prompts.chat从提示词合集到全球最大的开源 AI 提示词平台一、引言你电脑里有多少个 Prompt 文件微信收藏里有多少条“神奇指令”Notion 文档里有多少个“AI 提示词模板”页面看起来很简单对吧写个好的 Prompt复制到 ChatGPT 里用就行了。但当你积累了 50 个、100 个、500 个 Prompt 之后——它们散落在聊天记录、浏览器书签、截图、本地 txt、飞书文档、Obsidian 笔记里——事情开始变得失控了。你可能会问有没有一个地方能把所有 Prompt 统一管理起来——能搜索、能分类、能分享、能追踪版本还能直接接入 AI 工具链这正是 prompts.chat 要回答的问题。prompts.chat 不是又一个 Prompt 列表而是全球最大的开源 AI 提示词平台——从 2022 年 12 月的一个 CSV 文件起步发展为拥有 16 万 GitHub Star、5000 精选提示词、支持 17 种语言、可自托管的完整社区平台让 Prompt 从散落在各处的“素材”变成可搜索、可复用、可协作的团队资产。本文将深入剖析 prompts.chat 的架构设计、核心模块、技术选型和工程化实践帮你理解它为什么能从一个小小的提示词合集成长为 AI 领域最具影响力的开源项目之一。二、项目概览从“Awesome ChatGPT Prompts”到全球最大的提示词平台2.1 一句话概括prompts.chat 不是又一个“提示词列表”而是一个从 CSV 文件进化而来的完整开源提示词管理平台——集浏览、搜索、收藏、分享、版本控制、自托管、MCP 集成于一体让 Prompt 从“复制粘贴的素材”变成“可搜索、可复用、可协作的团队资产”。2.2 项目起源2022 年 12 月的那个 CSV 文件prompts.chat 原名Awesome ChatGPT Prompts诞生于 2022 年 12 月——彼时 ChatGPT 刚刚发布不到一个月全世界还在摸索“怎么和 AI 对话”。项目创始人创建了一个简单的 CSV 文件收录了一批高质量的提示词示例方便大家复制粘贴使用。谁也没想到这个 CSV 文件会成长为全球最大的开源 AI 提示词平台。2.3 核心数据指标数据来源/时间GitHub Stars16 万截至 2026 年 8 月Forks2.13 万截至 2026 年 8 月累计提交7,000 次截至 2026 年 8 月精选提示词5,000支持语言17 种Hugging Face 下载量最受欢迎的提示词数据集学术引用40 篇2.4 影响力被谁认可了prompts.chat 的影响力远远超出了开源社区被 Forbes 报道被哈佛大学、哥伦比亚大学引用为教学资源获得 40 篇学术论文引用被 OpenAI 联合创始人 Greg Brockman 和 Wojciech Zaremba 推荐被 Hugging Face CEO Clement Delangue 推荐被前 GitHub CEO Thomas Dohmke 推荐被评为 Hugging Face 上“最受欢迎的提示词数据集”获得 GitHub Staff Pick员工精选看到了吗一个开源项目的“出圈”程度可以从这些名字里感受到——OpenAI 的联合创始人、Hugging Face 的 CEO、GitHub 的 CEO 都在推荐它。这不是一个冷门玩具而是已经被大量 AI 用户和开发者长期关注的 Prompt 入口。三、整体架构与设计哲学3.1 架构演进从 CSV 到全栈平台prompts.chat 的架构演进可以分为三个阶段阶段形态核心特征Phase 12022.12单文件 CSV一个 prompts.csv纯文本列表Phase 22023静态网站将 CSV 渲染为 PROMPTS.md可浏览Phase 32024-2026全栈平台Next.js PostgreSQL Prisma完整的社区平台3.2 三大核心架构原则prompts.chat 建立在三大核心架构原则之上① 双持久化Dual Persistence所有提示词同时存储在 PostgreSQL 和 prompts.csv 中。PostgreSQL 负责运行时查询、搜索和过滤prompts.csv 负责 Git 版本历史和贡献者归属。② 配置驱动定制Configuration-Driven Customization整个应用可以通过prompts.config.ts和环境变量进行定制无需修改代码即可实现白标部署。③ 多协议访问Multi-Protocol Access提示词可以通过三种方式访问标准 Web UI浏览器访问CLI 工具命令行快速调用MCPModel Context Protocol直接集成到 AI IDE 中设计洞察双持久化架构的收益在于兼顾了数据库的性能和 Git 的可追溯性——社区可以通过 Web 界面提交提示词同时仓库保持 CSV 作为可审计的事实来源。代价在于需要维护双向同步机制增加了系统的复杂度。