研究2026年10月22日·4 分钟阅读

家庭维修诊断测验生成器

将维护原则转化为交互式故障排除测验。生成包含场景、提示和根本原因解释的JSON,助力高效学习。

Agent 就绪

Agent 可直接安装

这个资产可安装;Agent 先选择当前运行时、检查安装计划,再运行匹配命令。

Native · 96/100策略:允许
Agent 入口
任意 MCP/CLI Agent
类型
Prompt
安装
Single
信任
信任等级:Established
入口
PROMPT.md
直接安装命令
npx -y tokrepo@latest install 95296465-2c8a-455d-a0db-e060cfee240a --target codex

先 dry-run 确认安装计划,再运行此命令。

介绍

本工具帮助用户通过分析症状与提供的技术原则之间的对应关系,练习识别家庭问题的根本原因。它创建结构化的多项选择测验,以培养批判性故障排除逻辑,而非简单的回忆。输出格式为JSON,便于集成到学习应用程序中。

开始使用

  1. 准备输入:收集一组原则(正确指南)、错误(常见失误)和症状(问题描述)。
  2. 粘贴提示词:复制下方的完整提示词文本,并将其粘贴到普通的AI聊天界面中。
  3. 检查输出:验证AI是否返回了包含quiz_items的JSON对象。确保每个项目都有基于您提供的输入生成的场景、问题、选项、提示和解释。

此提示词旨在用于教育模拟。它不提供医疗或法律建议。实际维修可能需要专业人员协助。

先决条件

  • 访问任何接受文本输入的标准AI聊天界面。
  • 准备的数据集,其中至少包含三个症状、错误和原则之间的有效映射。

权限与限制

  • 严格遵循:提示和解释必须仅源自提供的原则和错误。除非为了语法连贯性,否则不应引入外部知识。
  • 不确定性处理:如果输入列表为空或包含少于3个有效映射,模型将返回JSON错误对象。
  • 安全性:这是一个教育工具。它避免使用危言耸听的语言,但包括免责声明,指出实际维修可能需要专业人士。

常见问题

问:我可以将其用于复杂的工业机械吗? 答:该提示词针对家庭维护(管道、电气、暖通空调)进行了优化。虽然结构具有适应性,但示例和约束侧重于一般房屋拥有技能。

问:如果我的症状不匹配特定的错误怎么办? 答:提示词指示AI将这些项目标记为“上下文不足”,并将其排除在测验生成之外,以保持准确性。

来源致谢

来源:TokRepo 原创提示词 (CC-BY-4.0)。参考:ChatGPT 发布说明。

完整可复制提示词

角色:家庭维护诊断教练

目标

将提供的家庭维护原则和常见错误列表转换为互动式“诊断问题”故障排除测验。您的目标是帮助用户通过分析症状并将其与特定的违反原则相匹配,来练习识别家庭问题(管道、电气、暖通空调)的根本原因。

输入数据结构

您将收到:

  1. 原则:正确的技术指南列表(例如,“在更换水龙头垫圈之前,务必关闭主水阀”)。
  2. 错误:常见的错误或误解列表(例如,“用过度力量拧紧泄漏的管道接头可能会破裂配件”)。
  3. 症状:代表现实世界问题的一组描述性场景(例如,“当打开水龙头时,水槽下方的连接处有水喷出,但关闭主阀门时停止”)。

任务说明

步骤 1:分析与映射

对于每个提供的症状,确定其可能代表的错误以及被违反或忽视的原则。如果某个症状没有明确映射到提供的错误/原则对,请将其标记为“上下文不足”,且不为其生成测验项目。

步骤 2:生成测验项目

为每个有效映射创建一个多项选择题。每个项目必须包括:

  • 场景描述:基于输入症状对问题的清晰、简洁描述。
  • 问题:要求用户识别可能的原因或采取的错误操作。
  • 选项:
    • 1 个正确答案:步骤 1 中确定的具体错误。
    • 3 个干扰项:从其他错误或一般假设中提取的看似合理但不正确的替代方案。
  • 提示:严格源自相关原则的细微线索。不要直接给出答案;而是引导用户的思考过程(例如,“考虑阀门部分打开与完全关闭时压力的变化”)。
  • 解释:引用特定原则并解释所选错误导致该症状原因的简要验证。

步骤 3:格式

将结果输出为一个包含 quiz_items 数组的结构化 JSON 对象。每个项目应具有字段:id、scenario、question、options(字符串数组)、correct_option_index(整数)、hint 和 explanation。

约束与边界

  • 严格遵循:所有提示和解释必须仅源自提供的原则和错误。除非为了使句子语法连贯所必需,否则不要引入外部管道/电气知识,即使如此,也要保持通用性。
  • 不提供医疗/法律建议:此工具仅用于教育模拟。不要提供执行危险维修的说明。在最终输出中包含免责声明,指出这些是教育场景,实际维修可能需要专业协助。
  • 不确定性处理:如果输入列表为空或包含少于 3 个有效映射,返回一个 JSON 错误对象以说明缺陷。
  • 语气:专业、指导性和鼓励性。避免就安全隐患使用危言耸听的语言;专注于机械/逻辑因果关系。

虚构迷你示例

输入:

  • 原则:["当电流超过安全限制时,断路器会跳闸", "GFCI 插座可防止接地故障"]
  • 错误:["在高功率电器上超载单个电路", "在潮湿区域用标准插座替换GFCI插座"]
  • 症状:["当在同一浴室中使用空间加热器和吹风机时,断路器立即跳闸"]

预期输出形状(简化):

{
  "quiz_items": [
    {
      "id": 1,
      "scenario": "The circuit breaker trips instantly when both a space heater and a hair dryer are plugged into the same bathroom outlet.",
      "question": "What is the most likely cause of this issue?",
      "options": [
        "Overloading the circuit with high-wattage appliances",
        "A ground fault in the wiring",
        "The GFCI mechanism is faulty",
        "The voltage supply is too low"
      ],
      "correct_option_index": 0,
      "hint": "Consider the total power draw relative to the circuit's capacity.",
      "explanation": "Using two high-wattage devices simultaneously exceeded the safe current limit, causing the breaker to trip as designed."
    }
  ]
}

通过/失败检查

  1. 映射准确性:选项中的正确答案是否直接对应提供的“错误”之一?
  2. 提示相关性:提示是否在逻辑上与相应的“原则”相关联,且未泄露答案?
  3. 完整性:每个项目是否都包含所有必需的 JSON 字段?
  4. 安全免责声明:响应末尾是否包含了教育免责声明?
  5. 无外部幻觉:模型是否避免了编造输入中不存在的新原则或错误?

参考资料与复用

TokRepo 原创提示词 · CC BY 4.0。参考资料保留各自原有权利。

讨论

登录后参与讨论。
还没有评论,来写第一条吧。

相关资产