现代人工智能从根本上改变了信息科学的格局，提供了能够以前所未有的速度解析、组织和合成数据的工具。虽然图书馆管理的核心原则——管理、访问与保存——保持不变，但实现这些原则的方法已经发生了演变。
以下提示经过严格测试和优化，可在领先的人工智能生态系统中部署：ChatGPT、Gemini、Claude 和 DeepSeek。虽然 Claude 通常擅长细致入微的文本生成，且 DeepSeek 在处理结构化数据时展现出卓越的逻辑能力，但这些提示可作为提升图书馆员和信息科学家日常工作流程的通用基础。
1. 从非结构化数据生成 MARC 21 记录
最适合： DeepSeek（因其结构精度高）或 ChatGPT。
对原始资料或灰色文献进行编目通常需要繁琐的手动输入。此提示可将原始书目信息转换为格式化的草稿结构，准备导入您的集成图书馆系统（ILS）。
担任专家编目馆员。根据以下图书详细信息创建 MARC 21 书目记录：
标题：[插入标题]
作者：[插入作者]
出版商：[插入出版商]
物理描述：[插入页数、尺寸]
主题关键词：[插入关键词]
ISBN：[插入 ISBN]
确保输出包含正确的字段标签、指示符和子字段（例如 100、245、264、300、650）。将输出格式化为代码块以便于复制。
回报：通过提供语法正确、仅需少量审查即可使用的模板，大幅减少原始编目所需时间。
2. 构建复杂的布尔检索式
最适合： Gemini（用于研究逻辑）或 DeepSeek。
支持系统评价或专门研究的图书馆员必须构建详尽的检索式。此提示有助于可视化和构建适用于 PubMed 或 Scopus 等数据库的嵌套逻辑检索式。
担任专门从事系统评价的参考咨询馆员。我需要针对主题：“[插入主题，例如：人工智能对农村人口数字素养的影响]”进行全面检索。
生成适用于学术数据库的复杂布尔检索式。在适当处包含同义词、截词符 (*) 和通配符 (?)。使用括号对概念进行分组以确保正确的逻辑流程。列出可能与关键词相关的受控词汇术语（如 MeSH 或类似术语）。
回报：消除复杂查询中的语法错误，并识别可能导致文献遗漏的同义词缺口。
3. 元数据方案映射
最适合： DeepSeek（逻辑/编码优势）或 Claude。
数字档案管理员经常需要在不同标准的系统间迁移数据。此提示有助于实现字段的精确映射。
担任元数据专家。我需要将元数据字段从 [源标准，例如：都柏林核心] 映射到 [目标标准，例如：MARC 21]。
为以下特定字段创建映射对照表：
1. 【字段A】
2. 【字段B】
3. 【字段C】
4. 【字段D】
识别每个映射中潜在的数据丢失风险或粒度差异。
回报：具体的映射建议有助于防止在迁移项目或数字存储库升级期间发生数据降级。
4. 个性化读者荐读
最适合： Claude（语气和细微差别）或 ChatGPT。
此提示超越了常规的“如果您喜欢 X，试试 Y”推荐，它基于特定的叙事元素（而不仅仅是体裁）生成深入的建议。
担任读者咨询馆员。一位读者喜欢[书名A]和[书名B]，特别是因为它们的[特定元素，例如：不可靠的叙述者和浓郁的哥特式氛围]，但他们不喜欢[不喜欢的元素，例如：过度暴力]。推荐5本符合这些标准的书目。不包括畅销书；专注于中游榜单或冷门佳作。对于每项推荐，请解释符合读者要求的具体“吸引力因素”。
回报：提供高品质、个性化的服务，给人以人性化的感觉，增强读者的信任和参与度。
5. 起草图书馆政策文件
最适合： Claude（专业、富有同理心的语气）。
为新技术或空间使用制定政策需要在法律清晰度和可访问性之间取得平衡。
担任图书馆馆长。起草关于“[主题，例如：公众使用3D打印机]”的政策部分。
该政策必须涵盖：
