步骤      | Prompt                                                                   |\n| ------- | ------------------------------------------------------------------------ |\n| 需求理解    | [dev-requirement-prompt.md](prompts\u002Fdev-requirement-prompt.md)           |\n| 方案设计    | [dev-design-prompt.md](prompts\u002Fdev-design-prompt.md)                     |\n| 代码实现    | [dev-implementation-prompt.md](prompts\u002Fdev-implementation-prompt.md)     |\n| 代码审查    | [dev-review-prompt.md](prompts\u002Fdev-review-prompt.md)                     |\n| Bug 修复  | [dev-bug-fix-prompt.md](prompts\u002Fdev-bug-fix-prompt.md) — 按优先级列出多种方案，自动逐一尝试，解决即停 |\n\n\n### 自媒体创作\n\n\n| 用途              | Prompt                                                                                                                                                 |\n| --------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------ |\n| 公众号\u002F技术博客        | [wechat-article-write-prompt.md](prompts\u002Fwechat-article-write-prompt.md) — 搜索资料、撰写、爆款标题、排版优化；**集成 9 种写作风格 + 风格提取**（从样本文章提取可复用规则与 Prompt），按需复制对应 Prompt |\n| 公众号封面 Draw.io   | [wechat-article-image-generator-prompt.md](prompts\u002Fwechat-article-image-generator-prompt.md) — 封面\u002F结尾图 .drawio XML，支持 1:1、16:9、9:16、4:3、3:4、2.35:1      |\n| 公众号文章插图 Draw.io | [wechat-article-illustration-prompt.md](prompts\u002Fwechat-article-illustration-prompt.md) — 正文插图 .drawio XML，步骤图、演示图、流程示意、前后对比                            |\n\n\n### 项目文档与简历\n\n\n| 用途     | Prompt                                                                               |\n| ------ | ------------------------------------------------------------------------------------ |\n| 项目整体梳理 | [codegen-project-overview-prompt.md](prompts\u002Fcodegen-project-overview-prompt.md)     |\n| 项目重点问题 | [codegen-project-key-issues-prompt.md](prompts\u002Fcodegen-project-key-issues-prompt.md) |\n| 简历项目描述 | [codegen-resume-format-prompt.md](prompts\u002Fcodegen-resume-format-prompt.md)           |\n\n\n### 周报 \u002F 汇报 \u002F 总结 \u002F 介绍\n\n将工作草稿、碎片笔记或背景信息整理为结构清晰、数据精准、有结论的高质量文档。\n\n\n| 用途         | Prompt                                                                                               |\n| ---------- | ---------------------------------------------------------------------------------------------------- |\n| 周报         | [doc-weekly-report-prompt.md](prompts\u002Fdoc-weekly-report-prompt.md) — 碎片草稿 → 标准周报，含本周完成\u002F进行中\u002F下周计划\u002F问题风险 |\n| 工作汇报       | [doc-work-report-prompt.md](prompts\u002Fdoc-work-report-prompt.md) — 结论前置，进展状态标签（✅\u002F🔄\u002F⏳），关键成果与协调事项       |\n| 工作总结 \u002F 复盘  | [doc-summary-report-prompt.md](prompts\u002Fdoc-summary-report-prompt.md) — 背景目标、量化成果、根因分析、可复用经验方法论       |\n| 项目\u002F产品\u002F个人介绍 | [doc-introduction-prompt.md](prompts\u002Fdoc-introduction-prompt.md) — 一句话定位、核心能力对比表、差异化优势、具体适用场景        |\n\n\n### 工具与扩展\n\n\n| 用途                | Prompt                                                                       |\n| ----------------- | ---------------------------------------------------------------------------- |\n| 代码审查（多语言）         | [code-review-excellence-prompt.md](prompts\u002Fcode-review-excellence-prompt.md) |\n| Skill 创建          | [skill-create-prompt.md](prompts\u002Fskill-create-prompt.md)                     |\n| Skill 与 Prompt 互转 | [skill-prompt-convert-prompt.md](prompts\u002Fskill-prompt-convert-prompt.md)     |\n\n\n---\n\n## 三 使用方式\n\n> 1. 打开对应 `.md` 文件\n> 2. 复制 `# Role` 到 `# Input` 之间的完整 Prompt（含  代码块）\n> 3. 粘贴到与 AI 的对话中\n> 4. 在 `[在此处填写]` 或 `[在此处粘贴]` 位置填入你的内容","# best-prompts 快速上手指南\n\nbest-prompts 是一个通用高质量 Prompt（提示词）合集，专为提升 AI 输出质量设计。