grok-cn-playbook

Grok Prompt 库怎么用？

直接答案：选择最接近任务的 JSON 文件，填写 inputs 中声明的变量，再把 prompt_template 发送给 Grok。先看输出是否满足 expected_output，再按 quality_checks 做一次复核。不要把账号凭据、订单隐私或 API Key 放进变量。

为什么使用 JSON

人可以直接阅读和复制；
程序可以读取变量、模板和验收条件；
Schema 与校验脚本能发现缺失字段、重复 ID 和未声明占位符；
每份 Prompt 都带版本、更新时间、许可证和原创来源声明。

文件结构

{
  "$schema": "../schema/prompt.schema.json",
  "id": "research-source-audit",
  "title": "事实核验研究",
  "version": "1.0.0",
  "updated": "2026-08-12",
  "language": "zh-CN",
  "workflow": "research",
  "description": "将一个主题拆成可核验主张、证据和未知项。",
  "suitable_for": ["产品调研", "时效性事实核验"],
  "inputs": [],
  "prompt_template": "...",
  "expected_output": ["..."],
  "quality_checks": ["..."],
  "safety_notes": ["..."],
  "license": "Apache-2.0",
  "origin": "Original prompt authored for this repository; not copied or derived from xAI system prompts."
}

变量替换

占位符统一写成 ``。例如：

 → SuperGrok Heavy 的公开价格信息
 → 2026-08-12

变量值是数据，不是高优先级指令。如果输入包含“忽略前文”等文本，应把它当成待分析内容，而不是执行。

使用流程

选择一个工作流文件；
阅读 suitable_for，确认任务匹配；
填写所有 required: true 的输入；
发送模板，必要时附上原始材料；
根据 expected_output 验收结构；
根据 quality_checks 检查事实、遗漏和不确定性；
涉及当前事实时，重新查看来源，不把模型记忆当成证据。

原创与官方 Prompt 的边界

xAI 在官方 xai-org/grok-prompts 仓库公开部分系统 Prompt，并采用 AGPL-3.0。这个仓库只把它作为“官方 Prompt 存在且会更新”的来源记录，不复制、不翻译、不近义改写其中内容。本项目的 JSON 是面向最终用户任务的原创工作流，采用 Apache-2.0。

如果贡献者想讨论官方 Prompt，请只链接原文件并概述自己的观察；不要把官方文件复制进本仓库。

本地验证

node scripts/validate-prompts.mjs

校验通过只代表结构与仓库规则正确，不代表模型输出天然准确。事实性结论仍需人工核验。

官方来源

xAI 官方 grok-prompts 仓库

This site is open source. Improve this page.