因此这种架构特别适合需要社区协作和版本追溯的公开数据集项目。3.3 技术栈prompts.chat 是一个全栈 Next.js 应用层级技术说明前端框架Next.js 14 App RouterSSR React Server ComponentsUI 框架React 18组件化 UI样式Tailwind CSS v4OKLCH 色彩系统数据库PostgreSQL主数据存储ORMPrisma类型安全的数据库访问认证NextAuth.js多提供商 OAuth 凭证登录国际化next-intl17 种语言支持AI 集成OpenAI APIEmbeddings、质量检查部署Docker自托管支持代码库采用monorepo 结构包含主 Next.js 应用、CLI 工具和浏览器扩展。3.4 三层架构prompts.chat 遵循标准的三层架构┌─────────────────────────────────────────────────────────────────────┐ │ 表示层Presentation Layer │ │ Next.js App Router 页面 React Server Components │ │ 主题系统 17 种语言国际化支持 │ └─────────────────────────────────────────────────────────────────────┘ │ ┌─────────────────────────────────────────────────────────────────────┐ │ 应用层Application Layer │ │ Next.js API Routes Server Actions │ │ 业务逻辑提示词 CRUD、搜索、过滤、质量检查 │ └─────────────────────────────────────────────────────────────────────┘ │ ┌─────────────────────────────────────────────────────────────────────┐ │ 数据层Data Layer │ │ PostgreSQL运行时查询←→ prompts.csvGit 历史双向同步 │ │ Prisma ORM 迁移管理 │ └─────────────────────────────────────────────────────────────────────┘四、核心模块源码解析4.1 源码目录结构prompts.chat/ ├── src/ │ ├── app/ # Next.js App Router │ │ ├── api/ # API 路由 │ │ │ └── prompts/ # 提示词 CRUD API │ │ ├── prompts/ # 提示词浏览页面 │ │ │ ├── [id]/page.tsx # 提示词详情页 │ │ │ └── page.tsx # 提示词列表页 │ │ └── page.tsx # 首页 │ ├── components/ # React 组件 │ │ ├── layout/ # 布局组件 │ │ └── prompts/ # 提示词相关组件 │ ├── lib/ # 工具库 │ │ └── config/ # 配置系统 │ └── content/book/ # 提示词工程电子书 ├── prisma/ │ └── schema.prisma # 数据库 Schema ├── scripts/ │ └── generate-contributors.sh # CSV 同步脚本 ├── prompts.csv # Git 版本控制的提示词数据 ├── PROMPTS.md # 人类可读的提示词文档 ├── prompts.config.ts # 应用配置 └── messages/ # 17 种语言的国际化文件4.2 双持久化架构PostgreSQL CSV 双向同步这是 prompts.chat 最核心的架构特征。数据库 SchemaPrisma中的核心模型// 文件路径prisma/schema.prisma示意model Prompt{id Stringiddefault(cuid())title String description String?content String// 提示词正文category String?tags String[]isPrivate Boolean default(false)// 私有提示词isUnlisted Boolean default(false)// 不公开列出createdAt DateTime default(now())updatedAt DateTimeupdatedAtauthor Userrelation(fields:[authorId],references:[id])contributors PromptContributor[]// 多对多贡献者关系}model User{id Stringiddefault(cuid())name String?email Stringunique// ...prompts Prompt[]contributed PromptContributor[]}CSV 同步机制scripts/generate-contributors.sh脚本从生产站点的 CSV 端点拉取最新数据更新本地仓库并通过 Git 元数据保留贡献者归属。