#Prompt

1天前

越早意识到下面这点的程序员越有优势：当 AI 生成代码有问题时，你不应该自己改（或教他改），而是通过： - prompt 层面：更详尽的任务规划 - 工程层面：e2e、单测、强类型语言... - 应用层面：选择合适模型、agent 不断给到更多约束和线索（而不是具体指导），像个循循善诱的智者，完全让 AI 自己领悟、迭代这样才不会与 AI 发展的趋势发生对抗...

#AI浪潮：重塑就业，风险暗涌？· 85 条信息

#AI #程序员 #Prompt #工程 #约束

1天前

苏格拉底真是伟人，我这个木瓜脑袋，有时prompt里不提“苏格拉底”的大名，大模型就不知道怎么把话说到我懂。

#苏格拉底 #伟人 #大模型 #Prompt #理解

3周前

分享两个收藏了很久一直没试过的 Prompt，用 Gemini 2.5 Pro 输出的 HTML，包装一下就是很赞的社媒卡片生成器了😍 Prompt 跟 Demo 见评论👇

Google Gemini 2.5发布引发AI模型性价比热议· 97 条信息

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 327 条信息

#Gemini 2.5 Pro #社媒卡片生成器 #Prompt #HTML #积极

3周前

从分布式认知到智能体沙盒：上下文工程的前世今生我们一直在追问一个问题：“上下文”到底是什么？在大语言模型时代，“上下文”似乎成了万物解释器。它是 prompt，是历史，是 token，是 memory，是一切的因。但真正追溯起来，这个词不过是现代工程视角下的临时叫法。在历史长河中，人类从未依赖固定术语来传达概念。意义的表达，一直是动态的、时代性的、多义的。我知道有人会在推特上不断争论名词定义，纠结术语本体，害怕说错话。其实你会这么焦虑，是因为你还太年轻。你还没来得及在图书馆把所有能读的书都翻过一遍，没啃完泛读课几千张的试卷，也没刷过晋江论坛上一万篇看起来无聊却构成语感基础的网络小说，更没读够《哈利波特》的一百种同人演绎版本，不管恶心还是不恶心的，我都看完了。你还没有亲身验证过：人类的认知，不靠术语确证，而靠结构对齐。工科生也要多读点文学。读书破万卷，下笔如有神。不同的时代用不同的话说同样的事。今天你说“上下文”，十年前的人也许说“语境”，更早的人说“记忆”，结构主义者说“框架”，认知心理学者说“图式（schema）”，而《Cognition in the Wild》会说“文化任务系统”。语言在变，但核心的问题没有变：我们如何在系统中保持连续性、追踪状态、组织行为？上下文不是术语，而是时代对“认知调度结构”的一种指认方式。而我相信，大语言模型的下一个关键跃迁，不会来自模型本身的微调、参数堆叠或幻觉率的下降，而是来自“上下文工程”作为系统性结构工程的确立。这不是拼 prompt 的技巧，而是构建结构、规划路径、调度智能体、维持状态协同的全过程。从 Hutchins 的分布式认知，到 Minsky 的心智社会模型，再到今天的多智能体沙盒（如 Smallville），其实探索的是一个问题。我们说说 Hutchins 的分布式认知。在 1995 年出版的《Cognition in the Wild》中，认知人类学家 Edwin Hutchins 提出了一个至今仍具有颠覆性的观点——认知不是发生在某个人的头脑中，而是分布在整个社会性系统中的。这本书的“野”，并非意指原始或混乱，而是指他所观察的认知行为并非在实验室中进行，而是在自然环境、真实世界任务流程中的发生，比如他田野调查的对象：美国海军舰艇上的导航团队。 Hutchins 研究发现，一个看似简单的任务——导航，并不是某位军官独立思考的结果，而是由多人协作完成的结构性过程。有人读取雷达数据，有人记录数值，有人在图纸上进行计算，信息在他们之间流动，决策才得以形成。除此之外，还有纸笔、坐标系统、专用术语、表格、雷达等外部工具的参与，它们不仅是辅助，而是认知过程本身的一部分。