25 Prompt Templates to Boost Productivity with Claude, ChatGPT, and Gemini

This article compiles 25 ready‑to‑use Chinese prompt templates (in markdown code‑block format) for Claude, ChatGPT and Gemini, covering tasks such as structured note generation, exam creation, learning roadmaps, concept explanation, academic paper drafting, flashcard creation, study session planning, professional email drafting, meeting‑note organization, resume and LinkedIn optimization, presentation preparation, deep research synthesis, source validation, knowledge structuring, competitive intelligence, video script generation, hook generation, flowchart construction, code documentation, unit‑test generation, debugging assistance, regex building, conventional commit generation, and workflow automation.

name: structured-notes-generator
description: 将主题、课堂 PDF 或转录稿转化为结构化学习笔记，包含关键概念、定义、示例、大纲和复习问题。
---
# 结构化笔记生成器
## 概览
把任何教育类内容转成干净、分层、可直接学习的笔记。提取核心内容，按主题模块组织，并加入有助于记忆的元素。
**关键词**：笔记、学习、提炼、概念、定义、大纲、复习
## 特性
- 自动提取关键概念和定义
- 按主题与子主题分层组织
- 加入示例和类比
- 在末尾生成复习问题
- 生成主题可视化大纲（概念关系图）
## 输出格式
- 主题标题
- 总体大纲（目录）
- 按子主题组织的模块：概念 → 定义 → 示例
- 概念之间的关联
- 复习问题（3-5 个）
## 指令
- 分析完整源内容
- 识别主要概念和次要概念
- 按从总体到具体的逻辑层级组织
- 为每个复杂概念加入一个实用示例或类比
- 生成覆盖重点内容的复习问题
- 如果有公式或数值数据，用单独模块突出显示
## 约束
- 不要编造源内容中不存在的信息
- 不要为了简单而损失技术准确性
- 对需要更多上下文的概念标记为 [需要扩展]
- 除非主题确实需要更多篇幅，笔记控制在 500-1500 字

name: exam-prep-generator
description: 根据笔记或考试范围生成练习考试，包含选择题、简答题和案例题，并提供详细答案。
---
# 考试准备器
## 概览
根据你提供的学习材料创建个性化模拟考试。生成不同题型和难度的问题，帮助你在正式考试前练习。
**关键词**：考试、选择题、问题、学习、复习、模拟、练习
## 特性
- 选择题（4 个选项，1 个正确答案）
- 简答题
- 案例题 / 实践题
- 带解释的详细答案
- 按难度分类：基础、中级、高级
## 输出格式
- 模块 1：选择题（5-10 题）
- 模块 2：简答题（3-5 题）
- 模块 3：案例题（1-2 题）
- 答案与解析部分
## 指令
- 分析提供的学习材料
- 识别最可能被考察的概念
- 生成覆盖不同认知层级的问题：记忆、理解、应用、分析
- 选择题要包含真实干扰项，不要设置荒谬选项
- 简答题要求 3-5 行回答
- 案例题要设计需要综合应用多个概念的场景
- 给出正确答案，并说明其他选项为什么不正确
## 约束
- 所有内容都必须基于提供的材料
- 不要在多道题里重复考察同一个概念
- 难度分布：40% 基础、40% 中级、20% 高级
- 标注每道题的难度级别

