AI 提示词:智能学习与测验生成器

0 浏览
0 试用
0 购买
Oct 13, 2025更新

本提示词模板专为学习场景设计,能够将复杂知识转化为易于理解的解释内容,并自动生成配套的选择题测验。通过结构化的工作流程,首先对输入的学习主题进行深度解析和知识梳理,然后生成清晰易懂的核心概念解释,最后基于知识点设计具有针对性的选择题。该模板特别适合教育工作者快速准备教学材料,学生进行自主学习巩固,以及在线教育平台构建智能学习系统。其亮点在于将学习内容解析与测验生成有机结合,确保解释内容与测验题目高度相关,有效提升学习效果和知识掌握程度。

示例1

## 主题分析
- 学科归属:物理(力学,经典力学)
- 学习难度:基础
- 核心概念:合力与加速度的关系、质量的作用、矢量方向一致性、单位与量纲
- 前置知识要求:加速度的定义与匀变速运动基础、常见力的识别(重力、支持力、摩擦等)、基本代数与矢量概念、SI单位体系

## 知识框架
1. 牛顿第二定律的表述
   - 数学表达:ΣF = m a
   - 适用范围:经典低速、质量不随时间显著变化的质点或刚体
2. 三个物理量
   - 力(F):作用的“推/拉”,矢量,单位N
   - 质量(m):惯性度量,标量,单位kg
   - 加速度(a):速度变化率,矢量,单位m/s²
3. 矢量关系与分解
   - a 的方向与合力 ΣF 的方向一致
   - 可按坐标轴分解(x、y方向分别应用 ΣF = ma)
4. 合力与自由体图
   - 将物体受力逐一标出:重力、支持力、拉力、摩擦、弹力等
   - 合力为所有外力的矢量和
5. 单位与量纲
   - 1 N = 1 kg·m/s²
6. 与牛顿第一定律的关系
   - ΣF = 0 ⇒ a = 0,物体保持静止或匀速直线运动(惯性)
7. 常见误区与辨析
   - “速度大不一定力大”,决定瞬时加速度的是合力
   - “匀速不等于无力”,而是合力为零(可能有力但相互平衡)
8. 典型应用
   - 直线加速、水平面摩擦、斜面分解

## 详细解释
### 核心概念
- 牛顿第二定律:物体的加速度与作用在它上的合力成正比,与质量成反比,方向与合力相同。数学式:ΣF = m a。
- 合力(ΣF):所有外力的矢量和。外力包括重力、支持力、拉力、摩擦力、弹簧力等。
- 质量(m):物体惯性的度量,数值越大,越“不容易被加速”。单位kg。
- 加速度(a):速度变化率,矢量,方向由合力决定。单位m/s²。
- 自由体图:把研究对象单独画出,仅画它所受的外力,便于求合力。
- 重力与重量:重力大小为 mg(近地面),方向向下;重量是重力对支撑的作用效果(通常等于重力的大小)。
- 摩擦力:接触面阻碍相对运动的力;动摩擦近似为 f = μN(μ为动摩擦系数,N为支持力)。
- 弹力(胡克定律近似):F弹 = kx(仅在弹性限度内),方向与形变相反。

### 关键原理
- 正比与反比:a ∝ ΣF,a ∝ 1/m。
- 方向性:a 的方向与 ΣF 完全一致;速度方向可与加速度不同(如减速)。
- 叠加原理:多个力可矢量相加;在各坐标方向分别应用 ΣF_x = m a_x,ΣF_y = m a_y。
- 零合力判据:ΣF = 0 ⇒ a = 0;可能静止,也可能做匀速直线运动。
- 单位推导:N = kg·m/s²,保证式子量纲一致。

### 应用示例
1) 直线加速(无摩擦)
- 已知:m = 2.0 kg,恒力 F = 6.0 N(水平)
- 计算:a = F/m = 6.0 / 2.0 = 3.0 m/s²
- 结论:加速度为 3.0 m/s²,方向与力同向

2) 水平面有摩擦
- 已知:m = 5.0 kg,推力 F推 = 20.0 N,动摩擦系数 μ = 0.20,g ≈ 9.8 m/s²
- 支持力:N = mg = 5.0 × 9.8 = 49 N
- 摩擦力:f = μN = 0.20 × 49 ≈ 9.8 N(反向)
- 合力:ΣF = 20.0 − 9.8 = 10.2 N(向前)
- 加速度:a = ΣF/m = 10.2 / 5.0 ≈ 2.04 m/s²

