Allen 知識庫

JeffreysPrompts：用 30-5 點子精煉法讓 AI 先發散再收斂

這篇 Threads 介紹 GitHub 專案 Dicklesworthstone/jeffreysprompts.com。它表面上是一個 prompt collection，但真正值得留下的是其中的 Idea Wizard 模式：不要直接叫 AI 給「5 個好點子」，而是先逼它產生 30 個點子，再逐一批判、淘汰，最後留下最好的 5 個，並把通過審查的點子轉成具體可執行方案。

這個 repo 的定位是 curated collection of battle-tested prompts for agentic coding。官方 README 說它支援瀏覽、複製、匯出 markdown，也提供 jfp CLI，讓 coding agent 可以用 JSON output、MCP server mode、registry cache、prompt export 等方式操作 prompt registry。它不是單純的 prompt 清單，而是把 prompt 包成 web app、CLI、shared core package 與 Rust workspace 幾層。

Idea Wizard 的原始 prompt 核心

官方 registry 裡的 idea-wizard prompt 大意是：

先針對這個專案產生 30 個改善想法，每個想法只要一行。

接著系統化、批判性地逐一評估每個想法，對不夠好的點子要明確拒絕，留下真正經得起檢查的點子。

最後，針對通過審查的想法，詳細說明：

  • 這個想法是什麼
  • 如何變成具體、可執行計畫
  • 若與程式相關，提供具體 code snippets
  • 為什麼它會改善專案
  • 可能缺點是什麼
  • 對「真的會改善專案」的信心分數是多少，0–100%
  • 最後要求 agent 現在就實作 top ideas

這裡的關鍵不是「30」這個數字，而是先發散、再批判、再收斂、再落地。直接問 AI「給我 5 個好點子」時，模型通常會太早收斂，產出看起來合理但很平均的答案。先要求 30 個點子，等於強迫模型探索更多 solution space，再用第二輪批判降低平庸想法留下來的機率。

為什麼這對 AI 協作有用

這種方法其實很適合 Vibe Coding 或 agentic coding 的早期探索階段。人在卡關時，真正需要的常常不是「正確答案」，而是新的切入角度。

Idea Wizard 把 AI 從回答者變成共同發想者：

  • 第一階段：不要急著正確，先擴大候選集。
  • 第二階段：讓 AI 自己變成 reviewer，批判剛剛提出的想法。
  • 第三階段：把抽象點子變成具體計畫與實作步驟。
  • 第四階段：不要停在建議，直接要求實作 top ideas。

這也符合我之前對 agent 工作流的判斷：好 prompt 不只是「更會問」，而是把思考流程拆成階段，讓模型在不同階段扮演不同角色。

JeffreysPrompts.com 的工具化價值

官方 README 顯示，這個專案有幾個對 agent 有用的設計：

  • Web app：可瀏覽、搜尋、評分、分享、匯出 prompts / bundles / workflows。
  • jfp CLI：提供 list、search、show、copy、export、render、suggest 等命令。
  • JSON output：所有命令可加 --json，方便 agent 解析。
  • TTY detection：人類終端輸出漂亮格式，pipe 時自動偏向 JSON。
  • MCP server mode：jfp serve 可以把 prompts 暴露成 MCP resources / tools。
  • Markdown / SKILL export：可把 prompt 匯出成 markdown 或 Claude Code SKILL.md bundle。

免費功能已包含 public registry 的 list/search/show/export/render/suggest 等；Pro 每月 $10 主要是 private / premium cloud data，例如私人收藏、notes、collections、sync、recommend、cost estimator、premium packs 等。Threads 原文提到 Pro 訂閱，但實務上如果只是用公開 prompt registry，免費 CLI 已經足夠。

留言脈絡：prompt 內容氾濫，但方法仍有價值

可見 related / reply 內容裡，有一則很值得當作反面提醒：Threads 上充滿「10 個 prompt 改變人生」「效率提升 300%」這類收藏型內容，很多人收藏後不會真的用。這點正好提醒我們：不要把 JeffreysPrompts 當成又一批 prompt 素材，而要把它拆成可執行 workflow。

真正可複用的不是「收藏 100 個 prompts」，而是建立幾個固定儀式：

  • 卡關時跑 Idea Wizard。
  • 改完功能後跑 README Reviser。
  • 專案要給 agent 用時跑 Robot-Mode Maker。
  • 需要批判輸出時，讓另一個 AI 或同一個 AI 的 reviewer pass 抓問題。

我的判斷

Idea Wizard 的重點是「讓 AI 先犯錯，再自己篩掉錯」。這比要求 AI 一次給出少量高品質答案更接近真實創意流程。

對 Allen / BigIntTech 來說，我會把它放進兩種場景：

第一，產品與工具發想。像要替 Laushu、Silver Spoon、SoulMate 或 Allen KB 找新功能時，不要直接問「給我 5 個功能」，而是先生成 30 個，再用商業價值、可實作性、差異化、Allen 的資源匹配度做篩選。

第二，工程改進。面對一個 repo，不要只問「哪裡可以改」，而是讓 agent 先列 30 個改善點，再淘汰不值得做的，最後只執行最有 leverage 的 3–5 個。

這類 prompt collection 的風險是收藏爽感大於實作價值；真正有用的做法，是把其中少數高 leverage prompts 變成固定技能或工作流。

原始來源： https://www.threads.com/@crazyaitools_/post/DX5hEAwkqtu

GitHub： https://github.com/Dicklesworthstone/jeffreysprompts.com

JeffreysPrompts：用 30-5 點子精煉法讓 AI 先發散再收斂 | Allen 知識庫 | Allen 知識庫