Nice Prompt · AI 培训演示 + 互联网精选 Prompt 词典 Skill
一站式可视化 Prompt 资源包,专为 AI 培训现场演示和企业内网部署设计。
何时使用
触发本 skill 的典型场景:
- 用户要为客户做 AI/Prompt 培训演示
- 用户希望快速展示「写 prompt 的好坏差距」给企业客户看
- 用户需要一份高质量、覆盖全场景的 Prompt 词典/模板库
- 用户希望部署到内网作为新人入职/AI 工具培训资料
- 用户提到 "prompt 词典 / prompt 培训 / prompt 好坏对比 / AI 培训 demo / Top 榜"
三大模块
Tab 1 · 差 vs 好对照 Demo(12 场景)
左右双栏对比同一需求下"普通问法"和"专业问法"的输出差距,覆盖 CodeBuddy 6 个研发场景 + WorkBuddy 6 个办公场景。
Tab 2 · Prompt 词典(3700+ 条)
- 模糊搜索 + 拼音首字母(zb=周报、dy=代码)
- 多维排序(综合分 / 热度 / 评分 / 匹配度)
- 分页 + 客户行业过滤
- 一键复制
Tab 3 · 互联网精选 TOP 榜(14 场景 × Top 3 = 42 条精华)
- 办公 7 场景:📧 邮件 / 🎤 会议 / 📊 报告 / 📑 PPT / 👔 招聘 / 📣 营销 / 📌 项目管理
- 研发 7 场景:💻 代码生成 / 🔍 代码审查 / 🐛 Debug / 🏗 架构 / 💾 SQL / 🔒 安全 / ⚙️ 运维
- 每条带 GitHub Stars / 社区投票 / 用户评分三维度,综合分 = stars × 50 + votes × 0.3 + rating × 200
- 来源覆盖 awesome-chatgpt-prompts (130k★) / awesome-chatgpt-prompts-zh (56k★) / System Design Primer (280k★) / Anthropic Prompt Library / OpenAI Cookbook / Google SRE Book / OWASP / PromptHero / YC Library / TED Storytelling / GitLab Handbook / PMI / Stripe API / Use The Index Luke / Prometheus / CNCF / 智谱清言 / 火山方舟 / 魔搭 ModelScope 等 30+ 主流社区
- 默认按 14 场景分组渲染,每组 Top 3 一目了然;点击分类标签切换平铺;搜索时自动按相关度排序
快速开始
步骤 1:定位资源
skill 资源位于 assets/ 目录:
index.html(主页面,~80 KB,含 12 场景对照 + 词典 + Top 榜三个 tab)prompts_data.js(词典数据,3.1 MB · 必须与 HTML 同目录)toplist_data.js(Top 榜数据,34 KB · 必须与 HTML 同目录)
步骤 2:复制到目标目录
TARGET=/path/to/customer-folder
mkdir -p $TARGET
cp ~/.workbuddy/skills/nice-prompt/assets/index.html $TARGET/
cp ~/.workbuddy/skills/nice-prompt/assets/prompts_data.js $TARGET/
cp ~/.workbuddy/skills/nice-prompt/assets/toplist_data.js $TARGET/
步骤 3:替换占位符
主 HTML 中含客户专属占位符,使用前 必须 替换:
| 占位符 | 含义 | 示例 |
|---|---|---|
| {{客户公司名}} | 客户全称 | 圣诺生物医药(苏州)有限公司 |
| {{客户名}} | 客户简称 | 圣诺生物 |
| {{客户行业}} | 客户所在行业 | 生物医药 / 医疗信息化 / 金融科技 |
| {{所在城市}} | 客户所在城市 | 苏州 / 南京 / 上海 |
| {{覆盖区域}} | 客户业务覆盖区域 | 江苏全省 / 全国 |
| {{业务系统}} | 客户的核心业务系统 | HIS / LIS、OMS、CRM |
| {{典型设备}} {{设备型号}} | 涉及到的硬件 | 迈瑞 BC-6000 |
| {{硬件厂商}} {{硬件厂商B}} | 硬件供应商 | 迈瑞 / 希森美康 |
| {{合规法规}} | 行业合规要求 | PIPL / GDPR / 等保三级 |
| {{客户的客户A/B/C/D/E}} | 客户的下游客户 | 苏州人民医院 |
| {{讲师团队}} | 培训讲师团队 | 腾讯云 WorkBuddy 团队 |
| {{培训日期}} | 培训日期 | 2026-05-28 |
可用 sed 批量替换(macOS/Linux):
cd $TARGET
sed -i.bak 's/{{客户公司名}}/圣诺生物医药(苏州)有限公司/g; s/{{客户名}}/圣诺生物/g; s/{{客户行业}}/生物医药/g; s/{{所在城市}}/苏州/g' index.html
rm index.html.bak
步骤 4:本地预览
cd $TARGET
/Users/nickdliu/.workbuddy/binaries/python/versions/3.13.12/bin/python3 -m http.server 8090
# 浏览器打开 http://localhost:8090/index.html
或直接用浏览器打开 index.html 文件(部分浏览器 file:// 下数据加载可能受限,推荐起 server)。
步骤 5:交付
将整个目录打包成 zip 发给客户,或部署到内网静态站点。
⚠️ 关键提醒:index.html、prompts_data.js、toplist_data.js 三个文件 必须放在同一目录,缺一不可。
自定义扩展
修改对照场景
打开 index.html,搜索 const scenes = [(约 781 行),按现有结构增删 12 个场景:
{
id: "cb-01", type: "cb", num: "CB-01",
title: "场景标题",
role: "适用:xxx · 可改写成你的客户场景",
bad: { prompt: "差 Prompt 文本", output: "AI 给的废话输出", verdict: "<b>问题:</b>..." },