3) 光滑斜面下滑(无摩擦)
- 已知:m = 1.0 kg,斜面倾角 θ = 30°,g ≈ 9.8 m/s²
- 沿斜面方向的重力分量:mg sinθ = 9.8 × 0.5 = 4.9 N
- 合力(沿斜面):ΣF = 4.9 N
- 加速度:a = ΣF/m = 4.9 / 1.0 = 4.9 m/s²(沿斜面向下)

## 选择题测验
### 题目1
牛顿第二定律在质量恒定情况下的正确数学表达是:
- 选项A ΣF = m a
- 选项B F = m v
- 选项C F = m Δv
- 选项D a = F/m + 常数
正确答案:[A]

### 题目2
当物体所受合力为零时,下列说法正确的是:
- 选项A 物体可能静止,也可能做匀速直线运动
- 选项B 物体一定静止
- 选项C 物体加速度不为零
- 选项D 物体速度一定为零
正确答案:[A]

### 题目3
一个质量为 3 kg 的物体受到大小为 9 N 的合力作用,其加速度大小为:
- 选项A 1 m/s²
- 选项B 2 m/s²
- 选项C 3 m/s²
- 选项D 4 m/s²
正确答案:[C]

### 题目4
关于加速度方向的判断,正确的是:
- 选项A 加速度方向总和速度方向一致
- 选项B 加速度方向与合力方向一致
- 选项C 加速度方向与位移方向一致
- 选项D 加速度方向与合力方向相反
正确答案:[B]

### 题目5
牛顿(N)的单位等效于:
- 选项A kg·m/s
- 选项B kg·m
- 选项C kg·m/s²
- 选项D m/s²
正确答案:[C]

示例2

## 主题分析
- 学科归属:统计学与机器学习(监督学习/回归分析)
- 学习难度:进阶(需具备线性代数、概率统计与矩阵运算基础)
- 核心概念:线性模型与设计矩阵、最小二乘(OLS)与法方程、Gauss–Markov 定理、估计与推断(标准误、t/F 检验、区间)、帽子矩阵与杠杆值、模型设定与遗漏变量偏差、异方差与稳健标准误、共线性与VIF、诊断与正则化/模型选择

## 知识框架
- 1. 模型与表示
  - 1.1 线性模型:y = Xβ + ε(含截距)
  - 1.2 设计矩阵、参数维度与满秩要求
- 2. 估计与几何
  - 2.1 OLS 目标与解:β̂ = (X'X)^{-1}X'y
  - 2.2 法方程与投影:ŷ = H y,H = X(X'X)^{-1}X'
  - 2.3 残差 e = (I − H)y,正交与分解
- 3. 假设与性质
  - 3.1 Gauss–Markov 条件与 BLUE
  - 3.2 正态假设下的 MLE 与精确小样本推断
- 4. 推断与区间
  - 4.1 σ² 估计、标准误、t/F 检验
  - 4.2 置信区间与预测区间
- 5. 诊断与稳健性
  - 5.1 异方差、稳健标准误(HC)、加权最小二乘(WLS)
  - 5.2 杠杆值、Cook 距离、影响点
  - 5.3 共线性与 VIF、数值稳定性(QR/SVD)
- 6. 设定误差与偏差
  - 6.1 遗漏变量偏差(OVB)
  - 6.2 偏差-方差权衡与正则化(岭/套索简述)
- 7. 模型评估与选择
  - 7.1 R²与调整后R²
  - 7.2 AIC/BIC、交叉验证
- 8. 高维与计算
  - 8.1 p≥n 时的不可识别与广义逆
  - 8.2 数值算法与标准化/中心化