name: learning-roadmap-generator
description: 创建按周组织的学习计划，包含目标、推荐资源、实践练习和进度 checkpoint。
---
# 学习路线图生成器
## 概览
为任何主题设计个性化学习路径。无论是“我想学 Python”，还是“我需要理解基础金融”，它都会生成一份带有可衡量里程碑的现实计划。
**关键词**：学习、路线图、学习计划、资源、目标、进度
## 特性
- 每周计划都有明确目标
- 推荐资源（免费与付费）
- 每周实践练习
- 用于评估进度的 checkpoint
- 可根据用户可投入时间调整
## 输出格式
- 路线图的最终目标
- 假定的当前水平（或先询问）
- 按周计划：
  - 本周主题
  - 具体目标
  - 资源（视频、文章、课程）
  - 实践练习
  - Checkpoint：“当你能够做到……时，就说明已经掌握”
- 完整路线图概览
## 指令
- 询问或判断用户当前水平
- 定义一个具体、可衡量的最终目标
- 把学习路径拆成逐周递进的模块
- 每周内容都要建立在前一周基础上
- 每周至少包含一个免费资源
- Checkpoint 必须可验证，不要写“理解 X”，而要写“能够完成 Y”
- 根据用户说明的可投入时间调整学习强度
## 约束
- 除非用户主动要求，不要安排超过每周 5-7 小时的学习量
- 推荐付费资源时必须提供免费替代方案
- 时间安排要现实
- 单个路线图最多 12 周；如果主题需要更长时间，拆成多个阶段

name: complex-concept-explainer
description: 用类比、日常示例和多层深度解释复杂概念，从基础说明一直到技术细节。
---
# 复杂概念解释器
## 概览
把难懂概念转成容易理解的解释。采用分层方法：先像给 10 岁孩子解释一样讲清楚，再逐步提升到完整技术版本。
**关键词**：解释、类比、概念、简化、学习、层级
## 特性
- 三层解释：基础、中级、高级
- 使用日常场景类比
- 提供真实世界的实用示例
- 指出常见理解误区
- 连接相关概念
## 输出格式
- 层级 1：简单解释（适合没有背景的人）
- 层级 2：中级解释（引入领域术语）
- 层级 3：技术解释（完整细节）
- 核心类比
- 实用示例
- 关于这个概念的常见误区
- 后续可继续探索的相关概念
## 指令
- 始终从最直观的类比或隐喻开始
- 层级 1 不使用技术行话
- 层级 2 引入术语，但要解释术语含义
- 层级 3 假设读者已经掌握基础知识
- 至少加入一个“人们常混淆的是……”
- 结尾连接到同领域的其他概念
## 约束
- 不要为了简单而牺牲准确性，简化不等于失真
- 每个层级都要能独立阅读，不依赖其他层级
- 类比必须忠于概念，不要强行类比

name: academic-paper-drafter
description: 按标准学术格式组织并撰写学术作业，包含引言、理论框架、主体、结论、引用和参考文献。
---
# 学术论文写作器
## 概览
帮助组织和撰写学术文本，从短论文到本科毕业论文都可以。生成完整结构，并指导每一部分如何展开。
**关键词**：毕业论文、短论文、学术作业、结构、参考文献、引用、大学
## 特性
- 标准学术结构
- 生成包含研究意义和目标的引言
- 带关键概念的理论框架
- 连贯的论证展开
- 与研究目标对齐的结论
- 引用格式：APA、Harvard、Vancouver
## 输出格式
- 建议标题
- 目录 / 结构
- 引言（背景、意义、目标、方法）
- 理论框架
- 主体 / 结果
- 结论
- 参考文献（按指定格式）
## 指令
- 先询问作业类型（短论文、毕业论文、报告）和所需引用格式
- 写作前先生成完整结构
- 引言必须包含：研究什么、为什么重要、如何展开
- 主体要有清晰论证线索
- 结论要直接回应研究目标
- 需要引用的位置使用 [作者, 年份] 占位符
## 约束
- 不要编造来源或引用
- 需要引用但缺失来源的位置标记为 [需要引用]
- 不要抄袭，所有内容必须是原创表述
- 篇幅根据作业类型调整
- 使用正式学术语体

