最近三金又沉迷在 Prompt 中无法自拔，原因是好的提示词能提高 AI 的产出效率和正确率。

不管是普通任务还是平时 Coding，设置和不设置提示词的结果往往天差地别。

那眼见为实，耳听为虚！三金这里在 Cherry Studio 中以 GLM-4.5-Flash 模型为例，给大家演示一下～

不设置提示词

指令：使用 React 写一个 Notion 风格的文章列表。

GLM 会引导用户：

1. 先创建 React 项目；
2. 安装需要的项目依赖；
3. 创建模拟数据；
4. 创建文章卡片组件以及组件需要用到的样式；
5. 运行项目。

输出的代码我放到了红框圈住的文件中。有一些代码会有问题，还需要微调。

运行之后的效果如下，有点那样子，但是整体还是差很多：

设置提示词

在 Cherry Studio 中新建一个名为 GLM-Claude 的助手，并给该助手设置 Claude4 的系统提示词。 最后输入相同的指令：使用 React 写一个 Notion 风格的文章列表。

这次 GLM 并没有和上次一样，从项目创建开始引导，而是直接输出了一个 React 组件代码，并根据功能进行了模块拆分，其中还有用到 Tailwind CSS 进行了样式美化。

接下来我们将输出的代码集成到刚刚的项目中进行运行：

这次的成品明显比 GLM 直出要亮眼许多！还可以进行一些交互，非常棒！

查看文章详情：

根据类型进行过滤：

搜索：

是不是很炫？！

按这个节奏，再多来几次对话，就真的可以完成一个完整的前端博客项目了。

系统提示词从何而来？

上面三金用到的 Claude 系统提示词，来自于开源项目 CL4R1T4S。

它收集了 ChatGPT、Gemini、Grok、Claude、Perplexity、Cursor、Devin、Replit 等 AI 应用的系统提示词，目前已经拥有 10k star，提示词数量高达 50 个！

感兴趣的小伙伴可以点击👇链接进行访问～

Github 地址：https://github.com/elder-plinius/CL4R1T4S

最后，三金再说明一下：系统提示词和用户提示词是两码事！

系统提示词是给 LLM 一个身份，附加了某些特定的场景，让它像演员一样进行沉浸式演绎。

而用户提示词则是表达我们需要它做什么，越清晰的指令，它完成的效果最好，也最符合我们的预期。

不要尝试那种一句话需求，AI 可能根本理解不了或者和你的预期分了岔。这就和咱们上班一样，你肯定不希望领导派活的时候只给你一句去把 xxx 搞完，对吧😂