它涵盖了论文撰写、软件开发、自媒体创作及职场汇报等场景，支持直接复制使用，也可配合 Cursor、Claude Code 等 Agent 工具自动调用。\n\n## 一、环境准备\n\n本项目为纯文本资源库，**无需安装任何软件或依赖环境**。\n\n*   **系统要求**：任意操作系统（Windows \u002F macOS \u002F Linux）。\n*   **前置依赖**：\n    *   一个现代 Web 浏览器（用于访问 GitHub 或在线预览）。\n    *   任意主流大模型对话界面（推荐：Claude 3.5\u002F4、Gemini 1.5\u002F2.0、GPT-4o\u002F5、Composer 等）。\n    *   （可选）若使用 Agent 工具（如 Cursor），可直接关联 [best-skills](https:\u002F\u002Fgithub.com\u002Fxstongxue\u002Fbest-skills) 仓库实现自动化调用。\n\n## 二、获取步骤\n\n由于是开源文本集合，只需克隆仓库或直接下载对应文件即可。\n\n### 方式 A：克隆仓库（推荐开发者）\n\n在终端执行以下命令：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fxstongxue\u002Fbest-prompts.git\ncd best-prompts\n```\n\n### 方式 B：直接下载\n\n1.  访问项目 GitHub 页面：[https:\u002F\u002Fgithub.com\u002Fxstongxue\u002Fbest-prompts](https:\u002F\u002Fgithub.com\u002Fxstongxue\u002Fbest-prompts)\n2.  进入 `prompts` 文件夹。\n3.  根据下方“使用场景”选择对应的 `.md` 文件，点击并复制内容。\n\n## 三、基本使用\n\n本项目的核心使用逻辑是：**复制 -> 粘贴 -> 填充**。\n\n### 1. 选择场景 Prompt\n根据你的需求，找到对应的提示词文件。例如，你需要写一份**周报**，则定位到 `doc-weekly-report-prompt.md`。\n\n### 2. 复制完整内容\n打开该 `.md` 文件，**完整复制**从 `# Role` 开始到 `# Input` 结束的所有内容（包含其中的代码块和格式标记）。\n\n> **注意**：不要只复制部分文字，必须保留完整的结构指令，否则效果会大打折扣。\n\n### 3. 粘贴至 AI 对话框\n将复制的内容粘贴到你正在使用的 AI 聊天窗口（如 Claude、ChatGPT 等）中并发送。\n\n### 4. 填入具体内容\nAI 接收指令后，通常会等待你提供具体信息。请在对话框中补充 `[在此处填写]` 或 `[在此处粘贴]` 标记处的实际内容。\n\n#### 📝 使用示例：生成周报\n\n假设你已复制了 `doc-weekly-report-prompt.md` 的内容并发送给 AI，接下来你只需输入你的工作草稿：\n\n**用户输入：**\n```text\n[在此处粘贴]\n本周完成了用户登录模块的重构，修复了 3 个高危 Bug。下周计划开始支付接口对接。目前风险是第三方文档不全。\n```\n\n**AI 输出：**\nAI 将自动按照预设的高质量模板，输出一份结构清晰、包含“本周完成\u002F进行中\u002F下周计划\u002F问题风险”的标准周报。\n\n---\n\n### 常用场景速查\n\n| 场景分类 | 推荐文件 (位于 `prompts\u002F` 目录) | 用途简述 |\n| :--- | :--- | :--- |\n| **论文写作** | `paper-write-prompt.md` | 大纲审核、章节仿写、润色、防 AIGC |\n| **系统设计** | `codegen-system-arch-diagram-prompt.md` | 生成四层分层架构图描述 |\n| **开发流程** | `dev-bug-fix-prompt.md` | 按优先级列出多种修复方案并自动尝试 |\n| **自媒体** | `wechat-article-write-prompt.md` | 爆款标题生成、文章排版优化、风格提取 |\n| **职场汇报** | `doc-work-report-prompt.md` | 结论前置的工作汇报，带状态标签 |\n| **简历优化** | `codegen-resume-format-prompt.md` | 项目经历的专业化描述与格式化 |\n\n> 💡 **进阶提示**：如果你使用 **Cursor** 或 **Claude Code**，建议直接配置 [best-skills](https:\u002F\u002Fgithub.com\u002Fxstongxue\u002Fbest-skills)，Agent 会自动识别上下文并调用相应技能，无需手动复制粘贴。","计算机专业研究生小李正在赶制毕业论文的系统设计章节，急需将项目代码转化为规范的架构图和学术文本。\n\n### 没有 best-prompts 时\n- **提示词调试耗时**：反复尝试编写“画一个系统架构图”等模糊指令，AI 输出的内容结构松散，无法满足学位论文的严谨格式要求。\n- **图表风格割裂**：手动绘制 Draw.io 流程图与论文整体风格不统一，调整配色、线条和布局耗费大量机械时间。\n- **内容生成碎片化**：代码逻辑转文字描述时，AI 常遗漏关键数据流向或产生幻觉，需人工逐句核对修正。\n- **防检测焦虑**：直接生成的文本 AIGC 特征明显，缺乏专门的润色指令来降低查重风险，担心影响盲审结果。\n\n### 使用 best-prompts 后\n- **一键精准输出**：直接复制 `codegen-system-arch-diagram-prompt.md`，AI 立即生成符合四层分层标准的架构描述及对应的 Draw.io 代码。\n- **风格自动统一**：利用 `diagram-style-migration-prompt.md`，只需提供一张参考图，即可批量生成风格一致的实体关系图和技术栈图。\n- **图文深度联动**：通过 `codegen-paper-chapter-generator-prompt.md`，AI 依据大纲和源码自动撰写系统设计正文，逻辑严密且引用规范。\n- **学术合规保障**：内置的防 AIGC 和中英互译提示词，在润色扩写的同时有效降低重复率，显著提升论文通过率。\n\nbest-prompts 将原本需要数天反复打磨的论文写作与绘图过程，压缩为小时级的高效交付，让创作者专注于核心逻辑而非提示词工程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxstongxue_best-prompts_75673493.png","xstongxue","gongmengshuai","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fxstongxue_9f47e0c4.jpg",null,"https:\u002F\u002Fgithub.com\u002Fxstongxue",1099,109,"2026-04-18T06:18:37","Apache-2.0","","未说明",{"notes":87,"python":85,"dependencies":88},"本项目为纯文本 Prompt 合集，无需安装任何运行环境、依赖库或 GPU 资源。用户只需复制 .md 文件中的提示词内容，粘贴到支持大语言模型的聊天界面（如 Claude、GPT、Gemini）或 AI 编程助手（如 Cursor、Claude Code）中即可直接使用。",[],[15,54],[91,92],"prompt-engineering","vibe-coding","2026-03-27T02:49:30.150509","2026-04-19T15:41:27.815723",[],[]]