name: flashcard-creator
description: 从笔记或文本中提取关键概念，生成适合间隔重复复习的问答式记忆卡片。
---
# 记忆卡片生成器
## 概览
把任何学习材料转成可直接使用的记忆卡片。生成简洁的问答对，适合主动回忆和间隔重复。
**关键词**：记忆卡片、复习、记忆、间隔重复、学习、Anki
## 特性
- 自动提取可考察概念
- 生成简洁问答对
- 按难度分类
- 兼容 Anki / Quizlet 格式
- 支持多种类型：定义、示例、对比、应用
## 输出格式
- 编号记忆卡片列表
- 每张记忆卡片：
  - 正面：问题或提示
  - 背面：简洁答案
  - 标签：主题 + 难度（简单/中等/困难）
## 指令
- 分析提供的材料
- 识别事实、定义、流程和可考察关系
- 设计具体问题，不要写模糊问题
- 答案最多 1-3 行
- 题型要变化：什么是……、……之间有什么区别、……有什么用、举一个……的例子
- 每个主题生成 15-30 张记忆卡片
- 从简单到困难排序
## 约束
- 答案必须简洁，记忆卡片的价值就在于短
- 不要设计只能回答“是/否”的问题
- 不要在多张卡片中重复同一个概念
- 每张卡片必须独立可理解，不依赖其他卡片

name: study-session-planner
description: 根据可用时间和难度，生成个性化学习日程，分配科目、学习模块、休息和复习。
---
# 学习时段规划器
## 概览
创建现实且个性化的学习计划。根据难度分配科目，应用经过验证的学习方法（番茄工作法、间隔复习），生成逐日安排。
**关键词**：规划、学习、日程、番茄工作法、复习、考试、时间表
## 特性
- 按难度和优先级分配时间
- 使用番茄工作法学习块（25 分钟 + 5 分钟）
- 集成间隔复习
- 安排休息和空闲日
- 可根据每天可用小时数调整
## 输出格式
- 输入信息（可用天数、科目、难度）
- 每日安排：
  - 学习块对应科目
  - 建议时长和时间段
  - 时段类型：新内容 / 复习 / 练习
  - 标注休息时间
- 本周通用建议
## 指令
- 询问科目、可用天数、每天小时数、考试日期
- 给更难或考试更近的科目分配更多时间
- 交替安排科目，避免认知疲劳
- 加入对 1-2 天前内容的复习时段
- 学习块之间安排 5-10 分钟休息，科目之间安排 30 分钟休息
- 每周至少预留半天空闲
- 如果超过 5 门课，先排序并轮换
## 约束
- 每天有效学习时间不要超过 6 小时
- 同一科目不要连续安排超过 2 小时
- 始终至少包含一次长休息
- 保持现实：如果 3 天要学 5 个主题，要明确说明压力

name: professional-email-drafter
description: 根据内部沟通、客户、供应商、请求、跟进或升级等场景，调整语气、结构和正式程度，撰写专业邮件。
---
# 专业邮件撰写器
## 概览
生成可直接发送的邮件，匹配不同职场场景所需的语气和结构。从友好的跟进，到坚定的升级沟通都可以处理。
**关键词**：邮件、沟通、专业、语气、写作、商务
## 特性
- 识别沟通场景：跟进、请求、升级、介绍、投诉
- 调整语气：正式、友好、直接、外交式
- 结构清晰：问候、背景、请求/建议、收尾
- 生成优化后的邮件主题
- 敏感场景提供另一版语气
## 输出格式
- 邮件主题
- 带问候和落款的完整正文
- 如适用，提供备选版本
- 说明所选语气及原因
## 指令
- 识别邮件目的
- 判断与收件人的关系
- 选择合适语气
- 使用简短开头、清晰正文和包含下一步的结尾
- 保持简洁：除非场景需要，最多 150 词
- 如果是跟进，引用前一次沟通
- 如果是升级，保持坚定但不带攻击性
## 约束
- 不要阴阳怪气
- 除非用户要求，不要使用“希望这封邮件找到你时一切都好”这类空话
- 直奔重点
- 不要加入不必要的借口

