每天和不同客户端的 AI 对话，重复写相同的提示词费时费力。
DRY Prompt 让你一次编写、一键应用，实现机械飞升！
痛点：碎片化的客户端与重复输入
想要把 AI 用得游刃有余，我往往需要在不同的客户端发力。
比如：
- 在 网页端 使用 ChatGPT，Gemini等聊天界面
- 在 VSCode 里使用 Copilot 辅助编写程序
- 在 命令行 使用 Claude Code、Codex……
但在处理特定任务时，你往往都有一套自己摸索出的高效率提示词。
要在不同的客户端界面里来回切换本身就有较高的心智负担，每次还要把专属的长文本重新录入一遍，真的很累。
更何况，人脑的记忆和现场发挥往往不可靠，纯手敲的内容很容易丢三落四，导致 AI 最终的生成质量不稳定。
DRY Prompt：一键管理与复用
既然遇到了这种低效的痛点，为什么不把那些常用的话术和结构统一管理起来呢？
这就是我开发 DRY Prompt 的原因。基于编程中 Don't Repeat Yourself 的原则，你可以到 DRY Prompt 里专门管理并沉淀你的经验，一键组合并调用已经写好的优质模板。
场景一：明确描述问题的要求与边界
比如，当我使用 Gemini 的 Deep Search 时，对于复杂问题，我需要有一个合理的结构来明确写出描述问题的要求和边界。
通过 DRY Prompt，我只需点击一下预先写好的框架模板： 👉 “添加问题描述边界和思考框架！”
一瞬间就能生成结构完整、要求和边界清晰的上下文框架。
这不仅极大降低了信息遗漏的可能性，还能使得大模型更精准地把握需求方向，直接提升最终的生成效果。
场景二：统一且规范的代码生成风格
再比如，每次让人工智能重写一段 Python 函数，为了让其提供完全符合预期的代码，我需要在输入框中列明： 写出目标、定义输入要求、输出要求，描述具体的处理过程，然后交由模板自动添加团队规定的代码格式、风格等特定信息。 只有提供这样完整的指示，才能更好地生成规范代码。
使用 DRY Prompt 之前，我需要手敲绝大部分冗长的要求；而使用之后，固定规范交给了模板。
# 示例：通过统一的提示词模板约束，自动生成的代码自带了完整的规范文档和思路注释
def parse_configuration_file(file_path: str) -> dict:
"""
目标：解析给定的配置文件并返回键值对。
输入要求：合法的配置文件绝对路径 (字符串类型)。
输出要求：包含各配置项的字典结果。
具体的处理过程：
1. 校验输入文件路径是否存在。
2. 以只读方式打开文件并按行读取。
3. 清洗并提取有效键值存入字典。
思路说明：直接在代码中展示相关思路和必要注释，满足统一的代码格式与风格要求。
"""
pass
- 纯手写冗长要求： 纯手动录入至少耗时 60 秒，且格式极容易漏项，输出的风格也不稳定。
- 调用预设模板： 复用成熟规范和背景资料只需 1 秒钟，就能开始稳定构建结构化的提示词。
机械飞升：效率 MAX
当身边的很多同事还在满头大汗地敲击那些背景资料与约束偏好时，你却已经凭借这套积木式的工具，轻松实现了机械飞升！
顺便提一句，我们团队里经验丰富的工程师，基本上都在用这个工具写提示词。
试试看
如果你也想告别重复的复制，不妨试一试。