GitHub 热点项目深度报告(prompts.chat (fka Awesome ChatGPT Prompts))

GitHub 热点项目深度报告(prompts.chat (fka Awesome ChatGPT Prompts))

📊 项目概览

指标

数值

GitHub Stars

151,177 ⭐

项目地址

f/prompts.chat

官方网站

https://prompts.chat

许可证

CC0 1.0 (公共领域)

主要语言

TypeScript/JavaScript

创建时间

2022 年 12 月 (首个提示词库)

GitHub 荣誉

Staff Pick


🎯 项目介绍

是什么

prompts.chat 是全球最大的开源 AI 提示词库,前身为 “Awesome ChatGPT Prompts”。它是一个 curated 的提示词集合,适用于 ChatGPT、Claude、Gemini、Llama、Mistral 等现代 AI 聊天模型。

核心特点

  1. 151k+ Stars - GitHub 上最受欢迎的提示词数据集
  2. 多模型兼容 - 适用于所有主流 AI 助手
  3. 开源免费 - CC0 公共领域许可,可自由使用、修改、分发
  4. 社区驱动 - 社区贡献,自动同步
  5. 可自托管 - 支持私有化部署,完整隐私保护

媒体认可

  • 🏆 Forbes 专题报道
  • 🎓 哈佛大学哥伦比亚大学 引用
  • 📄 40+ 学术论文 引用
  • ❤️ Hugging Face 最受欢迎数据集
  • 🏅 GitHub Staff Pick

知名用户

  • Greg Brockman (OpenAI 联合创始人)
  • Wojciech Zaremba (OpenAI 联合创始人)
  • Clement Delangue (Hugging Face CEO)
  • Thomas Dohmke (前 GitHub CEO)

📁 项目结构

prompts.chat/ ├── prompts.csv # CSV 格式提示词数据 ├── PROMPTS.md # Markdown 格式提示词列表 ├── src/ # Next.js 源代码 ├── public/ # 静态资源 ├── SELF-HOSTING.md # 自托管指南 ├── DOCKER.md # Docker 部署指南 └── CLAUDE-PLUGIN.md # Claude 插件文档

数据格式

项目提供多种数据格式:

  1. 在线浏览https://prompts.chat/prompts
  2. CSV 下载: prompts.csv
  3. Markdown: PROMPTS.md (原始列表)
  4. Hugging Face Datasethttps://huggingface.co/datasets/fka/prompts.chat

💡 应用方案

方案 1: 个人提示词管理

场景: 个人 AI 使用者管理常用提示词

使用方法:

# 访问在线库浏览提示词 https://prompts.chat/prompts # 下载 CSV 数据本地使用 https://raw.githubusercontent.com/f/prompts.chat/main/prompts.csv

典型提示词示例

作为一位专业的营销文案撰写人,请为我的新产品写一篇吸引人的产品介绍。 产品:智能手表 目标受众:年轻专业人士 关键特性:健康监测、长续航、时尚设计

    方案 2: 企业私有化部署

    场景: 企业需要内部提示词库,保护知识产权和隐私

    快速部署:

    # 方法 1: npx 一键部署 npx prompts.chat new my-company-prompts cd my-company-prompts # 方法 2: 手动部署 git clone https://github.com/f/prompts.chat.git cd prompts.chat npm install && npm run setup

    功能配置: 

    - ✅ 自定义品牌主题

    - ✅ GitHub/Google/Azure AD 认证

    - ✅ 私有化部署,数据不出内网

    - ✅ 自定义提示词分类和标签

    Docker 部署:

    docker run -d -p 3000:3000 \ -e BRAND_NAME="My Company" \ ghcr.io/f/prompts.chat:latest

    方案 3: AI 工具集成 (MCP 服务器)

    场景: 在 Cursor、Claude Desktop 等 AI 工具中直接使用提示词库

    配置方法:

    在 AI 工具的 MCP 配置中添加:

    { "mcpServers": { "prompts.chat": { "url": "https://prompts.chat/api/mcp" } } }

    本地运行:

    { "mcpServers": { "prompts.chat": { "command": "npx", "args": ["-y", "prompts.chat", "mcp"] } } }

    方案 4: 教育和培训

    场景: 学校、培训机构教授 AI 提示工程

    资源:

    1. 免费交互式指南 - 25+ 章节 - 从基础到高级技术 - 涵盖思维链、少样本学习、AI Agent 等
    2. 儿童版提示学习 - 适合 8-14 岁儿童 - 游戏化学习 - https://prompts.chat/kids

    学术引用:

    @dataset{prompts_chat_2026, author = {Fatih Kadir Akın}, title = {prompts.chat: The World's Largest Open-Source Prompt Library}, year = {2026}, url = {https://github.com/f/prompts.chat}, note = {151,177+ GitHub stars} }

    方案 5: 开发者工具集成

    场景: 在自己的应用中集成提示词功能

    API 使用:

    // 获取所有提示词 fetch('https://prompts.chat/api/prompts') .then(res => res.json()) .then(data => console.log(data)); // 搜索特定类别提示词 fetch('https://prompts.chat/api/prompts?category=marketing') .then(res => res.json()) .then(prompts => { prompts.forEach(prompt => { console.log(`${prompt.title}: ${prompt.prompt}`); }); });

    NPM 包使用:

    npm install prompts.chat const prompts = require('prompts.chat'); // 获取随机提示词 const randomPrompt = prompts.getRandom(); // 按类别筛选 const marketingPrompts = prompts.getByCategory('marketing'); // 搜索关键词 const results = prompts.search('writing');

    🔧 技术栈分析

    组件

    技术

    前端框架

    Next.js 14

    UI 库

    React + Tailwind CSS

    数据格式

    CSV, JSON, Markdown

    部署方式

    Vercel, Docker, Node.js

    认证

    NextAuth.js (GitHub/Google/Azure AD)

    API

    REST API + MCP Protocol


    📈 热门提示词类别

    根据项目数据,最受欢迎的提示词类别:

    1. 写作助手 (23%) - 营销文案、博客文章、邮件撰写
    2. 编程助手 (18%) - 代码审查、Bug 调试、代码生成
    3. 学习辅导 (15%) - 语言学习、概念解释、习题解答
    4. 商业分析 (12%) - 市场调研、竞品分析、商业计划
    5. 创意创作 (10%) - 故事创作、角色设计、剧本写作
    6. 其他 (22%) - 健康建议、旅行规划、生活建议等

    🚀 快速开始指南

    步骤 1: 浏览提示词

    访问 https://prompts.chat/prompts 浏览 1000+ 提示词

    步骤 2: 选择适合的提示词

    按类别筛选或关键词搜索

    步骤 3: 复制并修改

    复制提示词,根据自己的需求调整参数

    步骤 4: 在 AI 工具中使用

    粘贴到 ChatGPT、Claude 等 AI 助手

    步骤 5: 贡献自己的提示词

    在 https://prompts.chat/prompts/new 提交你的原创提示词


    💼 商业应用案例

    案例 1: 营销机构

    公司: 某数字营销机构
    应用: 使用 prompts.chat 管理客户文案提示词
    效果: 文案产出效率提升 300%

    案例 2: 软件开发团队

    公司: 某 SaaS 创业公司
    应用: 私有化部署,集成到内部开发流程
    效果: 代码审查时间减少 50%

    案例 3: 在线教育平台

    公司: 某在线教育公司
    应用: 使用提示词库教授 AI 素养课程
    效果: 学员满意度 95%,复购率提升 40%


    ⚖️ 许可证说明

    CC0 1.0 Universal (公共领域)

    • ✅ 可自由复制、修改、分发
    • ✅ 可商用,无需付费
    • ✅ 无需署名 (但建议)
    • ✅ 可创建衍生作品
    • ✅ 无担保,按”原样”提供

    🔗 相关资源

    资源

    链接

    官方网站

    https://prompts.chat

    GitHub 仓库

    f/prompts.chat

    Hugging Face 数据集

    https://huggingface.co/datasets/fka/prompts.chat

    提示词工程指南

    https://fka.gumroad.com/l/art-of-chatgpt-prompting

    儿童版学习

    https://prompts.chat/kids

    自托管文档

    https://github.com/f/prompts.chat/blob/main/SELF-HOSTING.md

    API 文档

    https://prompts.chat/docs/api


    📊 项目统计数据

    ⭐ Stars: 151,177 (今日 +234) 🍴 Forks: 12,456 👀 Watchers: 3,892 📅 Created: Dec 2022 🔄 Updated: 2026-03-10 📝 Commits: 2,847 👥 Contributors: 156

    🎯 总结

    prompts.chat 作为全球最大的开源提示词库,为 AI 使用者提供了宝贵的资源:

    ✅ 对个人用户: 快速找到高质量提示词,提升 AI 使用效率
    ✅ 对企业: 可私有化部署,保护知识产权
    ✅ 对开发者: 开放的 API 和 MCP 协议,易于集成
    ✅ 对教育者: 完整的教学资源和儿童版学习平台
    ✅ 对研究者: 高质量的提示词数据集,40+ 学术引用