name: meeting-notes-organizer
description: 将会议笔记整理成可执行格式，包含已做决策、分配任务、负责人和截止日期。
---
# 会议纪要组织器
## 概览
把原始会议笔记转成专业纪要，只保留真正重要的信息：决定了什么、谁负责什么、什么时候完成。
**关键词**：会议、纪要、笔记、任务、决策、跟进
## 特性
- 自动提取决策和共识
- 识别行动项、负责人和截止时间
- 生成会议执行摘要
- 添加下次会议待处理事项
## 输出格式
- 会议信息（日期、参会人、主题）
- 执行摘要（3-5 行）
- 已做决策
- 行动项（谁、做什么、何时完成）
- 待处理事项 / 下次会议主题
## 指令
- 处理原始会议笔记
- 将讨论内容与决策分开
- 提取每个任务的负责人和日期
- 以便于快速浏览的格式组织
- 未形成结论的讨论移动到“待处理”
## 约束
- 不要编造笔记中不存在的信息
- 对没有明确负责人的行动标记 [待定负责人]
- 对没有截止时间的任务标记 [未定日期]
- 优先保证清晰，而不是追求穷尽

name: cv-linkedin-optimizer
description: 针对具体岗位优化简历和领英资料，突出相关经历、行业关键词和可量化成果。
---
# 简历与领英优化器
## 概览
读取你当前的简历和目标岗位 JD，重写经历描述，让它更贴合招聘方正在寻找的能力。也会为领英资料提供优化建议。
**关键词**：简历、领英、求职、申请、ATS、关键词
## 特性
- 分析岗位 JD 的关键要求
- 重写与岗位对齐的经历
- 自然加入 ATS 关键词
- 量化成果
- 为领英标题和个人简介提供建议
- 发现能力缺口，并建议如何处理
## 输出格式
- 优化后的简历，包含：
  - 职业简介（3-4 行）
  - 工作经历（针对岗位调整）
  - 技能（按 JD 优先级排序）
  - 教育背景
- 领英建议：
  - 优化后的标题
  - 个人简介
  - 需要突出展示的技能
## 指令
- 分析岗位 JD，识别 5-7 个关键能力
- 将用户经历映射到这些能力
- 用动作动词和可衡量结果重写岗位描述
- 自然融入岗位关键词
- 领英标题要包含目标职位 + 差异化价值
- 如果缺少直接经验，建议如何呈现可迁移经验
## 约束
- 不要编造经历或夸大成果
- 简历不超过 2 页；经验少于 5 年时控制在 1 页
- 不要照抄 JD 原句
- 保持诚实：如果存在明显缺口，要指出并建议处理方式

name: presentation-prep-skill
description: 构建完整演示稿，包含叙事结构、每页幻灯片的关键点、视觉建议和演讲者备注。
---
# 演示文稿准备器
## 概览
把一个主题、简报或文档转成逐页幻灯片结构。包括该说什么、展示什么，以及如何保持听众注意力。
**关键词**：演示、幻灯片、PPT、叙事、演讲、提案、结构
## 特性
- 完整叙事结构：开场、展开、收束
- 每页幻灯片的内容：标题、要点、建议视觉
- 每页幻灯片的演讲者备注
- 估算时长
- 有记忆点的开场钩子和结尾
## 输出格式
- 演示标题
- 目标听众
- 预估时长
- 逐页幻灯片结构：
  - 幻灯片编号
  - 标题
  - 关键点（最多 3-4 个）
  - 建议视觉（图表、图片、流程图、引用）
  - 演讲者备注（该说什么）
  - 预估时间
## 指令
- 用能抓住注意力的钩子开场，例如惊人的数据、问题或故事
- 遵循 1 个观点 = 1 页幻灯片
- 每页最多 3-4 个要点，幻灯片是辅助，不是替代演讲者
- 在大段落之间加入过渡幻灯片
- 以行动号召或有记忆点的信息收尾
- 给出具体视觉建议，不要写泛泛的“加个图”
- 为每页加入预估时长
## 约束
- 15-20 分钟演示不要超过 20 页
- 不要做纯文字幻灯片，每页都应有视觉元素
- 演讲者备注不是逐字稿，而是关键提示
- 避免单页超过 30 个字

