轻松的将图像转换为提示词工具
这项多中心试验显示，序贯使用COX-2抑制剂帕瑞昔布和伊美昔布显著降低了重症急性胰腺炎（SAP）的发生率，缩短了器官功能障碍持续时间，减少了局部并发症，并降低了30天死亡率，且安全性良好。
一项全面的瑞典研究表明，显微镜下结肠炎（MC）患者发展为抑郁症和焦虑症等精神障碍的风险显著增加，强调了综合临床管理的重要性。
心脏磁共振成像（MRI）T1映射和细胞外体积分数（ECV）提供了心肌纤维化的无创标志物，在心力衰竭各亚型和非缺血性扩张型心肌病中对不良心血管结局显示出一致的预后价值。
了解器官钙化的原因，区分无害与危险类型，并学习如何根据专家建议解读您的健康报告。
探索微妙的肝脏症状如何预示严重疾病，从肝炎到肝癌的发展过程，以及有效习惯保护肝脏健康的方法。
PANDA II 研究表明，流感疫苗接种显著降低了急性心力衰竭患者的死亡率和再住院率，支持将其作为全球心力衰竭管理的标准组成部分。
根据最近的科学研究，仅仅将就寝时间提前一小时就可以帮助体重管理、降低抑郁风险并保护心脏。
一支多学科的中国团队开发了一种基于AI的MRI-病理学基础模型，能够准确、无创地诊断和分级前列腺癌，显著改善临床决策并减少不必要的活检。
了解每天仅需10分钟的靠墙坐如何显著降低血压并带来令人惊讶的好处，从心脏健康到关节护理和体重管理。
间歇性禁食因其代谢和减肥益处而受到欢迎，但新的研究表明，缩短进食窗口可能增加心血管风险，提示需要谨慎并采取个性化方法。
微塑料，直径小于5毫米的塑料颗粒，已悄无声息地通过饮用水、空气和食物渗透到我们的身体中。它们在器官中积累，加速细胞老化，并增加炎症。了解隐藏来源并采取实用措施减少暴露。
本分析比较了接受保留生育功能的激素治疗与子宫切除术治疗的年轻早期子宫内膜癌患者的生存情况，指出40岁以下女性的生存率相当，而接受激素治疗的较年长患者死亡风险增加。
一项大型基于人群的遗传学研究阐明了已知癌症易感基因中罕见致病性变异与单发和多发原发性癌症风险之间的关联，支持对受影响个体进行多基因面板检测。
本文探讨了胃肠道疾病与睡眠障碍之间的关联，强调抑郁作为部分中介因素的重要性，并指出改善睡眠质量需要同时关注肠道和心理健康。
最近的一项调查显示，尽管大多数美国心脏病学家支持心血管健康的生活方式建议，但他们在饮食和身体活动指南方面的个人依从性并不一致。
最近的一项研究表明，超过80%的阿莫西林过敏患者能够耐受哌拉西林-他唑巴坦，尽管约有18%的患者出现交叉反应，这突显了在使用前进行仔细的过敏测试的必要性。
用于肥胖和2型糖尿病管理的GLP-1受体激动剂与总体癌症风险降低17%相关，尤其是激素敏感性癌症，但可能增加肾癌风险。需要进一步研究以明确其安全性和机制。
FDA 已授权辉瑞和莫德纳更新的 COVID-19 疫苗，旨在针对 LP.8.1 亚谱系，扩大了 65 岁以上成人和有高风险条件的个体的疫苗接种范围，增强对不断演变的变异株的免疫防御。
一项在缺血性卒中后2个月开始的为期8周的心肺运动计划，在12个月时改善了认知表现，尽管与对照组相比，海马体积没有显著保留。该干预措施安全可行，为卒中后认知护理提供了有希望的途径。
本研究在呼吸健康个体中建立了可靠的 FeNO 参考值，并强调了影响一氧化氮水平的因素，从而提高了哮喘的诊断和管理。
<p>PromptPilot是字节跳动旗下火山引擎推出的面向大模型的智能解决方案平台。通过深度解析用户意图，将模糊的想法转化为AI能精准执行的专业指令，确保模型稳定输出高质量结果。PromptPilot的互动式引导，帮助用户明确需求；定义理想答案，通过用户反馈优化模型表现；闭环迭代优化，将问题案例转化为数据资产，持续提升Prompt效果。支持多轮对话优化、多模态理解与规划、复杂工具调用优化，通过SDK调用构建线上Case雷达，实现监测、纠错和进化的闭环能力。</p> <p>官网： <a href="https://promptpilot.volcengine.com/home" target="_blank" rel="noopener">https://promptpilot.volcengine.com/home</a> </p>
<p>✨ Fetches your schedule (Google Calendar) and outputs it as a single LLM prompt, with an optional MCP server mode.</p>
<p>The core MCP extension for Systemprompt MCP multimodal client</p>