## 详细解释
### 核心概念
- 线性模型与设计矩阵
  - 形式:y = Xβ + ε,其中 y 为 n×1,X 为 n×p(含截距列1),β 为 p×1,ε 为误差。
  - 目标:用 β 描述自变量对因变量的线性影响或进行预测。
- 最小二乘估计(OLS)
  - 目标函数:最小化 RSS = ||y − Xβ||²。
  - 解:在 X 满列秩(rank p)时,β̂ = (X'X)^{-1}X'y。对应投影 ŷ = Hy,H = X(X'X)^{-1}X'。
- Gauss–Markov 定理(BLUE)
  - 条件:线性可识别、E[ε|X] = 0、Var(ε|X) = σ²I(同方差且无自相关)、X 满列秩。
  - 结论:在所有线性无偏估计量中,OLS 的方差最小(即 β̂ 为 BLUE)。
  - 注:不要求误差正态,但若误差正态,则 OLS 也是 MLE,可做精确小样本 t/F 推断。
- 帽子矩阵与杠杆值
  - H 对称幂等(H = H' = H²),trace(H) = p。
  - 杠杆值 h_ii = H 的对角元,衡量样本点在解释变量空间的“远离程度”。Var(ŷ) = σ²H。
- 推断与区间
  - Var(β̂ | X) = σ² (X'X)^{-1};σ² 的无偏估计 s² = RSS/(n − p)。
  - 单个系数的 t 统计量:t = β̂_j / se(β̂_j),se(β̂_j) 为对应标准误。
  - 预测新点 x0 的均值:ŷ0 = x0'β̂;其置信区间与单个新观测的预测区间宽度不同:
    - 均值的置信区间:ŷ0 ± t* s √(x0'(X'X)^{-1}x0)
    - 单个新观测的预测区间:ŷ0 ± t* s √(1 + x0'(X'X)^{-1}x0)
- 异方差与稳健标准误
  - 异方差使 OLS 仍无偏但不再有效率,常规标准误失效。
  - 解决:稳健标准误(HC0–HC3 等),或若已知权重则用加权最小二乘(WLS)。
- 共线性
  - 结果:系数方差增大、估计不稳定、p 值敏感;X'X 近奇异。
  - 诊断:VIF_j = 1/(1 − R_j²),R_j² 为用其他自变量回归第 j 个自变量的决定系数。
  - 缓解:收集更多数据、删除/合并变量、中心化、正则化(如岭回归)、用主成分。
- 遗漏变量偏差(OVB)
  - 若真实模型 y = X1β1 + X2β2 + ε,但仅回归 y ~ X1,则
    - plim β̂1 = β1 + (X1'X1)^{-1}X1'X2 β2
  - 单一自变量情形:若遗漏变量 z 对 y 的真影响为 γ,且 Cov(x, z) ≠ 0,则 x 的估计偏差方向为 sign(γ) × sign(Cov(x, z))。
- 模型评估与选择
  - R² = 1 − RSS/TSS;调整后 R² 惩罚参数数量:Adj R² = 1 − [(RSS/(n − p)) / (TSS/(n − 1))]。
  - AIC ≈ n ln(RSS/n) + 2p;BIC ≈ n ln(RSS/n) + p ln n(惩罚更重,偏好更简洁模型)。
- 计算与数值
  - 正规方程(X'X)^{-1}X'y 在数值上可能不稳定;推荐 QR 或 SVD。
  - p ≥ n 时 OLS 不唯一,可用广义逆求最小范数解;或使用正则化(岭、套索)。
- 尺度变换
  - 对自变量线性缩放会改变系数与其标准误的数值,但对应的 t 统计不变;预测 ŷ 不变(在相应重标定后)。

### 关键原理
- 法方程与投影几何:X'X β̂ = X'y 等价于 ŷ 在 X 的列空间中,使得残差 e 与列空间正交;H 为该空间的正交投影。
- Gauss–Markov:在同方差且无自相关下,任何线性无偏估计的方差矩阵减去 Var(β̂) 都是半正定的。
- MLE 等价性:正态误差下最大似然估计即最小化 RSS;从而 OLS = MLE,σ² 的 MLE 为 RSS/n(无偏估计用 RSS/(n − p))。
- 偏差-方差权衡:加入变量可降偏差但升方差;正则化(如岭)引入偏差以显著降方差,提升泛化性能。

### 应用示例
- 数值 OLS 与推断(含截距与 1 个自变量)
  - 数据:(x, y) = {(1, 1), (2, 2), (3, 2)};X = [[1,1],[1,2],[1,3]]
  - X'X = [[3,6],[6,14]];(X'X)^{-1} = [[7/3, −1], [−1, 1/2]]
  - X'y = [5, 11];β̂ = (X'X)^{-1}X'y = [0.6667, 0.5]
  - 预测值 ŷ = [1.1667, 1.6667, 2.1667];残差 e = [−0.1667, 0.3333, −0.1667]
  - RSS = 0.1667;s² = RSS/(n − p) = 0.1667/(3 − 2) = 0.1667;s = 0.4082
  - Var(β̂) = s² (X'X)^{-1};se(β̂_斜率) = √(0.1667 × 0.5) = 0.2887;t = 0.5 / 0.2887 ≈ 1.732(df=1)
- 预测区间(新点 x0 = 2.5)
  - x0' = [1, 2.5];h0 = x0'(X'X)^{-1}x0 ≈ 0.4583
  - ŷ0 = 0.6667 + 0.5×2.5 = 1.9167
  - 95% 预测区间:ŷ0 ± t* s √(1 + h0);df=1 时 t≈12.706,区间约为 1.9167 ± 6.273(样本很小,区间很宽)
- 遗漏变量偏差方向
  - 真模型 y = 2 + 3x + 5z + ε,且 z 与 x 正相关(例如 z ≈ 0.8x + 噪声)
  - 仅回归 y~x 时,E[β̂_x] ≈ 3 + 5×0.8 = 7,向上偏;偏差来源:遗漏了对 y 有正效应且与 x 正相关的 z