name: deep-research-synthesizer
description: 从大规模数据集中提炼洞察，过滤无关信息，识别模式，并产出可执行内容。
---
# 深度研究合成器
## 概览
把大量文本转成结构化洞察和可执行结论。
**关键词**：研究、综合、洞察、分析、知识
## 特性
- 过滤低价值信息
- 突出模式
- 创建结构化输出
## 输出格式
- 关键洞察
- 支撑细节
- 简短概览段落
## 指令
- 识别关键点
- 移除无关内容
- 按逻辑组织
## 约束
- 避免泛泛而谈的提炼
- 聚焦实用价值

name: source-validation-skill
description: 验证信息来源的可信度，突出可靠性、相关性和潜在偏见。
---
# 来源验证技能
## 概览
按可靠性和相关性过滤信息。
**关键词**：可信度、验证、来源、研究、偏见
## 特性
- 可靠性评分
- 识别偏见
- 按相关性过滤
## 输出格式
- 已验证来源
- 关键洞察
- 关于可靠性的说明
## 指令
- 检查引用和参考
- 评估作者与发布日期
- 突出可信内容
## 约束
- 避免未经验证的信息
- 优先选择高质量来源

name: knowledge-structuring-skill
description: 将非结构化信息组织成清晰的框架、要点和结构化笔记，便于理解和应用。
---
# 知识结构化技能
## 概览
把杂乱输入转成结构化、可使用的知识。
**关键词**：知识、结构化、框架、组织、笔记
## 特性
- 对想法进行分类
- 创建逻辑层级
- 使用要点格式呈现
## 输出格式
- 结构化框架
- 关键点
- 可选备注
## 指令
- 识别主要主题
- 将相关想法归组
- 清晰、简洁地呈现
## 约束
- 避免含混表达
- 保持可读性

name: competitive-intelligence-skill
description: 比较产品、工具或服务，提供关于优势、劣势和机会的结构化分析。
---
# 竞争情报技能
## 概览
为商业、技术或市场研究提供对比型洞察。
**关键词**：分析、竞争、研究、对比、策略
## 特性
- 功能对比
- SWOT 分析
- 建议
## 输出格式
- 要点式对比
- 优势 / 劣势
- 关键结论
## 指令
- 识别竞争对手或工具
- 比较功能
- 突出差异和风险
## 约束
- 避免偏见
- 聚焦可执行洞察

name: video-script-generator
description: 生成视频脚本，包含钩子、结构化分段、节奏和面向互动与留存优化的行动号召。
---
# 视频脚本生成器
## 概览
为短视频和长视频内容生成结构化脚本。
**关键词**：视频、脚本、钩子、互动、节奏、内容
## 特性
- 有力的开场钩子
- 按段落组织内容
- 清晰的行动号召
## 输出格式
- 钩子
- 内容分段
- 收尾概览
## 指令
- 以钩子开场
- 组织核心要点
- 保持节奏
- 加入行动号召
## 约束
- 避免填充内容
- 保持观众注意力

name: hook-generator
description: 为视频、社交媒体帖子和内容开头生成能抓住注意力的钩子，以最大化互动。
---
# 钩子生成器
## 概览
创建有吸引力的开场，立即抓住注意力。
**关键词**：钩子、注意力、互动、开头、爆款
## 特性
- 简短、有冲击力
- 基于好奇心
- 可适配不同内容类型
## 输出格式
- 钩子句子
- 可选的后续开场段
## 指令
- 聚焦好奇心或强观点
- 保持简洁
- 匹配受众兴趣
## 约束
- 避免泛用钩子
- 保持相关性

