我之前就写过一篇《深度理解：提示词工程》，自认为已经覆盖到了绝大多数 Prompt 场景。今天又尝试让 GPT-5 Thinking 站在非常规角度来聊聊 Prompt。内容大部分都是老生常谈的东西，不过也有些小亮点，整体读下来感觉不错，就整理成此文。 👉 LLM 高效沟通指南:

#提示词工程 #GPT-5 thinking #LLM #高效沟通 #非常规角度

相关新闻

0xWizard

2天前

人和 ai 的差异没那么大。人的心法/逻辑/思考方式，就是 LLM 大语言模型底层；平时的“事上练”/经验/盈亏/读书，就是数据训练。所谓进步和升级，无非就是一边升级模型底层，一边不断喂数据。这样当 prompt 提示词适当的时候，就能给出更令人满意/更聪明/更接近正确的答案。

meng shao

2天前

Designing Claude Code —— Claude Relations 负责人 Alex Albert 与 Claude Code 设计负责人 Meaghan Choi 一起探讨了 Claude Code 的设计理念、终端界面的演变，以及它如何赋能非技术人员如设计师。探讨的焦点在于 Claude Code 如何将 LLM 的力量无缝融入开发者日常工作流中，强调简洁、集成和创新。起源

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3天前

一旦与LLM的交互范式突破，电力需求恐怕远超这个比例

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3天前

LLM从来不是通用智能，而是语言智能，或者说是基于语言的认知智能；语言在人类智能中是什么，LLM在人工智能中就是什么。而获取这种智能的方式就是交互。 𝕀²·ℙarad𝕚g𝕞的具身经验本体交互范式就是这种交互的agentic cognition OS。

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3天前

语言的自指其实反映了人性中张力的自我突破循环。没有完美的群体秩序基质，历史上群体秩序最长的大概是周朝绵延八百年。就像LLM也没有完美的Rward Model，只要有，就一定存在对这种RM的exploit或hack。