输入你的需求，AI 将分析并匹配最适合的提示词
输入你的提示词或需求，AI 将生成高效的工程规范提示词
把产品需求快速转成最小可运行代码结构，适合黑客松起步。
在给定视觉语言、状态和交互约束下生成单个高质量组件。
先把实体、状态和接口约定清楚，减少返工。
把报错、上下文和可能原因整理成可执行排查路径。
当功能之前能用、现在坏了时，帮助快速锁定回归点。
要求模型先写最小复现条件，再给修复，减少拍脑袋改代码。
把零散学习目标整理成阶段化路线图与练习计划。
把论文、长文或教程快速压缩成结构化学习笔记。
不直接给答案，而是引导理解代码与思路。
根据岗位与公司背景生成成体系的模拟面试问题和回答策略。
把现有简历针对目标 JD 做关键词、项目表述与亮点提炼。
把零散项目经历整理成可讲、可追问、可量化的 STAR 回答。
把业务需求快速转成资源、路由、请求响应和错误模型。
把一段能跑但杂乱的代码整理成有优先级的重构清单。
根据函数或模块自动规划 happy path、边界条件和异常路径测试。
把症状、时间线、假设和证据组织成系统化根因分析。
帮助识别前端或后端性能问题的关键指标、瓶颈位置和优化顺序。
系统枚举输入、状态、时间、平台和依赖相关的隐藏边界情况。
把技术概念从 ELI5 到工程实践分层讲清楚，并补例子和常见误区。
对比两种技术的理念、适用场景、生态、性能和学习成本。
把一个编程目标拆成可测量、可迭代的实验任务。
根据岗位、JD、年限和技术栈输出结构化技术问答清单。
让模型只扮演面试官，按问题逐个推进并根据回答追问。
先让模型解题，再切到面试官模式逐步追问你的解法与复杂度。
根据产品想法快速生成结构化的产品需求文档。
把一堆需求、抱怨和想法，整理成 Jobs-to-be-Done 视角下的优先级列表。
帮助把一句模糊想法整理成清晰的目标用户、场景、价值和差异化表述。
把产品目标拆成按用户流程排序的 user stories、acceptance criteria 和 MVP backlog。
对特定行业或产品进行全面的市场分析。
把一个研究主题扩写成结构化、可验证、可继续迭代的深度研究任务书。
把竞品官网、定价、定位、产品能力和近期动态整理成一份可对比的结构化报告。
围绕一个产品想法系统回答：值不值得做、用户会不会买、利润空间在哪里。
为不同平台生成创意内容，包括文案、标题、脚本等。
围绕受众、品牌和时间节点，一次性产出多组 campaign concept 与 wild card 创意。
把产品定位扩展成品牌名、视觉方向、语气、配色与品牌人格的完整 brief。
先大量发散，再分组、筛选、重组，帮助你在短时间内找到更有惊喜感的方向。
根据业务需求快速产出安全、可实现的前后端技术方案与实现骨架。
根据一段生成结果反推出更可能的原始 Prompt 结构。
根据语言和代码上下文给出问题、建议和可替代实现。
用主题、学习方式、练习任务三列把 React 学习路径拆清楚。
站在资深工程师视角，讲解实现思路、取舍、排错和成长路径。
针对软件开发岗位进行一问一答式模拟面试。