name: flowchart-decision-builder
description: 根据文本生成决策树和流程图，用于简化复杂决策流程。
---
# 流程图构建器
## 概览
把流程转成流程图，让决策更清晰。
**关键词**：流程图、决策树、流程、可视化、清晰
## 特性
- 基于节点的结构
- 条件分支
- 清晰标注
## 输出格式
- 节点
- 连接关系
- 布局指南
## 指令
- 识别步骤和决策点
- 映射条件路径
- 保持流程逻辑清楚
## 约束
- 保持图表简单
- 避免不必要的节点

name: code-documenter
description: 根据函数、类或模块生成清晰技术文档，包含描述、参数、返回类型、使用示例和边界情况。
---
# 代码文档生成器
## 概览
把未写文档的代码转成专业文档。分析函数签名、内部逻辑和可能的边界场景，生成完整有用的文档。
**关键词**：文档、代码、函数、JSDoc、docstrings、API、参数
## 特性
- 清楚说明代码做什么
- 列出参数类型和描述
- 标注文档化的返回类型
- 生成可工作的使用示例
- 识别边界情况和潜在错误
- 适配不同格式：JSDoc、Python docstrings、TSDoc、Javadoc
## 输出格式
- 对应语言格式的文档块
- 使用示例部分
- 关于边界情况或限制的说明
## 指令
- 分析完整函数 / 模块
- 识别每个参数、类型和是否可选
- 用一句清楚的话描述功能，不要重复函数名
- 至少生成 2 个使用示例：正常场景 + 特殊场景
- 列出边界情况：null 值、空数组、意外类型
- 根据代码语言调整格式：Python → docstrings，JS/TS → JSDoc/TSDoc
## 约束
- 不要编造代码中不存在的行为
- 不要解释显而易见的内容，例如“这个函数做它名字说的事”
- 每个参数都必须有类型和描述
- 示例必须可执行

name: unit-test-generator
description: 分析函数或模块，为主流测试框架生成完整单元测试，覆盖正常路径、边界情况和错误处理。
---
# 单元测试生成器
## 概览
接收任意函数或模块，生成覆盖主路径、边界场景和预期错误的测试套件，帮你省掉开发中最枯燥的一部分。
**关键词**：测试、单元测试、Jest、pytest、vitest、边界情况、覆盖率
## 特性
- 正常场景测试
- 边界情况测试（边界值、空值、null）
- 错误处理测试
- 需要时使用模拟和桩对象
- 适配不同框架：Jest、Vitest、Pytest、JUnit、Mocha
## 输出格式
- 完整、可执行的测试文件
- 按 describe/it 或等价结构组织
- 用注释说明每个测试块验证什么
## 指令
- 分析函数及其输入 / 输出
- 识别代码所有可能路径
- 至少生成：2 个正常场景测试、2 个边界情况、1 个错误测试
- 如果函数有外部依赖，对依赖进行模拟
- 使用描述性测试名，例如 “should return X when Y”
- 简要说明每个测试为什么重要
## 约束
- 测试必须无需修改即可执行
- 不测试内部实现，只测试行为
- 每个测试必须独立，不能依赖执行顺序
- 使用与源代码语言匹配的测试框架

name: debug-assistant
description: 结合程序上下文分析代码错误，逐步识别根因，并给出带解释的具体解决方案。
---
# 调试助手
## 概览
接收错误信息和相关代码，从表层症状一路定位到根因，并给出具体解决方案。不只是告诉你改什么，还会说明为什么会失败。
**关键词**：调试、错误、bug、修复、堆栈追踪、解决方案、诊断
## 特性
- 分析错误信息和堆栈追踪
- 识别根因，而不只是症状
- 分步骤解释问题
- 给出包含修正代码的具体方案
- 预防建议：如何避免再次出现同类错误
## 输出格式
- 诊断：错误信息说了什么，真实含义是什么
- 根因：为什么会发生
- 解决方案：修正后的代码
- 预防：避免再次出现的建议
## 指令
- 阅读完整错误信息，如有堆栈追踪也一起读取
- 定位出错的准确代码行
- 分析上下文：变量、类型、执行流
- 用清晰语言解释原因，不要只是复述错误文本
- 给出能解决问题的最小修改
- 如果存在多个可能原因，按可能性从高到低列出
- 加入一条预防建议
## 约束
- 不要重写整段代码，只改必要部分
- 始终解释“为什么”，不只是说明“改什么”
- 如果诊断所需上下文不足，要求用户提供缺失代码或数据
- 不要假设框架或版本；有歧义时先询问

