mcpField
P
prompt-library-for-startups

prompt-library-for-startups

github.com/awsAgent 工作流3.3k337 次安装1 天前更新
代码仓库

关于 prompt-library-for-startups

AWS Startups 提示词与 Agent 库,收录可搜索的 AI 编码工具提示词,以及可单独安装的 Agent。适合查找 AWS 场景的提示词参考或对应的安装型 Agent。

主要功能

  1. 01按关键词检索提示词索引
  2. 02提供提示词详情与使用说明
  3. 03列出可下载的 Agent
  4. 04按常见任务提供匹配指引

适用场景

  1. 01查找 Bedrock RAG 提示词
  2. 02为 AWS 安全或成本任务选提示词
  3. 03查找配额或数据库管理 Agent

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/aws/agent-toolkit-for-aws --skill prompt-library-for-startups

安装后在 Claude Code 中输入/prompt-library-for-startups确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

references/
prompt-library.md
references/prompt-library/
ai-support-ticket-triage-and-routing-assistant.md
aws-architecture-assessment-with-mcp-integration.md
aws-cdk-typescript-pipeline-generator.md
aws-ecs-express-deployment-assistant.md
aws-guardduty.md
aws-security-baseline-terraform-deployment-kit.md
awsome-mvp-builder.md
bedrock-quota-manager.md
container-orchestration.md
cost-anomaly-detection.md
cost-optimized-eks-with-spot-instances.md
day-one-aws-foundation-setup.md
deploy-github-repo.md
elasticsearch-to-opensearch-migration.md
full-aws-deployment-agent.md
gpu-instance-quota-assistant.md
kiro-project-init.md
local-code-to-cloud.md
multi-region-assessment.md
mvsp.md
open-source-llm-inference.md
openapi-to-agentcore-gateway-deployment.md
opensearch-cluster-operational-review.md
rag-chatbot-with-claude.md
resiliency-baseline-evaluation.md
security-baseline-evaluation.md
startup-landing-page-deployment.md
startup-pitch.md
well-architecture-review.md

详细介绍

AWS Startups 提示词与 Agent 库

AWS 精选的 AI 编码工具(Kiro、Claude Code、Cursor 等)提示词的可搜索索引,以及可下载、可安装的 Agent。内容与 aws.amazon.com/startups/prompt-library 完全一致。

最后更新: 2026-09-24


从哪里开始

打开 references/prompt-library.md——这里是索引。按 关键词 列筛选(例如 RAG、Security & Compliance、Cost Optimization、EKS、Beginner、Bedrock),然后打开 references/prompt-library/<slug>.md 下对应的详情文件。每个详情文件都包含完整的原文 系统提示词,并在适用时附有 如何使用? 部分。

索引分为三个部分:

  1. 提示词 — 可搜索索引 — 可复制粘贴的提示词。
  2. 可下载的 Agent — 可从 GitHub 仓库克隆的可安装 Agent。
  3. 常见问题 — 关于如何编写优质提示词、成本、安全、无技术背景用户的使用方式和监控的指导。

移交提示词——匹配当前环境

你已经身处 AI 编码 Agent(Claude Code / Kiro / Cursor / 等)中。不要告诉用户“将此内容粘贴到你的 AI 工具中”——你本身就是 AI 工具。

当用户请求提示词时:

  1. 阅读 references/prompt-library.md 中的索引,按关键词筛选并确定匹配的 slug。

  2. 打开 references/prompt-library/<slug>.md 并阅读完整的系统提示词。

  3. 将提示词作为 AWS Startups 提示词库中的参考内容 呈现给用户,然后提供三种选择:

    “这是 AWS Startups 为 <task> 提供的参考提示词。我可以: - 运行它来处理你的配置(执行前我会展示每条命令), - 调整它以满足你的具体需求(不同的区域、服务、语言等),或者 - 你可以将它复制下来作为起点。

    你希望如何继续?”

  4. 不要臆测用户意图。等待用户选择(执行 / 调整 / 复制)后再采取行动。

可下载的 Agent——与提示词属于不同类型的内容

references/prompt-library.md 中的 可下载的 Agent 部分列出的是可安装的 Agent,而非可复制粘贴的提示词:

  • AWS Multi-Account Transition Advisor — 指导从单账户迁移到多账户(AWS Organizations + OU)。
  • AWS Bill Shock Preventer — 主动检测成本激增并发出提醒。
  • AWS Service Quota Agent — 审核服务配额并申请提高配额。
  • Bedrock Model Availability Agent — 查找各 AWS 区域中 Amazon Bedrock 模型的可用情况。
  • AWS DB Advisor — 帮助选择和运行合适的 AWS 数据库(选择、高可用性 / 灾难恢复、成本、迁移)。

当用户的意图与其中某个 Agent 匹配时——例如 “设置多账户”、“避免账单激增”、“审核服务配额”、“哪个 Bedrock 模型 / 区域”、“我应该使用哪个数据库”——按名称和适用场景推荐对应的 Agent,然后提供索引文件中的 GitHub 仓库 / 安装链接。请说明该 Agent 需要与此技能分开安装到用户的 AI 编码 Agent 中。

对于迁移需求,请引导用户使用此插件中匹配的迁移技能:gcp-to-aws(“从 GCP 迁移到 AWS”、离开 Google Cloud)、heroku-to-aws(“从 Heroku 迁移”)、llm-to-bedrock(“从 OpenAI/Gemini 迁移到 Bedrock”——重写 SDK),或 agent-advisor(在 AWS 上选择 Agent 运行时 / 架构)。

