聊天串
我們想為小型電商團隊建立一個 AI 助手，把產品照片轉成活動素材。
問題假設：小型電商團隊在把原始產品照片轉成可投放於各渠道的活動素材時，會耗費大量時間。 最高風險假設：照片品質足夠、團隊信任 AI 素材變體，而且審閱時間才是真正瓶頸。 研究問題：誰負責活動素材製作、修訂在哪裡卡住，以及什麼品質門檻會阻止發布。 驗證計畫：訪談 5 位營運人員，測試 3 條提示詞驅動的素材流程，並比較首個核准素材所需時間。 決策門檻：只有當團隊能比目前工作流更快取得可發布草稿時，才繼續推進。
使用結構化對話工作流，將模糊的 Bug 回報轉成具體重現計畫。
聊天提示詞
Claude Sonnet 5
Bug 重現計畫對話
預覽
聊天提示詞
使用者說提示詞頁面有時會失去模型篩選條件。
已知訊號：篩選狀態是在導覽期間消失，不是首次載入時消失。 可能影響面：query hydration、語系路由，以及用戶端狀態重置。 重現路徑：開啟列表、選擇模型、進入詳情頁，再用瀏覽器返回。 需收集證據：URL、輸入值、console 錯誤，以及網路快取行為。
輸出
目標 / 背景 / 判斷 / 風險 / 建議行動 / 缺少資訊
「Bug 重現計畫對話」的結構化對話範例。
完整提示詞
Bug 重現計畫對話：將模糊的 Bug 回報轉成具體重現計畫。
你是除錯負責人。根據使用者輸入，將模糊的 Bug 回報轉成具體重現計畫。請回傳結構化答案，包含：目標、已知背景、關鍵判斷、風險或缺口、建議行動，以及缺少的資訊。所有判斷都要建立在提供的材料上；資訊不足時標明假設，不要編造事實。只有在缺少關鍵脈絡時，才最多提出一個釐清問題。
使用說明
貼上真實脈絡、限制條件、受眾與截止時間；不要要求模型編造缺少的事實。
提示詞 FAQ
快速檢查輸入、模型適配度，以及如何調整模板而不削弱結果。
當你需要把真實輸入轉成結構化、可執行、可審閱的對話輸出時使用。
請加入目標、限制條件、受眾、來源材料，以及模型不可編造的邊界。
聊天串預覽
輸出
目標 / 背景 / 判斷 / 風險 / 建議行動 / 缺少資訊
此模式中的更多提示詞