接入 · 开放接口

让 GoodCase 进入你的工作流。

Agent discovery给 Agent 一个入口：llms.txt打开 →

01 · Agent Skill

给你的 AI 装上 goodcase Skill

Skill 与站点共用公开 API，并使用 LearnPrompt Skill 工坊同款跨 Agent 安装器：

npx skills add LearnPrompt/goodcase-lite --skill goodcase --global --copy --yes --full-depth

装好之后，直接问你的 AI：「最近有什么好案例」，它就会自己来查。

02 · RSS

用 RSS 订阅最新案例

把下面的地址加进任何 RSS 阅读器。每条包含案例摘要与 Prompt 预览，按发布时间倒序。

https://goodcase.ai/feed.xml

订阅之后

在阅读器里搜 goodcase 就能找到这条源；也可以把地址直接丢给你的 AI，让它每天早上帮你读一遍。

03 · REST API

直接调公开 REST API

GET /api/public/cases · 案例列表

curl -s "https://goodcase.ai/api/public/cases?category=video&q=umesh&take=5&locale=zh-CN"

category: 分类过滤：image / video / web / copy / hardware，传其他值返回 400
q: 关键词，匹配标题 / 摘要 / 创作者，大小写不敏感，中英文都行
take: 返回条数 1-50，默认 20，越界自动钳制
locale: 内容语言：zh-CN 或 en，默认 zh-CN。
form: 产物形态二级筛选：text-to-video / ref-to-video / web-ui / motion-3d / game-3d / agent-tool，传其他值返回 400
sample: 确定性随机抽样条数 1-50，越界自动钳制；传了就忽略 take
seed: 抽样种子，配合 sample 使用；同 seed 同参数会拿到同一批结果，不传则随机并在响应里回显

响应字段（items 内每条）· 展开查看 15 个字段→

slug: 案例唯一标识，用于拼详情 URL
title / summary: 当前语言的标题与摘要
category: image / video / web / copy / hardware
creator / source / sourceUrl: 创作者署名、来源平台与原始链接
sourceLikeCount / sourceCommentCount / sourceShareCount / sourceSaveCount: 来源帖公开互动快照；平台不提供的字段为 null
sourcePublishedAt / sourceMetricsCapturedAt: 来源发布时间与互动快照采集时间
sourceHeatScore / sourceInteractionCount: 跨平台归一后的来源热度与原始互动总数；无快照时为 null
currentHeatScore: 按发布时间对 sourceHeatScore 做指数衰减后的当前热度（半衰期 7 天，60 天后保底 15%）；sourceHeatScore 为 null 时同为 null
promptPreview: Prompt 预览（完整 Prompt 在详情接口）
mediaUrl / posterUrl: 媒体与封面的绝对 URL
stabilityScore: 当前稳定性参考分
favoriteScore: 旧版兼容字段，不用于来源互动榜
recommendedModels / costBand: 推荐模型与成本档（low / medium / high）
evidenceLevel / tags: L0 / L1 / L2 证据等级与标签
url: 当前语言的案例详情页地址

GET /api/public/cases/{slug} · 单条全量

curl -s "https://goodcase.ai/api/public/cases/real-case-01-umesh-ai?locale=zh-CN"

在列表字段之外额外返回 promptFull（完整 Prompt）、editorNote（编辑点评）、labNote（实验笔记）、spreadScore（传播势能分）、sourceHeatNote（来源热度计算说明）等深度拆解字段。

GET /api/public/cases/{slug}/retests · 复测记录

返回该案例站内逐模型复测记录：stabilityScore、evidenceLevel、按模型的最新结果与历史，以及完整记录列表。用来拿站内基线与自己跑的新模型结果对比。

以上全部接口匿名可用、不需要 API Key；服务端缓存 5 分钟；CORS 全开，浏览器里可以直接 fetch。

§ Model Eval · 模型评测

模型评测：用同一套题测任何新模型。

新模型出来当天，装了 goodcase skill 的 agent 就能按分类随机抽题跑一遍，和站内复测基线对比。

它背后做了什么→

01抽题：GET /api/public/cases?category=web&form=web-ui&sample=5&seed=20260906-yourmodel，默认 exclude=motion-3d（背景视频 / 3D 考的是素材不是模型）；同 seed 同结果，记下 seed 就能复现。
02拉基线：逐条 GET /api/public/cases/{slug} 拿 promptFull，GET /api/public/cases/{slug}/retests 拿站内逐模型复测记录。
03跑题对比：目标模型跑 promptFull，逐条记 reproduced / degraded / failed，输出对照表和 goodcase-model-eval-v1 JSON 清单（seed + slug 列表就是与站内复测对齐的口子）。

先安装 goodcase skill：npx skills add LearnPrompt/goodcase-lite --skill goodcase --global --copy --yes --full-depth
然后用 goodcase 评测 <模型名>：按 category=web、form=web-ui 抽 5 题（seed=20260906-<模型名>），逐条拉 promptFull 和 /retests 站内基线，用 <模型名> 跑每条 prompt，逐条记 reproduced / degraded / failed，最后给我对照表和 goodcase-model-eval-v1 JSON。这是自测，不算 goodcase 官方复测。