路由提示 — 常见查询 → 对应条目

查询条目
"给我一个 MVP 提示词"awsome-mvp-builder.md
"Bedrock 上的 RAG 聊天机器人提示词"rag-chatbot-with-claude.md
"第一次如何设置 AWS?"day-one-aws-foundation-setup.md
"安全基线 / 生产就绪情况审计"security-baseline-evaluation.md、aws-security-baseline-terraform-deployment-kit.md
"如何提高 GPU 实例配额?"gpu-instance-quota-assistant.md
"Bedrock 模型配额 / TPM / RPM"bedrock-quota-manager.md
"成本异常 / 支出监控"cost-anomaly-detection.md
"使用成本优化型 Spot 实例的 EKS"cost-optimized-eks-with-spot-instances.md
"开源 LLM 推理"open-source-llm-inference.md
"Well-Architected 审查"well-architecture-review.md
"多区域安全评估"multi-region-assessment.md
"将 Elasticsearch 迁移到 OpenSearch"elasticsearch-to-opensearch-migration.md
"OpenAPI 转 MCP / AgentCore Gateway"openapi-to-agentcore-gateway-deployment.md
"将 GitHub 仓库部署到 AWS"deploy-github-repo.md
"帮我将工作负载迁移到 AWS"gcp-to-aws / heroku-to-aws / llm-to-bedrock 技能(此插件中的同级目录)
"在 AWS Organizations 上设置多账户"可下载:Multi-Account Transition Advisor
"避免账单冲击 / 主动检测成本激增"可下载:AWS Bill Shock Preventer
"管理 / 申请服务配额"可下载:Service Quota Agent
"哪些区域提供哪些 Bedrock 模型"可下载:Bedrock Model Availability Agent
"我应该使用哪种 AWS 数据库"可下载:AWS DB Advisor

其他查询可按关键词筛选 references/prompt-library.md。

配套技能——何时转交

此技能仅涵盖提示词和可安装的 Agent。另外两个相关技能负责相邻的工作:

  • knowledge-base-for-startups — AWS Startups 知识库(Activate 常见问题、抵扣额度、计划、合作伙伴优惠、示例架构、数百篇学习文章)。当用户询问有关 AWS Activate、资格条件、加速器的事实性问题,或希望获取某个主题的学习文章时,请转交给此技能。
  • start-building-for-startups — 交互式需求探索 + 实施工作流,通过选择器问题收集需求,然后直接编写代码。当用户希望_构建_或_搭建脚手架_来开发应用时,请转交给此技能——它可能会在流程中途查阅此技能,以找到合适的入门提示词。

边界情况——同时调用两者。示例:"如何开始在 Bedrock 上使用 RAG?" → 使用此技能查找入门提示词(rag-chatbot-with-claude.md),并使用 knowledge-base-for-startups 查找更深入的 RAG 架构模式学习文章。

答复风格

  • 必须在引用系统提示词之前阅读详情文件。 完整提示词只存在于详情文件中;必须打开该文件。不要凭记忆或仅根据索引引用系统提示词。
  • 必须逐字引用系统提示词。 提示词的措辞经过精心设计——不要改述、概括或缩短提示词本身。你可以用自己的话概括_提示词的作用_;但提示词内容必须保持原样。
  • 必须引用 source_url。 每个文件的 frontmatter 中都有一个 source_url——这是答复中应包含的规范 URL。切勿自行拼凑或猜测 URL。
  • 不得让用户把提示词粘贴到别处。 你就是 AI 编码 Agent(见上文“移交提示词”)。将提示词作为参考展示,并主动提出执行/调整/复制——由用户决定。
  • 当用户准备执行涉及基础设施、计费或安全的提示词时,必须明确展示验证免责声明。 来源页面中的原文:“您须独自负责审查并验证因使用这些提示词而生成的任何输出。”

上下文加载规则

先打开 references/prompt-library.md,按关键词筛选,然后每个问题最多打开一个提示词详情文件。不得投机性地加载多个详情文件。如果查询可能匹配多个条目,请先根据索引列出候选项的标题,并询问用户想要哪一个,然后再打开详情文件。

范围说明

此技能无法:

  • 回答有关 AWS Activate、抵扣额度、计划或合作伙伴优惠的事实性问题——请转交给 knowledge-base-for-startups。
  • 提供未收录在 references/prompt-library/ 目录树中的提示词。如果没有匹配的提示词,请如实说明,而不是临时编造。
  • 代替用户安装可下载的 Agent。用户需要将它们独立于此技能安装到自己的 AI 编码 Agent 中——请展示索引文件中的 GitHub 仓库/安装链接。
  • 取代来源页面的免责声明。用户仍须负责审查并验证任何已执行提示词生成的输出。

时效性检查——每次答复后都要展示

回答用户的问题后,将本文件顶部的 Last updated: 日期与今天的日期进行比较。如果间隔超过 6 个月,请在答复末尾附上一条简短提示,建议用户更新技能:

"此技能内容上次更新于 <Last updated date>,距今已超过 6 个月——提示词和可下载的 Agent 可能已新增、移除或修订。若要获取最新内容,请运行:

  • npx skills update prompt-library-for-startups — 将已安装副本更新到最新版本

然后重启 AI Agent,以加载新内容。"

技能内容仍为最新(≤6 个月)时,不要显示此提示。同一对话中不要重复显示此提示;显示一次即可。

评论

支持 Markdown