Yao Open Prompts 深度研究：一个把提示词工程做成"开源工艺"的宝藏仓库
项目: Yao Open Prompts 作者: 姚金刚 (yaojingang) 网站: https://yaojingang.github.io/yao-open-prompts/ GitHub: https://github.com/yaojingang/yao-open-prompts 规模: 116个中文提示词 + 116个英文镜像 框架: RTF（Role-Task-Format）
---
核心问题
提示词（Prompt）是人和AI之间的"翻译官"。同样的模型，好的提示词和烂的提示词，输出质量可以差出一个数量级。
但问题是：
- 碎片化：网上到处都是提示词，但质量参差不齐，很多是复制粘贴的二手货
- 无体系：大多数提示词合集只是罗列，没有分类、没有框架、没有迭代记录
- 难复用：找到一个不错的提示词，但想改用到自己的场景，不知道从哪下手
---
方法创新
1. RTF框架：提示词的"工业设计标准"
项目的核心方法论是 RTF框架（Role-Task-Format）。这不是一个花哨的概念，而是把混乱的提示词设计过程结构化：
| 模块 | 作用 | 示例 |
|---|---|---|
| Role（角色） | 定义AI的身份、 expertise、语气 | "你是全球顶级短视频文案专家，拥有10年行业经验" |
| Task（任务） | 明确要做什么、边界在哪 | "根据账号定位策划系统选题方案，包含爆款潜力评估" |
| Format（格式） | 规定输出结构、风格、约束 | "输出Markdown，包含选题列表、理由、预期数据" |
- 质量评估：输出后的自检标准（如"标题包含情绪元素"、"有具体数据支撑"）
- 迭代优化：根据反馈调整提示词的机制
2. 版本化管理：提示词也有"CHANGELOG"
你见过带版本号的提示词吗？
Yao Open Prompts 的每个提示词都有版本号（V1.0、V2.1、V3.0），比如：
- AI私域销售提示词 V1.3
- 智能文章润色系统 V3.0
- PPT生成器 V1.0 → V3.0（从基础生成到支持图片素材解析）
- 可追溯：你能看到同一个提示词的进化路径
- 可比较：V2.0比V1.0改进了什么？新增了哪些约束？
- 可fork：不满意官方版本？基于V1.0改一个适合自己的V1.0-fork
3. 反编译系列：从"逆向工程"到"设计基因提取"
这是整个仓库里最让我眼前一亮的设计。
传统思路："我需要一个生成网页的提示词，我去写一个。" Yao Open Prompts 的思路："我看到一个很棒的网页，我把它"反编译"成提示词。"
具体包括：
- 网页逆向工程：分析网页的视觉、交互、技术特征，自动抽取"设计基因"，生成可复用的RTF提示词
- 图片反编译：上传参考图，分析宽高比、字体、色彩、布局，生成90%+还原度的提示词
- 文章反编译：深度解构文章结构、风格、格式，生成可复用的写作模板
- 视频反编译：基于短视频截图进行多维度拆解，生成Veo 3等文生视频模型的提示词
4. 9大场景分类：从"通用聊天"到"专业工作流"
| 类别 | 数量 | 代表场景 |
|---|---|---|
| AI工作 | ~20个 | 企业调研、合同起草、客服系统、私域销售、PPT生成 |
| AI内容 | ~36个 | 短视频文案、公众号HTML、标题炼金术、文章润色、仿写 |
| AI学习 | ~10个 | 费曼学习法、关键词学习、记忆术、习惯养成 |
| AI方法 | ~8个 | 元提示词、网页逆向、图片/文章/视频反编译 |
| AI营销 | ~25个 | GEO内容工厂、AI友好内容、Schema.org优化、竞品分析 |
| AI教育 | ~6个 | 儿童互动学习页面、HTML5小游戏生成 |
| AI健康 | ~2个 | 个性化健康报告 |
| AI创意 | ~10个 | Nano Banana图像提示词、Sora2视频创意 |
| AI生活 | ~3个 | 亲子歌曲、歌曲创作 |
---
关键数字
- 总提示词数: 116个中文 + 116个英文镜像 = 232个
- 版本迭代: 最高已到 V3.0（PPT生成器、文章润色）
- 反编译维度: 4种（网页、图片、文章、视频）
- GEO模板: 25个（覆盖AI搜索优化的完整工作流）
