正文预览

分类太细反而难找！我用豆包+飞书知识库把541个GPT提示词案例重新归了类

刚开始收集 GPT-Image2 提示词案例时，我总觉得越多越好。等数量攒到541 个，问题也跟着来了：有的放在 GitHub 仓库里，有的埋在 README 文档中，还有一些散落在本地文件夹。真想找一条适合某种画风或使用场景的提示词时，往往要在几个地方来回翻；原来的分类又分得太细，越往下找越容易迷路。

这次，我把这些案例交给豆包工作，让它先读懂每条提示词适合做什么，再按照实际查找习惯重新归类，最后整理进飞书知识库。接下来会完整展示这次整理过程，看看这541 个案例怎样从“收藏了很多”变成“需要时能马上找到”。

本节以分散在 GitHub 仓库、README 文档和本地文件夹中的541个 GPT-Image2 提示词案例为例，介绍如何使用豆包工作完成内容整理，并借助飞书知识库进行分类管理。下面跟着我来实操一下。

前置条件

• 为了豆包和飞书数据链路打通，豆包登录的账号，和你要使用的飞书知识库需要是同一个账号。
• 项目资料已经上传到飞书云盘或知识库（没有的话先上传，方法见 2.1 节）。
• 进入豆包工作模式。

先说说我原来的awesome-gpt-image-2有多乱

这个项目名为 awesome-gpt-image-2，是一个 GPT-Image2 的提示词库，目前累计收录了541 个逆向拆解的案例，同时配套 20 多套可直接复用的工业级模板。项目在GitHub上已经收获了25.8k Star。

说说原来我是怎么管的呢？说出来有点不好意思：

• 案例全堆在 README 和 docs/gallery-part-1.md、gallery-part-2.md 里，靠手动分了 13 个类。
• 风格标签 19 个、场景标签 10 个，和分类三套维度互相交叉，找东西的时候根本不知道该从哪进。
• 本地还有一堆图片、脚本、数据文件，和 GitHub 上的版本经常对不上。
• 想找一个"国风水墨海报"的案例，得在 History 类和 Illustration 类之间来回翻，还不一定找得到。

总体来看，这套分类体系是按照时间顺序搭建的，没有站在后续实际检索、使用内容的用户视角做过设计。分类维度越叠越多，最后反而变成了查找内容的最大障碍。

                                                                   图1-第1张｜展示原来项目散乱的