大型语言模型（例如 ZotGPT 所使用的模型）需要指令才能完成用户的请求。这些指令被称为“提示”，可以涵盖各种潜在的用例。以下库展示了一些您可以在 ZotGPT 中探索和尝试的提示。 我们鼓励您探索不同的提示策略，不仅能找到适合您用例的策略，还能激发您开发自己的提示。如果您有兴趣了解更多关于提示的信息，请务必查看 ZotGPT 学院提供的“提示工程”学习模块。
MIDJOURNEY的提示词库，拥有超过25000个提示词
anthropic官方提示词库
Prompt Optimizer是一个强大的AI提示词优化工具，帮助你编写更好的AI提示词，提升AI输出质量。支持Web应用和Chrome插件两种使用方式。 核心特性 🎯 智能优化：一键优化提示词，支持多轮迭代改进，提升AI回复准确度 🔄 对比测试：支持原始提示词和优化后提示词的实时对比，直观展示优化效果 🔄 多模型集成：支持OpenAI、Gemini、DeepSeek等主流AI模型，满足不同需求 🔒 安全架构：纯客户端处理，数据直接与AI服务商交互，不经过中间服务器 💾 隐私保护：本地加密存储历史记录和API密钥，确保数据安全 📱 多端支持：同时提供Web应用和Chrome插件两种使用方式 🎨 用户体验：简洁直观的界面设计，响应式布局和流畅交互动效果 🌐 跨域支持：Vercel部署时支持使用Edge Runtime代理解决跨域问题（可能会触发部分厂商风控）
提示工程指南 提示词工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。 掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。 研究人员可利用提示工程来提升大语言模型处理复杂任务场景的能力，如问答和算术推理能力。开发人员可通过提示工程设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。 提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作用。用户可以通过提示工程来提高大语言模型的安全性，也可以赋能大语言模型，比如借助专业领域知识和外部工具来增强大语言模型能力。 基于对大语言模型的浓厚兴趣，我们编写了这份全新的提示工程指南，介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具。
针对大型语言模型设计的提示词优化器，将你的 AI 提示词提升至完美。专为大型语言模型 (LLM)、大型模型 (LM) 和 LMOps 设计的尖端提示词优化器。 产品特点： - 支持多目标优化，支持逐步优化结果，支持多个模型的输出； - 支持多种语言的提示词； - 10 秒快速出结果； - 支持部署； - 支持 API, 支持快速处理和集成； 使用评价： 目前，AI 的使用效果，除了 AI 自身的能力以外，用户的提问质量至为关键。高质量的提问才会有高质量的回答。因此，提示词十分重要。如果你感觉自己的提示词比较一般，可以使用 PromptPerfect 进行优化。这个产品的主要缺点是比较贵。
OpenPrompt 是一个可供创建、分享和收藏与 AI 对话时使用的 Prompts（提示词）的在线网站。 伴随着 ChatGPT 的风靡，我们根据日常所需创造越来越多的 Prompts（提示词），但每个人毕竟背景和使用场景有限，不可能穷尽所有优质的 Prompts。 而在 OpenPrompt AI 爱好者就可以相互共享自己使用了哪些有用 / 有趣的 Prompts，很大程度上可以提高所有人的应用水平。
FULL v0、Cursor、Manus、Same.dev、Lovable、Devin、Replit Agent、Windsurf Agent 和 VSCode Agent（以及其他开源）系统提示、工具和 AI 模型的系统提示词，能够将AI从智障升级为真正的人工智能
根据需求生成高质量提示词，帮助更好地应用大模型
文字提示词 - AI家
Public prompts 是一个手机Stable Diffusion AI生成图像的图库，我们可以在网站上看到提示词分类，这个网站没有搜索和生成器的功能，只能通过分类查找。提供了像毛毡玩具、贴纸一类的提示词。点击分类进入就可以看到提示词了。
AI提示语
一个学习 提示词 的网站，有 ChatGPT，Midjourney 的提示词教程、技巧等，他在右上角有中文语言的选择，教程非常详尽
4b3是一个全方位的AI提示词资源平台，涵盖从MidJourney到ChatGPT的各种模型提示词。网站支持关键字搜索，还提供丰富的分类和场景模板，非常适合初学者和进阶用户。
LangGPT 是 Language For GPT 的简称，中文名为结构化提示词。它是一个帮助你编写高质量提示词的工具（专注于prompt的文档），理论基础是一套模块化、标准化的提示词编写方法论，也就是结构化提示词。