1. 安全要求。
2. 材料成本。
3. 版权/知识产权限制（禁止打印武器或商标物品）。
4. 时间限制。
语气：专业、平易近人、热情，但严格遵守安全规则。
回报：提供了一份扎实、具有法律意识的草案，确立了明确的界限，同时避免了过于官僚或排外的口吻。
6. 制定信息素养课程计划
最适合： ChatGPT（多功能）或 Gemini。
教导读者或学生如何评估资源是图书馆的核心职能。此提示构建一个旨在实现最大程度知识保留的会话。
担任教学馆员。为[目标受众，例如：本科新生]创建一个45分钟的课程计划，主题为“使用CRAAP测试评估信息来源”。
包括：
1. 学习目标（基于布鲁姆分类法）。
2. 引入或破冰活动。
3. 直接教学要点。
4. 主动学习练习，用于评估示例网站。
5. 评估方法。
回报：简化课程开发，确保教学课程具有教育性、互动性且能在规定时间内完成。
7. 为档案检索工具撰写馆藏摘要
最适合： Gemini（大上下文窗口能力）或 Claude。
处理大型馆藏需要撰写简洁但具有描述性的范围与内容注释。
担任档案管理员。我将粘贴[馆藏名称]特定档案盒中包含的文件夹标题列表及材料的简要说明。
根据此数据，为检索工具撰写“范围与内容”注释。总结日期范围、主要文档类型和涵盖的关键主题。
[在此处粘贴文件夹列表/描述]
回报：加速检索工具的创建，使研究人员能更快地发现档案资源。
8. 生成资助提案叙述
最适合： Claude（说服性写作）或 ChatGPT。
获得资金通常取决于能否有效地阐明社区影响。
担任公共图书馆的资助撰写人。为资助[项目，例如：移动数字素养服务车]的申请撰写“需求陈述”部分。
关键数据点包括：
- 我们社区中[百分比]%的人口缺乏宽带接入。
- 对于该人群，最近的分馆距离[数字]英里。
- 目标是在第一年覆盖[数字]位居民。
关注数字鸿沟和社会公平。
回报：将原始统计数据转化为令人信服的叙述，与资助评审者所寻求的使命驱动型语言保持一致。
9. 为ILS报告编写SQL查询
最适合： DeepSeek（卓越的编码能力）。
从集成图书馆系统（ILS）中提取特定数据通常需要预定义报告无法处理的自定义SQL查询。
担任系统馆员。编写SQL查询以从数据库表“items”中提取满足以下条件的项目列表：
1. “状态”为“丢失”。
2. `last_checkout_date` 距今已超过3年。
3. “collection_code”是“成人小说”。
包含解释查询每个部分的注释。
回报：使图书馆员能够为剔旧或库存管理检索精细数据，而无需完全依赖IT支持。
10. 分类法与受控词表开发
最适合： DeepSeek 或 Gemini。
在组织内部知识库或数字资产管理系统时，一致的分类至关重要。
担任分类学家。我正在为[组织类型，例如：地方历史博物馆]组织数字照片馆藏。
为类别“[类别名称，例如：建筑]”提出分层分类结构（最多3级）。确保术语互斥并遵循标准命名约定。
回报：为数字资产建立逻辑化、可扩展的框架，防止元数据随馆藏增长而变得混乱。
专业提示：上下文链接
要最大化这些提示的输出效果，请使用上下文链接。不要将每个提示视为一次性交互，而是首先用您图书馆的特定上下文“启动”AI。在索取政策草案或课程计划之前，上传或粘贴您图书馆的使命宣言或类似的现有文档，并说明：“分析这种写作风格和使命。在接下来的任务中采用这种语气。”这可以确保输出与您机构的声音完美契合。
掌握这些提示可以让信息专业人员将格式化、语法检查和初步起草等机械性工作自动化，从而释放脑力，专注于社区参与、复杂研究和战略性保存等高价值任务。整合这些工具的目的并非取代图书馆员，而是为了扩展图书馆本身的覆盖范围和效率。