数据流用户通过 Web UI 提交提示词 ↓ PostgreSQL 存储运行时查询、搜索、过滤 ↓ scripts/generate-contributors.sh 同步 ↓ prompts.csv 更新Git 历史、贡献者归属 ↓ GitHub 仓库自动提交由 GitHub Action 触发设计洞察这种“数据库 CSV”双轨制设计的收益在于——社区贡献者可以通过 Web 界面提交提示词而 GitHub 仓库始终保持为可审计的 CSV 事实来源。代价在于双向同步需要额外的脚本和 CI 流程来维持一致性。4.3 配置系统白标部署的核心配置系统将静态代码配置与运行时环境变量合并// 文件路径prompts.config.ts示意exportdefault{branding:{name:prompts.chat,logo:/logo.svg,// ...},auth:{providers:[github,google,credentials],// ...},features:{enableMCP:true,enableClaudePlugin:true,// ...}}环境变量以PCHAT_为前缀可以覆盖配置文件中的任意值。配置驱动的白标部署意味着你 fork 这个项目修改几行配置就能部署一个完全属于你自己品牌的提示词平台——Logo、名称、主题色、功能开关全部可定制。4.4 搜索系统关键词 AI 语义搜索prompts.chat 的搜索系统在两个层面运行搜索类型技术特点关键词搜索传统文本匹配 逗号分隔词 过滤器快速、精确AI 语义搜索OpenAI Embeddings 余弦相似度 多语言查询翻译理解意图、跨语言4.5 国际化17 种语言支持prompts.chat 通过next-intl支持17 种语言包括中文、日语、韩语、法语、西班牙语等。所有提示词和 UI 文本都可以在messages/目录下找到对应的翻译文件。五、核心功能与使用场景5.1 它解决的是什么问题prompts.chat 解决的核心问题非常朴素AI 工具越多Prompt 反而越容易乱。你可能在这些地方都存过 Prompt微信收藏、飞书文档、Notion、ObsidianChatGPT / Claude / Gemini 的历史会话截图、浏览器书签、本地 txt团队群里别人发过的一段“神奇指令”问题在于能存下来不等于能复用。常见做法真实问题复制到备忘录找不到版本也不知道谁改过放进普通文档能看但不好搜索、分类和运行收藏别人的 Prompt不一定适合自己的模型和业务每个人各存一份团队经验无法沉淀质量也不稳定临时改一改就用变量、上下文、边界很难统一prompts.chat 的价值就是把这些零散 Prompt 收拢成一个更像“平台”的东西。5.2 核心功能矩阵功能说明对用户的意义Prompt 浏览与搜索统一检索 5000 精选提示词从“到处找”变成“统一检索”分类、标签与社区提交结构化的提示词组织方式让 Prompt 更容易沉淀和发现变量支持动态参数替换把一次性文案变成可复用模板自托管Docker 一键部署团队可以部署私有 Prompt 库CLI / Raycast命令行快速调用不用每次打开网页MCP 集成Model Context Protocol接入 AI 工具链不只是复制粘贴提示词工程电子书25 章免费互动教程不是只给模板也给学习路径版本控制内置版本管理和变更请求系统追踪提示词的每一次改进Kids Learning Game8-14 岁儿童的互动游戏教孩子如何与 AI 沟通5.3 MCP 集成让提示词进入 AI 工具链prompts.chat 实现了MCPModel Context Protocol标准使得 AI 工具可以直接与提示词库进行程序化交互。prompts.chat MCP Server暴露了所有公开提示词作为 MCP 资源通过prompts/list列出所有提示词在 AI 编码助手中直接搜索、浏览和使用提示词这意味着什么你不再需要打开浏览器、搜索、复制、粘贴——你的 AI 助手可以直接从 prompts.chat 拉取提示词并应用到当前任务中。设计洞察MCP 集成的收益在于将提示词库从“静态资源”变成了“可被 AI 主动调用的动态能力”。代价在于需要维护 MCP 服务器的稳定性和 API 兼容性。因此这种集成特别适合深度使用 AI 编码助手的开发者轻度用户则可能更倾向于直接使用 Web UI。