good: { prompt: "好 Prompt 文本", output: "高质量结构化输出", verdict: "<b>结果:</b>..." },
gap: ["差距点 1", "差距点 2", "差距点 3", "差距点 4"]
}
修改 Top 榜数据
直接编辑 toplist_data.js,结构:
{ id:1, cat:"office"|"dev",
sub:"email|meeting|report|ppt|hr|marketing|pm|codegen|review|debug|arch|sql|security|ops",
title:"标题", desc:"≤60字描述",
tags:["标签1","标签2"],
source:"来源名称", sourceUrl:"https://...",
stars:130, votes:8420, rating:4.9,
prompt:"完整 Prompt 文本"
}
⚠️ JS 字符串陷阱:prompt/desc 内若含中文双引号包裹的内容,必须改用 『』 替代,否则会触发 SyntaxError。修改后用 node -e "eval(require('fs').readFileSync('toplist_data.js','utf8'));console.log(TOPLIST_DATA.length)" 校验。
修改词典
编辑 prompts_data.js 添加条目,结构:
{ cat:"dev"|"office", title:"...", desc:"...", tags:[...], hot:2500, rating:4.7,
source:"OpenAI Cookbook", sourceUrl:"https://...", prompt:"..." }
自动化更新
本 skill 推荐配置周度自动化任务(用户已设置过 automation-1779886535297 每周一 09:00 触发):
- 抓取公开社区本周高分新增 prompt
- 重算综合分,确保每场景前 3 永远是最新
- 写回
toplist_data.js并 node 校验
如需重设:使用 automation_update 工具创建 recurring 任务,rrule = FREQ=WEEKLY;BYDAY=MO;BYHOUR=9;BYMINUTE=0;BYSECOND=0。
现场培训脚本(讲师参考)
开场(5 分钟)
打开页面顶部"提示词六要素"卡片:角色 / 任务 / 背景 / 输入 / 输出 / 约束。
第一段:差 vs 好对比(25 分钟)
切到 Tab 1,从 12 场景中挑 4 个最贴合客户业务的现场演示。 重点强调:左红右绿,同一个 AI、同一时间,输出差距 +200%。
第二段:词典搜索(15 分钟)
切到 Tab 2:
- 演示拼音首字母
zb秒搜"周报"全部模板 - 勾选"仅看与 XX 行业相关"
- 让客户挑一条复制到自己的 AI 产品里现场跑
第三段:精选 Top 榜(15 分钟)
切到 Tab 3:
- 默认分组视图,14 场景 Top 3 一览全景
- 点击 📧 邮件 / 💻 代码生成 等场景钻取
- 强调来源链接真实可点(GitHub 130k★ / 280k★ 等权威背书)
- 综合分公式现场讲解
收尾(10 分钟)
告诉客户:把这个 HTML 部署到内网,新人入职第一周必学,每周一自动更新。
Pitfalls
- 数据文件必须同目录:
index.html找不到prompts_data.js或toplist_data.js时词典/Top 榜会显示空白 - file:// 跨域:直接用浏览器打开本地 HTML,部分浏览器会拦截 JS 加载,推荐起
python3 -m http.server - 占位符遗漏:现场演示前用
grep -n "{{" index.html检查是否还有未替换的占位符 - 中文双引号嵌套:
toplist_data.js修改时若 prompt 内含中文"..."引号必须改为『...』,否则 JS 解析失败 - 大文件加载:
prompts_data.js3.1MB,首次加载需要 1-2 秒,状态条会从"⏳ 加载中"变"✅ 已加载 3700 条" - 客户上下文一致性:12 场景对照内的
{{客户名}}等占位符与顶部 banner 必须保持一致替换
Verification
部署完成后,按顺序检查:
cd $TARGET
# 1. 三个文件都存在
ls -lh index.html prompts_data.js toplist_data.js
# 2. 占位符是否已全部替换
grep -c "{{" index.html # 应为 0
# 3. JS 数据语法正确
/Users/nickdliu/.workbuddy/binaries/node/versions/22.22.2/bin/node -e \
"const fs=require('fs');eval(fs.readFileSync('toplist_data.js','utf8'));console.log('TOP榜:',TOPLIST_DATA.length,'条')"
# 期望输出:TOP榜: 42 条
/Users/nickdliu/.workbuddy/binaries/node/versions/22.22.2/bin/node -e \
"const fs=require('fs');eval(fs.readFileSync('prompts_data.js','utf8'));console.log('词典:',PROMPT_DATA.length,'条')"
# 期望输出:词典: 3000+ 条
# 4. 浏览器打开预览
open http://localhost:8090/index.html
# - Tab 1:12 场景全部显示
# - Tab 2:底部状态显示"✅ 已加载 3xxx 条"
# - Tab 3:默认见 14 场景分组,每组 3 张卡片
# 5. 交互测试
# - 在 Tab 2 搜索框输入 zb,应秒搜出"周报"相关
# - 在 Tab 3 搜索 "code review",应高亮匹配
# - 任意卡片点"复制"按钮,看右下角 toast 提示
版本历史
- v1.0.0 (2026-05-27) · 首次发布。基于 prompt-cookbook v1.2.0 增量演进,新增"互联网精选 TOP 榜"第三 Tab,覆盖 14 场景 × Top 3 = 42 条精华,配套周度自动更新方案。
微信扫一扫