语言、制度、流程、工具、环境，以及人的角色分工共同构成一个动态的认知网络，信息在其中穿梭、被加工、被传递。这意味着，大脑并不是认知的全部，它只是这个更大系统中的一个节点。 Hutchins 完全打破了“认知=大脑”的传统观念。他明确指出，认知是在多个层次上被分布的。首先，它在个体之间分布：认知任务通常不是一个人完成的，而是团队共同完成，每个人只掌握任务的一部分。其次，它在内部与外部结构之间分布：认知不仅存在于人脑中，还依赖于图纸、表格、工具，这些物理媒介实际构成了“外部记忆”。最后，它也在时间上分布：一个人的认知行为依赖于之前团队留下的结构和制度遗产，比如流程图、记录规范、指令格式等，它们都是认知的延续性基础。这一理论，与 Marvin Minsky 在《Society of Mind》中提出的观点形成惊人共鸣。如果我们把 Hutchins 所说的“人在协作中的功能单位”理解为 Agent，那这就是一个运行在真实世界中的 Agent 系统。而他所说的“外部工具系统”则对应当代 AI 系统中由 RAG、数据库、图谱所组成的记忆补全机制。甚至时间上的认知延续，也可以理解为多智能体系统中长期计划与路径依赖的体现。说到底，Hutchins 向我们揭示了一个根本性的真相：认知不是个体思考的能力总和，而是结构化信息流的组织能力。真正决定智能的，不是单个 Agent 有多聪明，而是这些 Agent 是否处于一个能支持信息流动、反馈、协调、演化的系统中。认知是一种“被调度”的结构过程，是一种嵌入式、路径化、可追踪的信息动态，而非脑内静态存储的内容。他实际上为我们提供了一种语言模型时代“上下文工程”的最早形态：不是堆叠上下文，而是组织路径；不是增大参数，而是优化流动；不是强调理解，而是调度结构。如果我们把 Edwin Hutchins 的《Cognition in the Wild》重新理解为一场沙盒模拟实验，就会发现，那艘军舰，其实就是三十年前的 Smallville——只不过它没有像素地图，没有代码，没有 LLM，却已具备全部结构要素。Smallville 是斯坦福团队 2023 年推出的多智能体模拟项目（Generative Agents – Smallville），在其中，每个角色都是由大语言模型驱动的认知个体，具备记忆流、计划能力与反思机制。当他们在咖啡馆偶遇时，并不会访问全局知识，而是检索各自的片段记忆，基于当前场景与意图做出行为决策，并将对话与动作反馈回自己的记忆系统。事件通过语言传播，行动彼此影响，个体间的协作并非中心化控制，而是由意图触发，逐步组织，最终形成如 Valentine’s Day Party 那样自发出现的社会性行为。回过头看，Hutchins 所描述的军舰系统就是一个没有计算平台的 Smallville 原型。人类成员承担 Agent 的角色，雷达是传感器，纸笔是外部记忆体，术语是通信协议，时间流程是结构化路径，整套认知行为并不是由某一个人单独完成的，而是分布在整个系统中的任务分工与信息流转之间。它的“上下文”从来不是某一段文字、某个人的记忆或某个模型的输入窗口，而是由角色、工具、任务、流程、制度、状态等维度共同构成的动态认知结构。它是一张可以流动、传递、反馈、演化的认知路径网，是结构意义上的上下文，而非语料意义上的上下文。从这个角度看，Hutchins 实际上提供了一种极具前瞻性的认知沙盒设计思想：上下文不应该是被记住的内容，而是被调度的结构单元；结构不应该压缩进个体，而应该流经路径、联动角色、触发工具、反馈结果；智能不应该被定义为某个 Agent 的思维能力，而应该被定义为信息能否在一个系统中完整走完一条闭环路径。这种理解直接反转了当代大模型系统中常见的误区——我们试图让一个超级 Agent 理解全部上下文，就像让一个人同时记住整个小镇的一切，而真正需要的不是更强的单点记忆力，而是更清晰的结构协作图谱。Hutchins 和 Smallville 一起告诉我们：我们不需要一个全知大脑，我们需要一座结构良好的小镇。