自己跑的结果不是 goodcase 官方复测；finalScore（评审打分）与 stabilityScore（人审档位）不是同一量纲。

手头没有 codex / claude / grok 这三个评审模型也没关系：站内用的评审 rubric（reproduced / degraded / failed 三档的判定标准）会随 goodcase skill 一起公开，任何模型都能照着这套标准打分。跑完在结果里标 judge="self" 与实际用的评审模型名即可；站内会把自评结果和官方三模型结果分开展示，不会混进同一个排名。

§ Method · 方法

从碎片化爆款，到可复用方法。

A · 原始 / 分散互联网

@servasyy_ai · X / 𝕏

这条案例的价值不在提示词本身（prompt 只是一个 GitHub 链接），而在于它开源了一整套图生 3D 工作台：后端统一代理 Tripo、Hyper3D、Fal.ai、Hunyuan3D 等多家图生 3D API 并自动降级，密钥不进前端、生成结果本地缓存复用，是少见的能直接跑起来学的工程参考，而不是一次性效果展示。说明：该案例的创意归属存在争议——有创作者公开指出此想法与其更早发布的作品高度相似且未获署名，开源仓库的致谢也被指不完整。收录基于其工程实现的参考价值，归属争议请读者自行判断。

提示词片段
https://github.com/huangserva/3DCellForge...

#AIcase #prompt #model #workflow #creator

→

B · 结构化案例页GoodCase.ai

image to 3D

AI 编程 · X / 𝕏

传播信号

来源X / 𝕏 · @servasyy_ai

提示词41 字 · 标准化预览

运行过的模型Claude Sonnet · GPT-5 · Gemini Pro

创作者@servasyy_ai · 模式持有者

传播

稳定

成本

MID

复测记录

image to 3D · Beta 证据

§ Open Source · 开源与周边

开源版和周边项目，都在这里。

GoodCase Lite（开源站点版）

clone 即跑的同款 UI 开源版，内置真实样例案例。

GitHub ↗

Awesome Seedance（已验证提示词库）

经过验证的 Seedance 2.5/2.0 提示词库，每条提示词都对照原帖人工核实，标注作者、来源、日期与热度分。

GitHub ↗

§ About · 产品边界

一个产品，一份 Case 真相源。

Case

公开主体：作品、作者、方法与原始来源。

Creator

由已收录 Case 聚合出来的作者视图。

Lab

围绕 Case 的复测记录与稳定性证据。

Skill

多个 Case 反复成立后沉淀的方法包。

§ Feedback · 反馈

发现错漏，就直接留在这里。

内容纠错、页面问题和产品建议进入独立人工队列，不会冒充 Case 投稿。

加入 GoodCase 飞书群

新案例、复测结果、投稿进度都在群里先聊，作者和运营都在。

加入飞书群 →

直接调公开 REST API

GET /api/public/cases · 案例列表

curl -s "https://goodcase.ai/api/public/cases?category=video&q=umesh&take=5&locale=zh-CN"

category: 分类过滤：image / video / web / copy / hardware，传其他值返回 400
q: 关键词，匹配标题 / 摘要 / 创作者，大小写不敏感，中英文都行
take: 返回条数 1-50，默认 20，越界自动钳制
locale: 内容语言：zh-CN 或 en，默认 zh-CN。
form: 产物形态二级筛选：text-to-video / ref-to-video / web-ui / motion-3d / game-3d / agent-tool，传其他值返回 400
sample: 确定性随机抽样条数 1-50，越界自动钳制；传了就忽略 take
seed: 抽样种子，配合 sample 使用；同 seed 同参数会拿到同一批结果，不传则随机并在响应里回显

响应字段（items 内每条）· 展开查看 15 个字段→

slug: 案例唯一标识，用于拼详情 URL
title / summary: 当前语言的标题与摘要
category: image / video / web / copy / hardware
creator / source / sourceUrl: 创作者署名、来源平台与原始链接
sourceLikeCount / sourceCommentCount / sourceShareCount / sourceSaveCount: 来源帖公开互动快照；平台不提供的字段为 null
sourcePublishedAt / sourceMetricsCapturedAt: 来源发布时间与互动快照采集时间
sourceHeatScore / sourceInteractionCount: 跨平台归一后的来源热度与原始互动总数；无快照时为 null
currentHeatScore: 按发布时间对 sourceHeatScore 做指数衰减后的当前热度（半衰期 7 天，60 天后保底 15%）；sourceHeatScore 为 null 时同为 null
promptPreview: Prompt 预览（完整 Prompt 在详情接口）
mediaUrl / posterUrl: 媒体与封面的绝对 URL
stabilityScore: 当前稳定性参考分
favoriteScore: 旧版兼容字段，不用于来源互动榜
recommendedModels / costBand: 推荐模型与成本档（low / medium / high）
evidenceLevel / tags: L0 / L1 / L2 证据等级与标签
url: 当前语言的案例详情页地址

GET /api/public/cases/{slug} · 单条全量

curl -s "https://goodcase.ai/api/public/cases/real-case-01-umesh-ai?locale=zh-CN"

GET /api/public/cases/{slug}/retests · 复测记录

先安装 goodcase skill：npx skills add LearnPrompt/goodcase-lite --skill goodcase --global --copy --yes --full-depth 然后用 goodcase 评测 <模型名>：按 category=web、form=web-ui 抽 5 题（seed=20260906-<模型名>），逐条拉 promptFull 和 /retests 站内基线，用 <模型名> 跑每条 prompt，逐条记 reproduced / degraded / failed，最后给我对照表和 goodcase-model-eval-v1 JSON。这是自测，不算 goodcase 官方复测。