2,977 条提示词，装在一个 10.5 MB 的 CSV 里，五列字段。这份库从 2022 年 12 月开始收集（原名 Awesome ChatGPT Prompts），现在是 GitHub 上星标最多的提示词仓库之一：176,993 个 star、22,571 个 fork。

它的价值不在"精选"，在"全量且可读"。每条提示词的原文都摊在表格里，可以逐条比结构、比措辞，也可以直接把 prompt 那一列整段复制走。对需要写岗位任务、教学示例、角色设定的人来说，这是一个能查结构语料的库，不是一份推荐清单。

CSV 是最省事的一份：不用装环境、不用注册，下载下来用表格软件就能打开。文件 10.9 MB，2,977 行数据，正文合计约 1,051 万个字符。

act 一列最有用，它相当于目录：想找"翻译""面试官""正则生成"这类角色，直接在这一列筛。

这是这份库最容易被误判的地方。2,977 条里，长度中位数是 1,119 个字符，最长的一条 144,260 个字符——相当于一篇长报告。最短的只有 29 个字符，是 "Write mean eye catching pitch" 这种一句话。

也就是说，库里一半的条目是长篇角色设定：先给你一个身份、再给若干条约束、有时还附输出格式。以 Linux Terminal 那条为例，原文是让它扮演终端、只回代码块里的输出、不写解释、不主动执行命令，要跟它说别的事就把话放在花括号里。这类提示词的写法是"把规则一次写全"，与现在流行的"短指令再追问"正好相反。

用的时候要留意这个差别：整段贴进对话窗口，等于一次给它十几条约束，容易顾此失彼；更稳的做法是取其结构，把约束按你这次的场景删到三五条。

按 type 列统计：TEXT 2,575 条、STRUCTURED 381 条、IMAGE 21 条。STRUCTURED 那一批多是要求固定输出结构的任务，比如正则生成器，会明确列出"你要做的事"清单；IMAGE 只有 21 条，是给图像模型写的提示词，与文本类混在同一个库里，筛的时候注意别混用。

for_devs 标为 TRUE 的只有 246 条，占 8% 左右。也就是说这个库的主体不是编程提示词，而是通用角色与写作任务——这个比例与"开发者提示词库"的印象有出入，值得先看一眼再决定要不要用。

贡献者一列很集中：作者本人 f 提交了 610 条，其余分散在几百个用户名与邮箱之间。

仓库用双许可：代码与站内原创内容（src/、prisma/、scripts/ 与构建配置，含站内那本书）是 MIT；提示词内容与数据（prompts.csv、PROMPTS.md 与用户提交的提示词文本）以 CC0 1.0 贡献到公有领域。

这两层的区别很实际：CC0 意味着那 2,977 条提示词可以自由复制、改写、商用、再发布，不必署名；而站点代码与书籍按 MIT，转载时保留版权声明。如果分不清某个文件属于哪一层，仓库的说明是默认按 MIT 处理。

README 里还列了：命令行工具、Claude Code 插件、MCP 服务器（远程地址与本地 npx 两种接法）、自托管（一条 npx 命令起一个带品牌与登录的私有库）、以及一本 31 章以上的交互式提示词教程，有 17 种语言版本。

这些对不写代码的人是负担：自托管要 Node 环境与 PostgreSQL，MCP 要改配置文件。真正零门槛的只有三样——CSV、PROMPTS.md、网站。README 还提了站点同时托管"常驻 AI 机器人"与机器人团队，这部分是另一个产品线，与提示词库本身不是一回事。

最快的路径是先在 CSV 的 act 列里搜关键词（翻译、面试、总结、邮件），找到候选后再看 prompt 列的长度：超过两千字符的先当"参考结构"，别整段照贴；一千字符以内的可以直接试。

其次看 type。STRUCTURED 那 381 条适合需要固定格式输出的场景（表格、清单、代码），TEXT 适合对话式任务。IMAGE 那 21 条要拿去给图像模型，别丢进文本对话里。

最后提醒一句：这个库从 2022 年 12 月开始收集，最早的条目写在模型还需要非常明确角色设定与格式约束的时候，现在的模型对简短指令的理解更好。库里的结构仍然有价值，但"必须写这么长"这个前提已经变了。

提示词内容与数据是 CC0 1.0，可自由复制、改写、商用与再发布，不需要署名；仓库代码与站内书籍是 MIT，转载需保留版权声明。这里引用的两条提示词属于 CC0 那一层。

CSV 的完整字段说明、类型与开发者标记的分布数字、许可原文、以及四个入口的地址都在下面，回复就能看到。