六、工程化实践6.1 快速部署三种方式方式一直接访问官网访问 prompts.chat 即可浏览、搜索和使用所有公开提示词。方式二Docker 自托管推荐prompts.chat 提供了完整的 Docker 支持可以一键部署到自己的服务器或 NAS 上# 一键部署脚本curl-fsSLhttps://gitee.com/jun-wan/script/raw/master/prompts-chat-manager/prompts-chat-manager.sh\-o/tmp/prompts-chat-manager.sh\chmodx /tmp/prompts-chat-manager.sh\/tmp/prompts-chat-manager.sh部署完成后会输出访问地址以及默认生成的管理员账号和密码。方式三自托管配置对于需要深度定制的场景可以参考 SELF-HOSTING.md可自定义品牌Logo、名称、主题色可配置认证方式GitHub、Google、邮箱密码可启用/禁用功能开关6.2 贡献方式任何人都可以通过两种方式向 prompts.chat 贡献提示词Web 界面访问 prompts.chat/prompts/new填写表单提交GitHub提交 Pull Request 修改prompts.csv通过 Web 界面提交的提示词会由GitHub Action 自动创建 commit。新提交的提示词会经过可选的质量检查和去重检查然后才被持久化。6.3 浏览器扩展与 Raycast 集成prompts.chat 提供了多种快捷访问方式Firefox 扩展支持智能过滤按分类、标签、提示词类型Text/JSON/Image/Video一键复制到剪贴板Raycast 扩展在 Raycast 中搜索、浏览和复制 AI 提示词6.4 配套学习资源prompts.chat 不只是“给鱼”也“给渔”《The Interactive Book of Prompting》25 章免费互动提示词工程指南覆盖从基础到高级技术思维链推理、Few-shot Learning、AI Agents《Prompting for Kids》面向 8-14 岁儿童的互动游戏式学习体验七、生态与影响力7.1 社区数据对比指标prompts.chat其他提示词项目GitHub Stars16 万通常数千至数万Hugging Face最受欢迎的数据集—学术引用40 篇极少企业引用Forbes、Harvard、Columbia极少7.2 它和普通 Prompt 列表有什么不同对比维度普通 Prompt 列表prompts.chat形态静态 Markdown/CSV完整的 Web 平台搜索CtrlF全文搜索 AI 语义搜索分类简单目录分类 标签 过滤器协作Pull RequestWeb 提交 自动同步版本控制Git 历史内置版本管理系统私有部署不支持Docker 一键自托管工具集成手动复制CLI Raycast MCP变量支持无动态变量替换学习资源无25 章互动教程7.3 适用场景场景推荐度说明个人 Prompt 管理★★★★★统一收藏、搜索、分类所有 Prompt团队 Prompt 资产库★★★★★自托管部署团队共享最佳实践AI 应用开发者★★★★通过 API/MCP 集成提示词库提示词工程学习★★★★★5000 示例 25 章教程企业私有部署★★★★白标定制 数据隐私八、总结与展望8.1 核心架构亮点汇总亮点说明双持久化架构PostgreSQL运行时 CSVGit 历史兼顾性能与可追溯性配置驱动白标无需修改代码即可完成品牌定制和功能开关多协议访问Web UI CLI MCP三种方式接入17 种语言支持next-intl 国际化覆盖全球主流语言AI 语义搜索OpenAI Embeddings 余弦相似度MCP 原生集成AI 编码助手可直接调用提示词库Docker 自托管一键部署完全数据主权8.2 对开发者的启示prompts.chat 回答了一个根本问题如何让“提示词”从一个纯文本片段进化为一个完整的资产管理平台它的答案是三条递进的原则数据格式要开放——从 CSV 起步让任何人都能参与和贡献平台要可自托管——数据主权是信任的基石能力要可集成——MCP 让提示词库从“被动浏览”变成“主动调用”prompts.chat 的终极启示不是“又一个提示词列表”而是“Prompt 不应该只是复制粘贴的文本而应该是可搜索、可版本化、可协作的知识资产”。项目地址https://github.com/f/prompts.chat官方网站https://prompts.chatHugging Face 数据集https://huggingface.co/datasets/fka/prompts.chat本文数据来源GitHub 项目首页、DeepWiki 社区文档及公开数据截至 2026 年 8 月如您所在的企业正面临数字化难题或有 AI 落地、系统集成相关需求欢迎进一步沟通。我们可提供针对贵企业具体场景的定制化方案和现场调研服务。