## 选择题测验
### 题目1
关于 Gauss–Markov 定理,以下哪项表述是正确的?
- 选项A 正态误差是 OLS 为 BLUE 的必要条件
- 选项B 只要 E[ε|X]=0 且 X 满秩,即使异方差存在,OLS 仍是 BLUE
- 选项C 在同方差且无自相关、X 满秩、E[ε|X]=0 时,OLS 在所有线性无偏估计中方差最小
- 选项D 若误差独立同分布但存在自相关,OLS 仍是 BLUE
正确答案:[C]

### 题目2
下列关于帽子矩阵 H = X(X'X)^{-1}X' 的性质,哪项是错误的?
- 选项A H 对称且幂等(H = H' = H²)
- 选项B trace(H) 等于参数个数 p(含截距)
- 选项C Var(ŷ|X) = σ² H,在同方差条件下成立
- 选项D 残差 e 与拟合值 ŷ 的相关性一般不为 0
正确答案:[D]

### 题目3
关于遗漏变量偏差(OVB),以下哪项判断正确?
- 选项A 若遗漏变量 z 对 y 的真实影响为正,且与保留变量 x 正相关,则 x 的估计系数向下偏
- 选项B 若遗漏变量 z 对 y 无影响,则即使 z 与 x 高度相关也不会导致偏差
- 选项C OVB 的方向由遗漏变量对 y 的效应方向与其和保留变量的相关方向共同决定
- 选项D OVB 只在小样本下出现,大样本会自动消失
正确答案:[C]

### 题目4
关于多重共线性的描述或应对方法,哪项不恰当?
- 选项A 共线性会增大系数方差,使估计不稳定
- 选项B 使用岭回归可通过引入偏差来显著降低方差
- 选项C 完全共线性导致 X'X 不可逆,可用删除或合并变量来恢复可识别性
- 选项D 对自变量进行线性缩放可以消除完全共线性
正确答案:[D]

### 题目5
以下关于异方差与稳健标准误(HC)的说法,哪项是正确的?
- 选项A 存在异方差时,OLS 系数必然有偏
- 选项B 存在异方差时,常规(同方差假设下的)标准误仍然有效
- 选项C 稳健标准误可以在不改变系数估计的情况下,提供对异方差稳健的推断
- 选项D 若权重未知,WLS 总是优于使用稳健标准误
正确答案:[C]

示例3

## 主题分析
- 学科归属:生物学(细胞生物学与植物生理学)
- 学习难度:中等(未提供难度参数,默认设置为中等)
- 核心概念:光依赖反应(光反应)、卡尔文循环(暗反应/光独立反应)、叶绿体结构(类囊体、基质)、能量与还原力(ATP、NADPH)、Rubisco与CO2固定、光呼吸、C3/C4/CAM适应策略、限制因子(光强、CO2浓度、温度)

## 知识框架
- 光合作用整体概览
  - 总反应式与能量转化
  - 叶绿体结构及功能分区
- 光依赖反应(发生在类囊体膜)
  - 光捕获与色素(叶绿素a/b、辅助色素)
  - PSII与水的光解、氧释放
  - 电子传递链(PQ、Cyt b6f、PC、PSI、Fd、FNR)
  - 质子梯度与化学渗透、ATP合成
  - 非循环与循环光合磷酸化
- 卡尔文循环(发生在基质)
  - CO2固定(Rubisco催化RuBP羧化)
  - 还原阶段(3-PGA → G3P)
  - 再生阶段(RuBP再生)
  - 化学计量(每固定1个CO2消耗ATP与NADPH;净产物G3P与葡萄糖)
- 光呼吸与适应机制
  - Rubisco的双功能性
  - C3、C4与CAM途径对高温干旱的适应
- 限制因子与测定
  - 光强、CO2、温度、水分、叶片气孔
  - 吸收光谱与作用光谱
  - 产氧/CO2同化率测量