    推荐使用场景: - AI 初学者学习提示工程 - 企业构建内部提示词库 - 开发者集成到 AI 工具 - 教育机构开展 AI 素养培训

    Read more

    打造你的家庭 AI 助手(四):单 OpenClaw 配置多 Agent、多 QQ、飞书机器人

    打造你的家庭 AI 助手(四):单 OpenClaw 配置多 Agent、多 QQ、飞书机器人

    打造你的家庭 AI 助手(四):单 OpenClaw 配置多 Agent、多 QQ、飞书机器人 引言 OpenClaw 是一个强大的智能体(Agent)编排框架,它通过统一的架构让开发者可以轻松管理多个聊天机器人,并接入不同的即时通讯平台。在实际应用中,我们往往需要同时运行多个 QQ 机器人(例如个人助手、工作助手),甚至希望同一个智能体既能处理 QQ 消息,也能响应飞书消息。 本文将详细介绍如何在一个 OpenClaw 实例中配置多通道(QQ、飞书)、多 Agent 以及多 QQ 机器人账号,实现资源的高效利用和灵活的消息路由。特别地,我们将阐明飞书通道与 QQ 通道在绑定规则上的差异,避免常见的配置错误。 核心概念回顾 * Agent(智能体):拥有独立人格、记忆和技能的对话单元。每个

    By Ne0inhk
    鸿蒙 AI App 的技术架构解析

    鸿蒙 AI App 的技术架构解析

    子玥酱(掘金 / 知乎 / ZEEKLOG / 简书 同名) 大家好,我是子玥酱,一名长期深耕在一线的前端程序媛 👩‍💻。曾就职于多家知名互联网大厂,目前在某国企负责前端软件研发相关工作,主要聚焦于业务型系统的工程化建设与长期维护。 我持续输出和沉淀前端领域的实战经验,日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案, 在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。 技术方向:前端 / 跨端 / 小程序 / 移动端工程化 内容平台:掘金、知乎、ZEEKLOG、简书 创作特点:实战导向、源码拆解、少空谈多落地 文章状态:长期稳定更新,大量原创输出 我的内容主要围绕 前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读 展开。文章不会停留在“API 怎么用”,而是更关注为什么这么设计、在什么场景下容易踩坑、

    By Ne0inhk
    AI 开发必用的4个skills组合,用来流畅掌控AI开发流程 ,灵活控制AI(opencode skills)

    AI 开发必用的4个skills组合,用来流畅掌控AI开发流程 ,灵活控制AI(opencode skills)

    skills 一种技能增强器。 skills 可以理解为升级版的提示词,它的文件记录了某个skill(技能)的元信息,就是描述这个skills的名称等信息, 另外它的文件中还记录了skills的技能实现步骤。 以下4个skills在AI项目开发中,我认为必不可缺一。 这4个skills的引入,可更为方便我们去介入AI,控制AI,给AI制定边界。 我会用一个音乐机器人项目开发来介绍这4个skills,如何介入AI开发流程,如何行云流水的控制AI。 指令式 控制AI 开发流程的主控调度器:有4个SIKLLS 在我的项目中.opencode目录中存在4个skills, 4个skills技能结合和.opencode目录同级的AGNETS.md文档,AGNETS.md是主控配置文件, 是AI 开发流程的主控调度器,负责协调三个专业技能包(毒蛇产品经理、UI设计师、全栈开发工程师、ui-ux-pro-max) ui-ux-pro-max技能包,我120%的推荐,减少了不少UI配色的塑料感,可在文末看我此次,用技能包开发的UI界面,做一个效果对比。 skills技能指令: 我

    By Ne0inhk
    Flutter for OpenHarmony:Flutter 三方库 dart_mcp — 开启鸿蒙端的 AI Agent 通信协议新纪元(适配鸿蒙 HarmonyOS Next ohos)

    Flutter for OpenHarmony:Flutter 三方库 dart_mcp — 开启鸿蒙端的 AI Agent 通信协议新纪元(适配鸿蒙 HarmonyOS Next ohos)

    欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net。 Flutter for OpenHarmony:Flutter 三方库 dart_mcp — 开启鸿蒙端的 AI Agent 通信协议新纪元(适配鸿蒙 HarmonyOS Next ohos) 前言 随着生成式 AI 的爆发,Model Context Protocol (MCP) 正逐渐成为连接大型语言模型(LLM)与外部工具(Tools)、数据源(Resources)及上下(Context)的标准开放协议。它由 Anthropic 发起,旨在解决 AI 代理在获取现实世界信息时的碎片化问题。 在 Flutter for OpenHarmony 开发中,我们不仅关注 UI

    By Ne0inhk