从模糊需求到可落地方案AI提示词模板库里的城市规划提示词三步实践【免费下载链接】awesome-promptsCurated list of chatgpt prompts from the top-rated GPTs in the GPTs Store. Prompt Engineering, prompt attack prompt protect. Advanced Prompt Engineering papers.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-prompts本文以 awesome-prompts 仓库为主角。它汇集各领域的提示词模板这里演示怎么用一份 AI 提示词模板把“给我做个方案”变成 AI 能执行的城市规划提示词。场景AI 为什么总回答“优化一下交通枢纽”评审会上甲方说“围绕地铁站做个 TOD公共交通导向开发方案。”你原话丢给 AI回来一段“提升可达性、优化用地”的套话——没有面积、没有人口、没有数字。问题不在模型在需求没给参数。三步写清一份城市规划提示词要点一参数化描述把形容词换成数字不写“车流大”写“日均车流 12 万辆”。 要点二分层展开先整体后细节先给“路网、枢纽、慢行系统”总框架再谈单个路口的信号配时。 要点三指定输出格式先定交付物长相要“3 个方案的表格含成本与实施周期”就不会得到一大段散文。一份可直接改用的交通优化提示词你是一名交通规划师请为下述主干道出优化方案 【参数A】路段3.2公里城市主干道日均车流12万辆 【参数B】时段7:00-9:30高峰现状平均车速15km/h 【参数C】目标平均车速达25km/h碳排放降20% 【参数D】约束不新建道路可调整信号配时与车道功能 【参数E】输出3个方案表格各含提速幅度、成本、实施周期第 2 至 6 行都是可直接替换的参数位。换成你自己的路段、时段、目标、约束与输出要求就能发出。想分析客流分布时加一行 ODOrigin-Destination出行起终点分布数据方案会更贴近真实运行情况。prompts/ 目录里的 AI 提示词模板3个文件值得一看Prompt Creater.md元提示词你给主题它反向追问细节并产出初稿适合冷启动。SuperPrompt.md结构化提示词构建带角色切换与命令库适合多轮迭代的复杂方案。data_analyst.txt资深数据分析师角色可先对车流与 OD 数据做前置分析。从0到3000星星标曲线说明了什么曲线从 1 月 21 日接近 0 起步3 月上旬缓慢爬到 800 星左右3 月 10 日后陡升一周内突破 3000 星。这段加速对应提示词模板正成为 AI 辅助规划等垂直工作的常用工具。三分钟上手克隆就能用git clone https://gitcode.com/GitHub_Trending/aw/awesome-prompts就算是提示词工程入门也只需三步1打开 prompts/ 目录先读 Prompt Creater 与 SuperPrompt熟悉“提问—成稿—迭代”流程2挑一个贴近你业务的模板把示例参数换成自己的项目数据3发出后对照输出查缺把提示词再迭代一两轮。4个常见误区先避开数据别一次倒完每次给 5-6 个核心参数初稿出来再补细节。别漏约束段不写“不新建道路”AI 会爽快地建议修高架。别把初稿当终稿前两轮迭代在调提示词第三轮才出成品。别用模糊评价词“方案要好”不可执行“步行距离缩短 30%”才可执行。提示词写清楚之后AI 给你的就不是一句套话而是一组能直接进方案的数字。【免费下载链接】awesome-promptsCurated list of chatgpt prompts from the top-rated GPTs in the GPTs Store. Prompt Engineering, prompt attack prompt protect. Advanced Prompt Engineering papers.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-prompts创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考