每天一条可直接复制的 AI 提示词，附「为什么这么写」与一个变体。不讲概念，只解决一个具体的写法问题。
目前共 6 条，按日期从新到旧排列。每条都给出一段可以直接复制的提示词、它为什么这么写、以及一个可以换用的变体。
和模板库的区别：模板库给的是「一个场景的完整成品」，这一栏给的是「一个具体的坑」——某句常见的要求为什么不生效、换成什么说法就好了。所以每条都有一条明确的对比，能看出改动前后差别在哪。写不出来就不发，凑数的一条会把整栏的可信度拉低。
2026-09-29 · 职场
把一段四十分钟的录音转写稿丢给 AI 说「帮我总结」，出来的通常是按时间顺序复述的流水账——谁说了什么、然后谁又说了什么。你要的不是这个，你要的是「接下来谁在什么时候做什么」。
关键在「只写原文里出现过的信息」和「未指定就填未指定」这两句。不加这两条，AI 会习惯性地把会议补完整——它会替你决定负责人、替你估一个截止时间，而这些猜测混进待办清单里，比没有清单更危险。第三块「悬而未决」是最容易被漏掉、实际最有用的一块：会上没结论的事，往往才是下次开会的原因。
2026-09-28 · 图像
「要高级感」「要氛围感」「要ins风」——这几个词在文生图里几乎等于没说。模型不认识「高级」这个概念，它认识的是光线、材质、构图和配色。
把「高级感」拆成了六条可以执行的约束：光怎么打、什么材质、背景多干净、留白在哪、几种颜色、什么焦段。这六条合起来，人看到就会说「高级」，但模型需要的是这六条本身。其中「不出现超过三种颜色」和「留出三分之一空白」是最有效的两条——画面杂乱和构图太满，是「廉价感」最主要的来源。
2026-09-26 · 学习
「我讲一遍，你看我说得对不对」——这句话直接问 AI，它会一路点头。它默认你的表述是对的，只会帮你把话说得更顺，不会指出你哪里理解错了。
起作用的是一头一尾两句话：「扮演审稿人而不是听众」把它的默认行为从附和改成审查，最后那句「不要为了鼓励而夸我」把客套话关掉。第 3 条「漏掉前提却得到正确结论」是最有价值的一条——这种情况在自学里极常见，结论蒙对了但推理是错的，下次换个场景就会出错，而普通的「你讲得对不对」根本测不出来。
2026-09-25 · 编程
「这段代码为什么报错」——这样问，AI 通常会给你三个可能的原因，然后开始改代码。改完你可能发现它修的是另一个问题：它没看到你的报错，只能猜。
关键在「先不要给我修改后的代码」这一句，以及第三步的排查方法。直接要修复代码，AI 会跳到你想要的答案上，而它跳过的推理过程恰恰是你需要的——你下次遇到同类问题还是不会。让它先给排查路径，等于让它把诊断过程摊开给你看；绝大多数时候，你在执行第二步的时候就已经发现问题在哪了。
2026-09-24 · 写作
「帮我润色一下」的结果通常是：语法没问题了，但你读起来觉得「这不是我写的」。AI 默认往「标准书面语」的方向改，而你的特点往往就藏在它删掉的那些地方。
两处设计最关键。一是先让它「归纳你的风格」再动笔——不归纳，它会用训练语料里的平均文风改写你；归纳之后，你的特征成了它的约束条件。二是限制修改范围，并且要求逐条说明改了什么：不加这条，润色会变成重写，你会拿到一篇没有毛病但也没有你的文章。
2026-09-23 · 数据
「帮我写个 SQL 查询上月复购率」——这样问，你会拿到一段语法正确、逻辑也自洽的 SQL，然后跑出来一个你不确定对不对的数字。因为它对「复购」「上月」「用户」这几个词的理解，可能和你的业务定义完全不同。
「先不要写 SQL」这一句，把一次性的猜测变成了两轮对话。它的价值不在省时间，而在暴露分歧：你对「上月」的定义是自然月还是最近 30 天、复购是按订单还是按用户、退单要不要剔除——这些它默认会自己选一个，而你默认它选的是你想的那个。第四步的校验查询同样重要：一个跑得通但漏了数据的查询，比跑不通的更麻烦。