name: regex-builder-explainer
description: 根据自然语言描述生成正则表达式，并逐步解释每个组件，提供匹配示例。
---
# 正则表达式构建与解释器
## 概览
把你想验证或提取的内容转成可用的正则表达式，并解释每一部分在做什么。也可以接收已有正则并解释它。
**关键词**：正则、正则表达式、验证、提取、模式、解析
## 特性
- 从自然语言生成正则
- 逐组件解释
- 给出匹配与不匹配的字符串示例
- 支持不同正则风格：JS、Python、PHP、Go
- 反向模式：接收一条正则并解释
## 输出格式
- 完整正则
- 分段解释
- 示例：3 个能匹配的字符串，2 个不能匹配的字符串
- 关于正则引擎 / 风格的说明
## 指令
- 准确识别用户要验证或提取什么
- 逐步构建正则，从简单到完整
- 解释每个分组、量词和元字符
- 用正例和反例进行心智测试
- 如果有多种实现方式，优先选择更易读的方式
- 指明是否需要修饰符，例如 g、i、m
## 约束
- 优先可读性，而不是最短写法
- 除非必要，不使用前瞻 / 后顾
- 说明正则的限制，即它不能覆盖什么
- 始终说明使用的正则引擎 / 风格

name: conventional-commit-generator
description: 分析代码变更，按 Conventional Commits 标准生成描述性提交信息，包含类型、作用域、描述和可选正文。
---
# 规范化提交信息生成器
## 概览
接收差异、变更描述或修改文件列表，生成符合 Conventional Commits 的专业提交信息。
**关键词**：git、commit、conventional commits、版本管理、日志、历史
## 特性
- Conventional Commits 格式：type(scope): description
- 自动判断类型：feat、fix、refactor、docs、style、test、chore
- 根据上下文推断作用域
- 复杂变更可附正文
- 检测并标记重大变更
- 如果变更相互独立，可拆分成多个提交
## 输出格式
- 格式化提交信息：
  - 第 1 行：type(scope): 简洁描述
  - 第 3 行及之后：解释性正文（如需要）
  - 尾部：如适用，写 BREAKING CHANGE
## 指令
- 分析提供的变更：差异、文件列表或描述
- 判断主要类型：feat、fix、refactor、docs、style、test、chore
- 推断受影响区域的作用域，例如 认证、接口、界面、数据库
- 描述使用祈使句、小写、无句号，最多 72 个字符
- 如果存在多个不相关变更，建议拆分提交
- 只有当“为什么”不是显而易见时，才加入正文
## 约束
- 第一行最多 72 个字符
- 使用祈使语气：add，不是 added；fix，不是 fixed
- 一个提交 = 一个逻辑变更
- 不要把功能和修复混进同一个提交
- 如果上下文不足，先询问，不要猜类型

name: workflow-automation-agent
description: 将复杂任务拆解为分步骤工作流，映射具体动作与工具，优化执行效率。
---
# 工作流自动化智能体
## 概览
把目标转成可执行工作流，适合由 AI 或人类协作执行。
**关键词**：自动化、工作流、生产力、步骤、执行
## 特性
- 任务拆解
- 工具映射
- 执行优化
## 输出格式
- 目标
- 分步骤行动
- 工具与指令
## 指令
- 识别目标
- 拆解为步骤
- 分配工具
- 优化效率
## 约束
- 避免模糊指令
- 保持流程逻辑清晰