引导式 Prompt 共创工具
PromptForge
把业务任务，整理成结构清晰的 Prompt。
输入场景，逐项确认风险、资料边界、分析步骤和输出要求。AI 提供建议，你来编辑和确认，最终得到一份可复制的完整指令。
无需登录，内置模板即可体验；也可自行配置 AI 模型。
个人独立项目 · 我负责产品框架、Prompt 设计、交互设计与原型实现。
一个完整案例：为户外电商写复购分析指令
案例设定：一位运营经理面对 90 天复购率 8%（演示参考值 15%）的问题，手上有订单、客服与退货记录，希望一周内拿到诊断和改进建议。下面展示如何把这个任务组织成 Prompt。
演示案例，截图中的品牌、比例、阈值和收益预测均不作为真实客户数据或项目成果。四张原图均完整展示，点击可放大。
-
输入业务场景
写清自己的角色、产品、问题、手头资料和交付要求，建立任务背景。
角色与任务
把“帮我分析复购”补充成有背景、有资料、有目标的任务。 -
确认风险与资料边界
口径不一时保留差异；证据不足时标注局限；相关关系不直接当作因果。
核心原则 + 上下文处理
用户的选择汇总为规则，并可继续编辑。 -
评审分析步骤
先写准备怎么分析，再检查是否遗漏验证环节，修改后确认采用。
分析步骤评审（CoT）
改进版是待核查的建议，最终分析路径由用户决定。 -
拼装完整 Prompt
补齐输出格式与输入输出示例，把六个模块组织成指令，复制到 AI 对话中使用。
输出规范 + 示例（Few-Shot）
产物是一份分析指令；分析报告与业务效果需要另行验证。 任务摘录：基于订单数据、客服记录和退货运单，定位复购问题，并输出按优先级排序的改进建议与验证计划。
查看六模块 Prompt 结构示意
- 角色与任务：协助运营经理诊断复购问题，明确已有资料与交付目标。
- 核心原则：不补造数据，区分事实与假设，结论说明依据。
- 上下文处理：标注资料来源、统计口径与缺失情况。
- 分析步骤：明确问题、拆解假设、交叉验证，再提出策略。
- 输出规范：按“诊断 → 依据 → 策略 → 验证计划”组织报告。
- 输入输出示例：用样例说明每条结论应包含什么信息。
以上为便于阅读整理的结构示意，非截图逐字转录。
带着这个案例，自己试一遍。
已预填复购分析场景，你可以修改输入，走完六步并复制结果。