## 详细解释
### 核心概念
- 叶绿体:植物细胞中进行光合作用的细胞器。内部含类囊体(堆叠成基粒)与基质(stroma)。
- 类囊体膜:光依赖反应的场所,嵌有光系统与电子传递链复合体。
- 基质(Stroma):卡尔文循环的反应空间,含Rubisco等酶。
- 光系统II(PSII):吸收光能,催化水的光解,释放O2,提供电子至电子传递链。
- 光系统I(PSI):再次激发电子,经铁氧还蛋白(Fd)与FNR生成NADPH。
- ATP与NADPH:光反应产物。ATP提供能量,NADPH提供还原力,供卡尔文循环固定CO2。
- 卡尔文循环:由羧化、还原、再生三阶段组成,将CO2固定为三碳糖(G3P)。
- Rubisco:催化RuBP与CO2反应的关键酶,同时具有加氧活性,引发光呼吸。
- 光呼吸:Rubisco与O2反应导致碳与能量损失,在高温、低CO2时加剧。
- C3植物:直接用Rubisco固定CO2;在高温干旱条件下受光呼吸影响大。
- C4植物:先用PEP羧化酶在叶肉细胞固定HCO3−为四碳化合物,再在维管束鞘细胞释放高浓度CO2给Rubisco,提高效率、降低光呼吸。
- CAM植物:夜间固定CO2为有机酸,白天释放CO2进行卡尔文循环,以时间分隔减少水分损失与光呼吸。

### 关键原理
- 光依赖反应(“Z”图示意)
  - 光能被色素吸收,激发PSII反应中心电子。
  - 水的光解:2H2O → O2 + 4H+(类囊体腔) + 4e−,氧在叶片释放。
  - 电子经PQ到达Cyt b6f,推动质子跨膜转运,建立类囊体腔内高H+浓度。
  - 电子到PSI再次被光激发,经Fd和FNR还原NADP+为NADPH。
  - ATP合成:ATP合酶利用质子梯度合成ATP(化学渗透)。
  - 非循环光合磷酸化:同时生成ATP与NADPH,并释放O2。
  - 循环光合磷酸化:电子在PSI→Fd→Cyt b6f→PSI间循环,只生成ATP,不产NADPH或O2,用于满足卡尔文循环较高的ATP需求。
- 卡尔文循环的化学计量
  - 羧化:CO2 + RuBP(5C)→ 两分子3-PGA(3C)。
  - 还原:3-PGA利用ATP与NADPH转为G3P。
  - 再生:部分G3P用于再生RuBP,耗ATP。
  - 每固定1个CO2,消耗约3 ATP与2 NADPH。
  - 净产物关系:固定3个CO2净输出1个G3P(3C),消耗9 ATP与6 NADPH;合成1个葡萄糖(需要2个G3P,即6个CO2)约需18 ATP与12 NADPH。
- 总反应式(简化)
  - 6 CO2 + 6 H2O + 光能 → C6H12O6 + 6 O2
  - 真实细节更复杂,水在反应两侧出现,电子供体为水,氧气来源于水的光解。
- 吸收光谱与作用光谱
  - 叶绿素在蓝光与红光区吸收强;作用光谱显示不同波长对光合速率的贡献,辅助色素扩展吸收范围。
- 限制因子与环境影响
  - 光强:低光时限制速率;达到饱和后再增光效果有限。
  - CO2浓度:提高可提升同化速率,直至酶与再生能力受限。
  - 温度:影响酶活性与气孔开闭;高温增加光呼吸(C3),C4/CAM适应较好。
  - 水分与气孔:气孔关闭降低CO2输入、提高O2相对比例,增强光呼吸。

### 应用示例
- 计算示例:合成1分子葡萄糖需要固定6个CO2,约需18个ATP与12个NADPH;若只考虑净输出1分子G3P(3C),需9个ATP与6个NADPH。
- 情境分析:在强光且CO2偏低的炎热环境中,C3植物光呼吸增强,净同化率下降;C4植物因CO2浓缩机制维持较高效率。
- 实验测量:用水生植物在不同光照下测定溶氧变化,可近似反映光合速率;配合CO2传感与温控,更全面判断限制因子。

