Kembali ke pustaka prompt
Pustaka promptPrompt Chat

Peta Orientasi Basis Kode

Gunakan Peta Orientasi Basis Kode untuk mengubah catatan alur kerja nyata menjadi keluaran chat terstruktur untuk tinjauan, keputusan, dan tindakan berikutnya.

Basis KodeOrientasiArsitektur
Pratinjau

Prompt Chat

Model yang direkomendasikan

GPT-5.4 Codex

Format output

Keluaran chat terstruktur

Pratinjau

Prompt Chat

thread chat

Insinyur baru perlu bekerja pada template konten, kode rendering bersama, dan skrip validasi aset.

Titik masuk: record konten, file locale, dan kode rendering bersama. Alur inti: JSON template plus JSON locale menjadi konten halaman publik. Area kepemilikan: tata kelola konten, field URL media, dan skrip validasi. Area berisiko: konvensi penyimpanan aset, data sampel lama, dan metadata SEO terlokalisasi. Tugas pertama: tambahkan satu template, jalankan pemeriksaan konten, inspeksi satu halaman, lalu baca skrip validasi.

Output

Titik masuk / Alur inti / Pemilik / Risiko / Tugas pertama

Pratinjau untuk Peta Orientasi Basis Kode, berfokus pada konteks masukan, balasan terstruktur, dan langkah berikutnya yang dapat ditindaklanjuti.

Prompt lengkap

Peta Orientasi Basis Kode

Prompt chat Peta Orientasi Basis Kode dengan analisis terstruktur, risiko, rekomendasi, dan tindakan berikutnya.

Model yang direkomendasikan: GPT-5.4 CodexFormat output: Keluaran chat terstruktur
Prompt lengkap
Prompt Chat
Anda adalah pemandu basis kode. Ubah catatan repositori menjadi peta orientasi dengan titik masuk, alur inti, area kepemilikan, area berisiko, dan tugas pertama.

Catatan penggunaan

Tambahkan konteks nyata, batasan, pembaca sasaran, bukti saat ini, dan kedalaman keluaran yang diharapkan sebelum menjalankan; jangan gunakan ini sebagai pertanyaan chat umum.

FAQ prompt

Sebelum Anda menggunakan prompt ini

Pemeriksaan cepat untuk input, kecocokan model, dan cara menyesuaikan template tanpa melemahkan hasil.

Apa yang perlu saya siapkan sebelum menggunakan Peta Orientasi Basis Kode?

Siapkan catatan masukan nyata, tujuan bisnis, batasan, bukti yang tersedia, dan struktur persis yang ingin Anda terima kembali.

Bagaimana cara menilai kualitas respons?

Periksa apakah balasan memisahkan fakta dari asumsi serta memberikan risiko, kompromi pilihan, dan langkah berikutnya yang dapat ditindaklanjuti, bukan saran umum.

Pratinjau thread

Insinyur baru perlu bekerja pada template konten, kode rendering bersama, dan skrip validasi aset.
Titik masuk: record konten, file locale, dan kode rendering bersama. Alur inti: JSON template plus JSON locale menjadi konten halaman publik. Area kepemilikan: tata kelola konten, field URL media, dan skrip validasi. Area berisiko: konvensi penyimpanan aset, data sampel lama, dan metadata SEO terlokalisasi. Tugas pertama: tambahkan satu template, jalankan pemeriksaan konten, inspeksi satu halaman, lalu baca skrip validasi.

Output

Titik masuk / Alur inti / Pemilik / Risiko / Tugas pertama

Prompt lain dalam mode ini

thread chat

Kami ingin membuat asisten AI untuk tim ecommerce kecil yang mengubah foto produk menjadi aset kampanye.

Hipotesis masalah: tim ecommerce kecil kehilangan waktu saat mengubah foto produk mentah menjadi aset kampanye yang siap untuk berbagai kanal. Asumsi paling berisiko: kualitas foto cukup tinggi, tim mempercayai variasi aset AI, dan waktu tinjauan adalah bottleneck sebenarnya. Pertanyaan riset: siapa yang memiliki proses pembuatan aset kampanye, di mana revisi tersendat, dan standar kualitas apa yang menghambat publikasi. Rencana validasi: wawancarai 5 operator, uji 3 alur aset berbasis prompt, dan bandingkan waktu hingga aset pertama disetujui. Gerbang keputusan: lanjutkan hanya jika tim bisa mencapai draf yang layak dipublikasikan lebih cepat daripada alur kerja mereka saat ini.

thread chat

Kami sedang mengeksplorasi produk catatan AI baru untuk konsultan solo. Bantu saya mengubahnya menjadi brief riset.

Tujuan: menentukan apakah konsultan solo membutuhkan workspace catatan AI atau lapisan tindak lanjut klien yang lebih ringan. Asumsi kerja: mereka sudah menangkap catatan, tetapi sintesis dan penyusunan langkah berikutnya belum konsisten. Audiens: konsultan solo dengan panggilan klien berulang dan dukungan operasional terbatas. Pertanyaan utama: catatan mana yang berubah menjadi pekerjaan tertagih, apa yang hilang setelah panggilan, dan di mana tool CRM terasa terlalu berat. Rencana riset: lakukan 6 wawancara, tinjau 10 alur kerja catatan panggilan terbaru, dan uji satu prototipe brief tindak lanjut.

thread chat

Ini outline untuk landing page produk AI kami. Beri tahu saya bagian mana yang belum jelas sebelum kami mendesainnya.

Core promise: sudah terlihat, tetapi masih dibingkai sebagai fitur, bukan outcome pengguna yang konkret. Unclear point: halaman belum menjelaskan siapa yang mendapat value pertama atau workflow apa yang berubah setelah signup. Example gap: tambahkan contoh before-after, sampel output model, dan satu trust signal singkat di dekat hero. CTA issue: action utama muncul setelah terlalu banyak penjelasan; pindahkan CTA yang berorientasi penggunaan lebih dekat ke section quick-use. Revision plan: tajamkan hero, tambahkan outcome cards, lalu tulis ulang objections sebelum memoles visual.