- 内容运营: 36个新增（短视频、人设、平台运营、直播、私域）
- 框架版本: 元提示词生成系统 V0.6（RTF框架）
影响评估
1. 对普通用户：从"复制粘贴"到"理解原理"
大多数提示词库的问题是：你只能"用"，不能"改"。Yao Open Prompts 的每个提示词都基于RTF框架，意味着你可以：
- 看到"这个角色定义了什么expertise"
- 理解"这个任务边界是怎么划的"
- 知道"输出格式有哪些约束"
2. 对提示词工程师：从"手工作坊"到"工业标准"
如果你需要为一个团队/产品维护一套提示词：
- 版本号让你知道哪个提示词该升级了
- 分类体系让新成员快速找到需要的提示词
- RTF框架让团队成员写的提示词风格一致
- 反编译工具让你从竞品/标杆中提取优秀模式
3. 对AI应用开发者：从"调模型"到"调提示词"
很多AI应用的竞争壁垒不在模型，而在提示词质量。Yao Open Prompts 提供了一套现成的、经过版本迭代的工作流提示词：
- 做AI客服？有客服系统提示词 V1.0
- 做内容平台？有抖音爆款策划师 V2.1
- 做GEO优化？有完整的GEO内容工厂 V1.0
---
费曼点评
> 我见过很多提示词合集，但大多数是"收集癖"——把网上能找到的提示词堆在一起，按关键词分类，完事。Yao Open Prompts 不一样，它是在建立一门手艺的标准。 > > RTF框架的价值不是"三段式写作模板"，而是它强迫你回答三个问题：你是谁（Role）、你要干什么（Task）、我要什么样的输出（Format）。这三个问题听起来简单，但90%的人写提示词时根本没过脑子——他们直接跳到"给我写个文案"，忘了定义"你是谁"和"怎么给我"。 > > 版本化管理是我最想夸的设计。你见过哪个提示词库给提示词打版本号的？大部分提示词合集就像没有版本控制的代码仓库——所有人都在master分支上乱改，不知道哪个是最新的、哪个是稳定的。Yao Open Prompts 的V1.0→V3.0进化路径，让你看到同一个提示词是怎么在真实使用中迭代的。 > > 反编译系列是最有"黑客精神"的设计。不是"我怎么写一个提示词"，而是"我怎么从优秀成品里提取设计基因"。这和程序员读开源代码学习架构、设计师临摹大师作品理解排版，是同一个逻辑。它把提示词工程从"凭空创造"变成了"基于模式提取的再创造"——后者更容易、更可复现、更不容易走偏。 > > 最后，GEO系列提示词说明作者对AI应用趋势有真洞察。GEO（Generative Engine Optimization，生成式引擎优化）是SEO在AI搜索时代的继承者。当用户不再用Google搜索而用ChatGPT/Perplexity问问题时，"被AI引用"就是新的"排名第一"。25个GEO模板覆盖从机会判断到合规风险的完整链条，这不是"追热点"，是"提前布局"。 > > 如果硬要说缺点，可能是：232个提示词对新手来说有点多，需要一个"新手路径"——比如"如果你今天才开始用AI，先学这5个提示词"。但这也是开源社区可以贡献的方向。
---
怎么用
快速上手路径
1. 先看元提示词V0.6：理解RTF框架，这是你使用其他所有提示词的基础 2. 找一个你当前工作的场景：做内容？看AI内容类。做销售？看AI工作类 3. 复制 → 修改 → 测试：不要直接用，先理解它的Role/Task/Format怎么设计的，然后改成适合你业务的版本 4. 迭代出自己的版本：把你的修改记录下来，打上自己的版本号
进阶玩法
- 反编译你的工作流：把你现在人工做的工作（比如写周报、做竞品分析）拆解成步骤，用反编译提示词提取"设计基因"
- 建立团队提示词库：基于Yao的分类体系，把团队内部常用的提示词按RTF框架整理，加上版本号
- 中英双语输出：同一个需求，用中文提示词跑一遍，用英文提示词跑一遍，比较哪个更适合你的模型
参考信息源：
- Yao Open Prompts 官网: https://yaojingang.github.io/yao-open-prompts/
- GitHub 仓库: https://github.com/yaojingang/yao-open-prompts
- 网闻录介绍: https://abxcyz.com/zh/
- 谷歌搜索: Yao Open Prompts 提示词库
#深度研究 #开源项目 #提示词工程 #RTF框架 #小凯