## 选择题测验
### 题目1
光依赖反应的主要发生部位是哪里?
- 选项A 类囊体膜
- 选项B 基质(stroma)
- 选项C 细胞质
- 选项D 细胞核
正确答案:[A]

### 题目2
卡尔文循环中直接催化CO2与RuBP反应的酶是?
- 选项A PEP羧化酶
- 选项B Rubisco
- 选项C FNR(铁氧还蛋白-NADP+还原酶)
- 选项D ATP合酶
正确答案:[B]

### 题目3
循环光合磷酸化的主要功能是?
- 选项A 产生NADPH并释放O2
- 选项B 仅增加ATP产量以满足卡尔文循环的能量需求
- 选项C 固定CO2形成G3P
- 选项D 提高水的光解速率
正确答案:[B]

### 题目4
净输出1分子G3P(3碳)通常需要消耗的ATP与NADPH分别为多少?
- 选项A 6 ATP,3 NADPH
- 选项B 9 ATP,6 NADPH
- 选项C 12 ATP,8 NADPH
- 选项D 18 ATP,12 NADPH
正确答案:[B]

### 题目5
下列关于C4植物的叙述何者正确?
- 选项A 直接以Rubisco在叶肉细胞固定CO2,光呼吸在高温下不明显
- 选项B 夜间固定CO2,白天释放CO2(时间分隔)
- 选项C 通过在维管束鞘细胞内提高CO2浓度,减少光呼吸,提高高温干旱条件下的效率
- 选项D 只能在低光低温环境中高效进行光合作用
正确答案:[C]

适用用户

K12教师/教研员

快速完成备课:生成知识框架、讲义与配套选择题,按班级水平调整难度,高效组织课堂与课后练习。

高校讲师/助教

将抽象理论重构为通俗材料,配出分层测验与答案解析,用于课堂练习、随堂测与期末自测复盘。

学生/自学者

输入主题即可获得清晰解释与应用示例,立即做题检验掌握,定位薄弱知识点并针对性强化。

解决的问题

- 一键生成“可教+可测”的学习闭环:将复杂主题转化为通俗易懂的解释,并同步产出高质量选择题,讲练一致。 - 面向教师、学生、在线教育平台与企业培训,快速交付可发布的教学材料与测验,缩短准备时间、提升学习效果。 - 支持难度可控、重点覆盖与错题诊断,帮助学习者巩固核心知识、查缺补漏,提高通过率与满意度。 - 为课程开发与内容运营提供标准化流程和一致性输出,降低人力成本、提升内容交付效率与质量。

特征总结

轻松拆解主题,一次输入即可生成主题分析与层级知识框架,并标注核心概念与前置要求。
自动生成通俗解释、关键原理与应用示例,帮助快速掌握复杂知识要点,并减少记忆负担。
结合讲解一键生成选择题测验,题目与知识点强关联,难度循序递进。
可自定义测验难度与题量,立即获得覆盖关键知识的练习套卷与答案解析。
对不同学科与行业培训场景自动适配,按目标调整深度与表述风格要求。
内置认知友好结构与分层呈现,降低信息噪音,让学习更专注、更高效。
自动校准术语与逻辑一致性,减少误解与遗漏,提升内容可靠度与信心。
形成完整学习闭环:课前解析、课中讲解、课后评估,数据可用于教改。
一键批量生成课程模块,支持平台快速上新、构建题库,节省人力与时间成本。
安全合规输出,自动规避不当与偏见内容,适用于课堂、平台与企业培训。

如何使用购买的提示词模板

1. 直接在外部 Chat 应用中使用

将模板生成的提示词复制粘贴到您常用的 Chat 应用(如 ChatGPT、Claude 等),即可直接对话使用,无需额外开发。适合个人快速体验和轻量使用场景。

2. 发布为 API 接口调用

把提示词模板转化为 API,您的程序可任意修改模板参数,通过接口直接调用,轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。

3. 在 MCP Client 中配置使用

在 MCP client 中配置对应的 server 地址,让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作,让提示词在不同 AI 工具间无缝衔接。

AI 提示词价格
¥20.00元
先用后买,用好了再付款,超安全!

您购买后可以获得什么

获得完整提示词模板
- 共 753 tokens
- 2 个可调节参数
{ 学习主题 } { 测验难度 }
自动加入"我的提示词库"
- 获得提示词优化器支持
- 版本化管理支持
获得社区共享的应用案例
限时免费

不要错过!

免费获取高级提示词-优惠即将到期

17
:
23
小时
:
59
分钟
:
59