#大语言模型 #上下文 #智能体 #分布式认知 #Prompt

1个月前

听过这个老哥创造了一段可以停止 ChatGPT 幻觉的 Prompt 👉

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 327 条信息

#ChatGPT #Prompt #幻觉 #人工智能

1个月前

下面这个是我测了好几个小时总结的 mermaid 语法检查清单 prompt：

#mermaid #语法检查清单 #Prompt

2个月前

把 Veo3 的几个玩法都试了一下模型是真的好，用 chat 来控制是真的需要想清楚 prompt 才可以比如第一个，这是什么小刀。。第二个，分辨率应该是指定竖屏的 16:9 第三个，台词是有点短，可以更长一点 Gemini 的bug太多了，每次开新窗口都要点两下 Video 按钮，不然会走到生成图片的路径

#Veo3 #模型 #chat控制 #Prompt #分辨率 #竖屏 #台词 #Gemini #bug #Video按钮 #生成图片

2个月前

看到一个观点，说人使用 AI 的时候，每一句 prompt 都是成本但我觉得未必，这取决于你认为「思考」是成本还是收益如果思考是成本、是代价、是 cost，那么当然 prompt 是成本，因为我们只是需要让 AI 思考但是如果思考才是收益呢？如果一个真正的好问题，有没有答案已经不那么重要呢？同理，如果一个商人将死之前，发现这个商业旅程才是真正有价值的那么，探索商业的时间、精力，是成本还是收益？如果研究生意是成本，那就只有金钱才是收益可是买完房、买完车之后呢？接着买更多房、更多车吗？但如果钱是数字、是 KPI、是一纸报表的话，那就只能让「研究生意」成为收益和乐趣这份收益的增长曲线、衰退曲线，比消费主义曲线要好看得多

#AI #思考 #商人 #商业价值 #成本收益 #Prompt

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

2个月前

anthropic 比较实在，LLM当前阶段交互，主要还是prompt。自家的4的6万字系统提示词已经做了大部分工作。

#Anthropic #LLM #Prompt

2个月前

今天尝试用 Claude4 创建一些 Infographic（就是很流行的信息图表）没有任何的微调，一个 prompt 直出，prompt 风格也是让大模型提供，我没有任何调整，发现真的很强，尽管有少许错位，但是想象力和风格都让我很满意和惊喜。我尤其喜欢第二张的赛博朋克风，里面还有函数名称啥的，很前卫。第三张的复古风都很棒。我还在想 prompt engineering 还存在吗？现在大模型能一下生成各种完美的提示词了。

#Claude4 #Infographic #信息图表 #大模型 #Prompt #赛博朋克 #复古风 #Prompt Engineering

2个月前

Claude 4 最新的系统提示词最全揭密来了⚡️ 包括人设、安全、风格、Opus 和 Sonnet 区别、思考块格式设计、搜索 Instructions、Artifacts 指引等非常值得学习，可能是 AI 时代写 Prompt 最好的一家工商了.... 👉

#Claude4 #系统提示词 #AI写作 #Prompt #Opus #sonnet #思考块格式 #搜索语句 #最佳指引

2个月前

claude-4-sonnet 在编程方面非常厉害，基本一次过，对于功能逻辑，你写的逻辑越清晰、给定条件限定和上下文越多，它就能生成符合预期的代码。最近实现一个比较复杂的功能，为了避免在 cursor 即时生成的快感导致给的输入质量不高，我专门在zed写了10 多分钟Prompt，完整、Review 之后才发cursor。

#claude-4-sonnet #编程 #代码生成 #功能实现 #Prompt

2个月前

#暴论：别折腾各种不明觉厉的prompt了。氪一点金，使用最高IQ的模型（例如，不限量的o3+gpt-4.5搭配）比折腾prompt 有效多了。一个建议：拿200美金测试一下。开一个月pro，以上1000条o3，500条gpt-4.5，保证你下个月再也不想在prompt上浪费时间了。模型即产品。用最好的模型，就是在ai时代对自己最大的尊重。

#暴论 #Prompt #模型 #AI时代 #建议 #GPT-4.5 #IQ #产品 #测试 #浪费时间 #最好的模型

3个月前

推荐大家多用谷歌的Deep research，获取专业知识，然后让 AI 生成Prompt。开始标题Prompt的研究探索，一直不太满意现在用的标题生成。

#DeepResearch #AI #Prompt #谷歌 #专业知识

3个月前

迭代了十多版，专门用于suno歌曲生成，节后发布。用gemini deep research发现了很多Reddit社区隐藏技巧，都融合到Prompt中了。给定主题或一段内容，30s创作一首歌，特别有趣

