用 AI 的人越来越多，但大多数人的 Prompt 水平停留在"帮我写个XX"。不是不想写好，是真的不知道怎么写。
GitHub 上刚冒出来一个项目叫 yao-open-prompts，做的事情很直接——把散落在互联网各处的优质中文提示词收拢到一起，按场景分好类，开箱即用。
它到底收了些什么#
项目目前整理了 27 个核心 Prompt，分六大类：
开发类（6 个） — 代码审查、Debug 助手、API 设计、SQL 优化、测试生成、重构建议。基本上覆盖了日常开发的几个高频场景。比如 code-review 这个 Prompt，直接丢给 AI 就能按最佳实践做代码审查，比自己从零写 Prompt 省事太多。
写作类（5 个） — 博客写作（带 SEO 优化）、邮件撰写、技术文档、社交媒体内容、翻译。写作场景的 Prompt 质量差距很大，这个库里至少帮你筛选过一轮。
分析类（4 个） — 数据分析、市场调研、文档摘要、事实核查。做研究、做竞品分析的时候直接拿来用。
创意类（4 个） — 故事创作、头脑风暴、诗歌、歌词。玩票用的，但确实有人需要。
商业类（4 个） — 商业计划、投资 Pitch Deck、SWOT 分析、项目管理。创业团队写 BP 的时候可以参考。
教育类（4 个） — 个性化辅导、测验生成、学习计划、记忆卡片。教育场景的 Prompt 其实很有讲究，好的辅导 Prompt 能让 AI 从泛泛而谈变成针对性教学。
不止这些，还聚合了社区资源#
27 个核心 Prompt 是项目自己整理的，但它还收录了几个经典的社区 Prompt 合集：
- awesome-chatgpt-prompts — 180+ 个角色扮演 Prompt，从 Linux 终端模拟器到苏格拉底式哲学家，啥都有
- awesome-system-prompts — 各大 AI 产品（OpenAI、Anthropic 等）的系统提示词合集，研究各家怎么设计 System Prompt 的好材料
- awesome-llm-role-playing-prompts — 专门的角色扮演 Prompt 收集
这些社区资源已经帮你筛选过一轮了，不用自己去大海捞针。
项目架构做得挺认真#
说几个细节，能看出这个项目不是随便搞的：
标准化模板 — templates/ 目录下有 Prompt 模板，规定每个提示词必须包含标题、描述、内容、使用示例、标签这些字段。这意味着每个 Prompt 的质量有基本保障，不像某些仓库就是一个 TXT 往里扔。
贡献流程规范 — 有完整的 CONTRIBUTING.md，Fork → Branch → PR 的标准开源工作流。文件命名用小写加连字符（code-review.md），不是随便起名字。
双语支持 — 文档分 docs/en/ 和 docs/zh/ 两个目录，中英双语都有。不过看内容重心还是在中文用户。
MIT 协议 — 这一点很关键。很多 Prompt 合集用的 CC 协议，商用有限制。MIT 协议意味着你可以自由使用、修改、商业化，只需要保留版权声明。
我的看法#
说实话，Prompt 库这个赛道已经不新鲜了。awesome-chatgpt-prompts 几年前就有了，各种提示词网站也一大堆。但 yao-open-prompts 有几个点我觉得值得关注：
中文优先 — 大多数高质量的 Prompt 资源都是英文的，对中文用户不太友好。这个项目直接面向中文场景，光是这点就有价值。
场景分类比角色分类实用 — 很多 Prompt 库按"角色"分类（比如"你是一个XX专家"），但实际使用中，你是按需求场景来找 Prompt 的（“我要写一封邮件”），不是按角色找。这个项目的分类逻辑更贴近真实使用习惯。
开源可贡献 — 那些提示词网站大多是闭源的，你只能用不能改。GitHub 上开源意味着社区可以持续优化每个 Prompt，质量会越来越好。
当然，目前 27 个核心 Prompt 数量还不多，刚开源嘛。项目也才 5 个 commit，一天前刚建。但结构搭好了，后面就看社区贡献者的了。
如果你平时经常用 AI 干活，建议 clone 下来翻翻，挑几个常用的 Prompt 先试试。比自己瞎写强。