宣布推出Wikiprompt开放提示数据集：55,000+条AI提示，免费

发布Wikiprompt开放提示数据集：55,000+ AI提示词，免费获取

今天，我们开放了整个Wikiprompt目录。我们为ChatGPT、Claude、Gemini、GPT Image、Midjourney、Seedance、Veo、Kling、Nano Banana、Grok等模型精心整理的每一个提示词，现在都以公开、结构化、免费的数据集形式提供。无需注册，无需API密钥，无需爬取。

如果你一直想要一个真正可用的AI提示词语料库，那种别人实际使用并获得结果的数据，而不是从随机博客上抓取的列表，那么这个数据集就是你要的。超过55,000个提示词，每个都带有完整记录：标题、描述、实际提示词文本、类别、标签、媒体、目标模型、结构化质量元数据、作者，以及指向原始帖子的链接。

我们为什么这样做

Wikiprompt一直以维基的方式运作：人们提交提示词，我们进行筛选和组织，结果成为一个任何人都可以免费浏览的公共参考。作为一个网站，这运作得很好。但对于那些想要用数据*构建*东西的人来说，效果不佳：他们想训练模型、分析数据、挖掘模式、将其输入自己的工具。他们唯一的选择是逐页爬取wikiprompt.org，这既慢又脆弱，还给我们的服务器带来不必要的负担。

所以，我们正在做维基百科几十年前做过的事情：发布数据转储。不用爬取，而是直接获取。不用解析HTML，而是获得JSON。整个目录，以一种可预测的格式，随着目录增长而更新。

实际内容是什么

从数据集开始。该端点是一个清单：它告诉你total_prompts、每条记录上你可以预期的record_fields，以及分页如何工作。实际内容位于/dataset/prompts，它以JSON格式返回目录本身。

每条记录包括：

只有活跃、清理过的提示词才会入选，这与我们应用于实时网站的编辑标准相同。类别涵盖创意、营销、个人、生产力、编码、教育、商业、研究和其他，所以这里有真正的多样性，而不仅仅是某个小众领域。

具体来说：数据集就是让这个编辑风格吸烟海报提示词或手工切割油毡旅行海报提示词这样的提示词，最终变成一行结构化JSON，而不是一个你需要访问并手动复制的页面。一个空灵的唐代肖像摄影提示词也是如此，目录中的每个其他提示词都一样。

如何一行命令获取

这是最让我们兴奋的部分：无需任何设置。一条curl命令就能立即获取一页真实记录。

curl "https://www.wikiprompt.org/dataset/prompts?limit=500"

就是这样。头部不需要密钥，不需要认证流程。CORS完全开放（Access-Control-Allow-Origin: *），所以你也可以直接从浏览器或客户端应用调用。它还大量使用边缘缓存，这意味着对你来说很快，对我们来说很便宜，这是一个罕见的组合。

数据集使用键集游标而不是页码进行分页，这即使在爬取过程中添加新提示词也能保持稳定。每个响应都包含一个next URL；持续跟随它，直到next返回null。你可以使用limit请求每页最多500条记录，或者使用默认的200条。一个最小循环看起来像这样：

import requests

url = "https://www.wikiprompt.org/dataset/prompts?limit=500"

prompts = []

while url:

data = requests.get(url).json()

prompts.extend(data["results"])

url = data.get("next")

print(len(prompts), "prompts fetched")

运行这段代码，几分钟内你就能把整个目录加载到内存中。

关于归属的说明

数据集中的每个提示词都是从原始作者的公开帖子中聚合而来。Wikiprompt负责筛选和结构化目录，但我们不对内容本身持有正式许可。如果你用这个数据集构建了什么，基于它发表研究，或重用单个提示词，请将wikiprompt.org标注为来源，并在相关情况下，注明你使用的特定记录上的original_source链接。这就是全部要求。

超越数据转储

数据集是批量选项，但不是唯一的入口。如果你只需要回答单个问题，搜索API无需下载整个目录即可为任何查询返回JSON。如果你正在构建AI代理，MCP服务器将搜索、检索和提交作为工具暴露出来，Claude和其他代理可以直接调用。而llms.txt为任何LLM提供这里内容的快速地图以及如何使用它。

我们构建Wikiprompt是为了成为人们今天如何实际提示这些模型的公共参考。开放数据集是我们认真对待这个理念的方式：整个目录应该像浏览一样容易获取。去获取它，看看你能构建什么。