精选提示词库

2天前发布 5 00

精选提示词库是面向大语言与多模态模型的开源提示词资源库,按模态与任务分为文本生成、文生图、文生视频,并提供带原文、中文翻译、用法提示与来源链接的视觉案例库,以及 55 条可核验案例,适合想取用提示词并追溯出处的创作者。

收录时间:
2026-11-20
精选提示词库精选提示词库

精选提示词库是一个收录大语言与多模态模型提示词的开源资源库,主要用来按模态与任务整理提示词,服务于做 AI 创作的人。它由开源社区维护,README 同时提供中英文版本,最大不同在于不满足于堆砌一段段文字,而是把提示词按文本生成、文生图、文生视频逐类归置,并配上一个可看图对照的视觉案例库,每条案例都附原文、中文翻译、用法提示和来源链接。相比只给链接的清单,它更像一份能直接取用、又能看清出处的提示词档案,适合想找现成提示词又在意来源的人点进去翻一翻。

站点名 首页截图

主要功能

  • 按模态分类的提示词库:把面向大语言与多模态模型的提示词按模态和任务类型归置,覆盖文本生成、文生图、文生视频三类情境。它不按热度排列,而是让你顺着任务类型找提示词,适合接了具体活、想取一条改改就用的场合。
  • 结构化视觉案例库:每条案例是一条结构化记录,含标题、分类、模型、标签、原文提示词、中文翻译、用法提示和来源链接,预览图以 WebP 留存。你能先看效果,再对照原文和译文理解写法,产出的是可复用的提示词样本。
  • 可核验的新增案例:新收录 55 条可核验案例,27 条来自 Google Nano Banana 图像文档(CC BY 4.0,图片转 WebP),24 条来自 OpenAI GPT Image 提示指南(MIT,图片取自 Cookbook 仓库),4 条来自 Sora 2 的提示指南(提示词来自 MIT 指南,结果动图不入库)。来源与许可写清楚,方便判断能否取用。
  • 配套站点与既有合集:另有一个阅读体验更舒适的配套站点承载完整提示词库与案例库;原有 Markdown 合集保持不动,在案例库里作为既有合集链接保留。

适合谁用

  • 用大语言模型写文案、写代码,想直接取一条成熟提示词起步的从业者。
  • 做 AI 绘画或短视频,需要按模态找对应提示词并看成品效果对比的创作者。
  • 研究提示词写法,希望同时看到原文、中文翻译与用法提示的学习者。
  • 关心案例来源与授权方式、要把提示词用于项目交付的开发者。
  • 想加入交流群,和同好讨论提示词与 AI 工具实践的爱好者。

主要入口

首屏是项目名 awesome-prompts,下面紧接着 English 与中文两个语言入口,分别通向同一份说明的中英文版本,读哪版由自己定。正文区把提示词按文本生成、文生图、文生视频分列,顺着栏目往下就是对应模态的提示词清单。页面还给出视觉案例库的入口,通向带预览图与结构化字段的案例页;旁边是阅读体验更完整的配套站点入口,承载全量提示词库。往下能看到既有 Markdown 合集的链接,以及微信、QQ 交流群的加入方式,方便看完后继续找人或翻旧版。

同类对照

  • 和只堆链接的 AI 工具导航比:那边帮你找到工具,这边直接给出提示词原文、中文翻译与用法提示,要的是能拿去用的文本时选它。
  • 和普通 Markdown 提示词合集比:不少合集只列一段提示词,这里每条案例带模型、标签、来源与许可,还有 55 条可核验新增案例,适合要追溯出处的场合。
  • 和在社群里随手分享提示词的地方比:聊天记录里的提示词零散难找,这里按模态与任务归档、还能看图对照,适合想整理成可复用清单的人。

数据统计

数据评估

精选提示词库浏览人数已经达到5,如你需要查询该站的相关权重信息,可以点击"5118数据""爱站数据""Chinaz数据"进入;以目前的网站数据参考,建议大家请以爱站数据为准,更多网站价值评估因素如:精选提示词库的访问速度、搜索引擎收录以及索引量、用户体验等;当然要评估一个站的价值,最主要还是需要根据您自身的需求以及需要,一些确切的数据则需要找精选提示词库的站长进行洽谈提供。如该站的IP、PV、跳出率等!

关于精选提示词库特别声明

本站跳跳兔导航提供的精选提示词库都来源于网络,不保证外部链接的准确性和完整性,同时,对于该外部链接的指向,不由跳跳兔导航实际控制,在2026年11月20日 上午10:27收录时,该网页上的内容,都属于合规合法,后期网页的内容如出现违规,可以直接联系网站管理员进行删除,跳跳兔导航不承担任何责任。

相关导航

通义万相

通义万相

通义万相是阿里云于2023年7月在世界人工智能大会上推出的AI绘画创作大模型,隶属于“通义”大模型系列,与通义千问(文字问答)、通义听悟(语音处理)共同构成阿里云的AI生态。跳跳兔导航网了解到,通义万相基于自研的Composer组合生成框架,结合Diffusion Transformer技术,通过数十亿文本-图像对训练,支持文本生成图像、相似图像生成和图像风格迁移三大核心功能。

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...