#suno #Gemini Deep Research #Reddit社区 #歌曲生成 #Prompt #快速创作 #隐藏技巧

3个月前

正在调一个英语学习prompt。把任意英文文章变成：闪卡学单词->双语对照阅读->阅读理解测试三个环节。体验地址见评论区

#英语学习 #Prompt #闪卡 #双语对照 #阅读理解

3个月前

写了一个Prompt，把任何书籍变成互动式问答学习方式。

#Prompt #互动式学习 #问答 #书籍 #学习方式

4个月前

咪蒙走了，但她的标题秘密被我找到了上午用咪蒙标题风格，写了一个文章标题生成Prompt。不少做自媒体的朋友用了，都觉得效果牛逼。甚至追问，写文章都是咪蒙风格... Prompt地址见评论区

#咪蒙 #标题生成器 #自媒体 #风格 #Prompt

海拉鲁编程客

4个月前

「去除 AI 味 Prompt」开源放到 Github 上啦（地址见评论区）人工手写稿子被「朱雀大模型」判定为 50% 的 AI 生成。让我一度怀疑我自己是个套壳机器人。老婆说你只是像，但并不是。于是我悬着的心放下来了，一口气研究了去除 AI 味的一些方案，最终在 Gemini 2.5 Pro 上调通了这个 Prompt

#AI #人工智能 #去除AI味 #朱雀大模型 #手写稿 #Gemini 2.5 Pro #Prompt #开源

4个月前

一个Prompt实现大字排版自由！今天写个公众号分享。

#Prompt #大字排版 #自由 #公众号 #分享

4个月前

基于Prompt写了一个网页，体验地址：

#Prompt #网页 #体验地址

5个月前

最近两三周给很多客户反复提及的忠告：用模型一定要用最好的那个，如果想省钱，请在你的场景下微调，而不是用一个低能力的通用模型，然后试图靠 Prompt 或者工程努力去拯救它。比如 DeepSeek 的那一堆蒸馏模型是很好的场景级推理模型的Base，但是不要直接用，真的很差。

#模型选择 #微调 #场景应用 #Prompt #工程努力 #DeepSeek #蒸馏模型 #推理模型

6个月前

2 个prompt把太阳系做出来了，还带mouse motion。你们去玩吧，我要去喝两杯。

#太阳系 #mouse motion #喝酒 #做游戏 #Prompt #人工智能

6个月前

美国版权局发布关于人工智能（AI）与版权专题报告：完全由人工智能创作的内容不受版权保护单纯的 Prompt 不足以构成版权： -简单的 AI 提示，如"生成科幻风格的城市"，通常不被视为有版权价值的创作。 -版权保护的是“表达”而非“想法”，Prompt 只是想法的表达方式之一。复杂、高度详细的 Prompt 是否可版权化？ -有些专家认为，极度详细的 Prompt 可能符合版权保护标准（如包含原创性的内容结构）。 -但大多数法律意见认为，即使 Prompt 复杂，也只是影响 AI 的输出，不能自动赋予生成内容版权。这是美国版权局（U.S. Copyright Office）发布的关于人工智能（AI）与版权的第二份专题报告，专注于探讨 AI 生成内容的版权问题。本报告：分析 AI 生成内容的版权适用性，即人类的贡献是否足够使 AI 生成内容受到版权保护。回应 2023 年 8 月的意见征询（NOI），收集了 10,000 多条公众意见，其中近半数涉及 AI 生成内容的版权问题。与第一部分不同，第一部分讨论的是数字复制技术（如 AI 合成的声音或面部），而本部分专注于 AI 生成内容是否具备版权保护资格。

#美国版权 #人工智能 #AI创作 #版权保护 #Prompt #版权局报告

6个月前

小红书新上的翻译功能是用大模型做的，于是大家开始在内容中用 prompt 操纵翻译结果玩梗。新时代 SQL 的注入。

#小红书 #翻译功能 #大模型 #Prompt #玩梗 #SQL注入