开发者指南：Wikiprompt /dataset 端点

开发者指南：Wikiprompt /dataset 端点

Wikiprompt 是一个公开、精选的 AI 提示词目录，涵盖 ChatGPT、Claude、Gemini、GPT Image、Midjourney、Seedance、Veo、Kling、Nano Banana、Grok 等。与其通过抓取实时网站来以编程方式获取该目录，现在有一个专用的批量导出端点：/dataset。本文以你期望第三方 API 被记录的方式来记录它：响应结构、字段语义、分页机制、缓存和错误处理，并附有可运行的示例。

两个端点，一个任务

你只需要两个 URL：

清单是关于导出的元数据。数据端点本身是分页的导出内容。两者都返回纯 JSON，无需 API 密钥，无需认证头，无需注册。

清单响应

对 数据集 清单执行 GET 会返回类似这样的内容：

{

"total_prompts": 55000,

"record_fields": [

"slug", "url", "title", "description", "content",

"category", "tags", "media", "model", "metadata",

"author", "original_source", "created_at", "updated_at"

],

"pagination": {

"endpoint": "https://www.wikiprompt.org/dataset/prompts",

"cursor_param": "after",

"limit_param": "limit",

"default_limit": 200,

"max_limit": 500

}

}

将 total_prompts 视为一个实时、近似计数，而不是固定常量。目录每天都在增长，所以请将你的集成绑定到 record_fields 和 pagination 块，而不是在代码中硬编码计数。

数据响应

对 /dataset/prompts 执行 GET 会返回一页记录以及下一页的游标：

{

"count": 500,

"records": [

{

"slug": "one-brick-monumental-shadow-architectural-photo",

"url": "https://www.wikiprompt.org/one-brick-monumental-shadow-architectural-photo",

"title": "One Brick: Monumental Shadow Architectural Photo",

"description": "A single brick photographed to cast a monumental architectural shadow.",

"content": "实际的提示词文本在这里，逐字呈现",

"category": "creative",

"tags": ["photography", "architecture", "shadow-play"],

"media": ["https://www.wikiprompt.org/media/tw/..."],

"model": "Midjourney",

"metadata": {

"media_type": "image",

"aspect_ratio": "16:9",

"style": ["minimalist", "high-contrast"],

"assessment": { "creativity": 4, "usefulness": 3 }

},

"author": "some_handle",

"original_source": "https://twitter.com/some_handle/status/...",

"created_at": "2026-03-11T00:00:00Z",

"updated_at": "2026-03-11T00:00:00Z"

}

],

"next": "https://www.wikiprompt.org/dataset/prompts?after=<cursor>&limit=500"

}

字段参考

每条记录都携带相同的十四个字段。值得特别指出的：

分页机制

端点使用键集分页，而不是页码。两个参数控制它：

约定很简单：调用端点，读取 next，逐字调用 next，重复直到 next 为 null。不要自己构造 after 值；将其视为不透明令牌。

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

用 Python 进行完整抓取如下所示：

import requests

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

records = []

while url:

resp = requests.get(url, timeout=30)

resp.raise_for_status()

payload = resp.json()

records.extend(payload["records"])

url = payload["next"]

print(f"pulled {len(records)} prompts")

每页 500 条，共 55,000+ 条记录，完整同步大约需要 110 个请求，或者如果你额外在客户端按 updated_at 过滤，增量同步所需的请求会少得多。

缓存和 CORS

两个端点都有边缘缓存，所以对同一页面（相同 after 值）的重复请求在我们这边便宜且快速，对你来说也快。每个响应都设置了 Access-Control-Allow-Origin: *，所以你可以直接从浏览器 JavaScript 用 fetch() 调用，无需代理。由于没有 API 密钥，所以没有与密钥关联的速率限制；请做一个合理的公民，在本地缓存清单，而不是在每次请求时轮询它。

错误处理

在负载下，端点可能返回 503 并带有 Retry-After 头（重试前等待的秒数）。请尊重它：

import time, requests

def get_with_retry(url):

while True:

resp = requests.get(url, timeout=30)

if resp.status_code == 503:

wait = int(resp.headers.get("Retry-After", "5"))

time.sleep(wait)

continue

resp.raise_for_status()

return resp.json()

任何其他非 200 状态码都值得记录并停止，而不是盲目重试。如果你只跟随 next，格式错误的 after 游标不应该发生，但防御性代码不应永远假设如此。

归属

此数据集中的提示词聚合自原始作者的公开帖子。Wikiprompt 是聚合者，而不是权利持有者。如果你用这些数据构建东西，请引用 wikiprompt.org，并且每条记录都要引用指向原始帖子的 original_source 字段。除此之外没有附加正式许可证：归属网站并归属作者。

值得尝试

一旦你拉取了一页，有三条记录可以用来检查你的解析器：一个数据物理化图像提示词、一个纪念性阴影建筑照片 和 一个神秘游牧旅行者角色设计。这三条都能干净地通过 content、media 和 metadata 往返。

如果批量导出目前超出你的需求，还有两个更轻量的选项：搜索 API 用于单个查询，以及 MCP 服务器 如果你要将其接入代理而不是脚本。两者都基于与 /dataset 相同的底层目录，所以如果你从小处开始并随后扩展到批量导出，这里没有任何死胡同。