#prompt设计

avatar
howie.serious
2个月前
很多人问 “泄露天机”级别的deep research 翻译，prompt到底是什么。 来，接着！👇 > 把这篇文章全文翻译为中文，保留文章结构； > > 输出中英对照版本，一段英文，一段中文，英文在前，中文在后； > > 注意使用 paul graham 的风格，语言简洁，真诚，思想有深度； 是不是很朴素？一点都不高级？🤣 但这样的prompt真的足够了！之前推文里没说，也是因为只要把翻译需求用人话说清楚就可以，我才觉得没必要发prompt。 我的公众号里，凡是双语对照的文章，例如十几篇paul graham杂文（链接放评论区），都是用这个prompt翻译。（如果没坏，就没必要修。所以，我也一直没迭代🤣） 根本不需要深奥的、不明觉厉的那种prompt！模型即产品！省出时间来用最好的模型就行了！ 另外，提供一个tip：把要翻译的文章，用chrome插件Markdonload一键下载为markdown文件，作为附件上传。这比让chatgpt联网访问更稳。 使用deep research时，研究阶段的底层模型都是o3，明确需求阶段，model picker选哪个几乎没有区别，不放心的话尽量选o3或gpt-4.5呗。 评论区是双语文章实例。看一眼效果。
#Deep Research #prompt设计 #翻译技巧
avatar
2 个 prompt，用 做了个家庭成员、事件、故事管理系统。太牛了！prompt 见回复。
#prompt设计 #家庭系统 #信息管理 #创新应用
avatar
凡人小北
2个月前
建议大家，别在简历里写“熟悉 RAG”了，或者面试前好好学学。 我面试过不少人，说熟悉 RAG，结果一问就穿帮。 RAG 绝大多数工程师只碰到前半段： 拿个 LangChain，上个向量库，把 chunk 和 embedding 丢进去跑个检索； 看起来跑通了，实际啥也没掌握。 但只要你简历上写了，面试官就会问你下面这些（当然不写也不一定逃得过）： - chunk 是怎么切的？固定？语义？还是自适应？ - embedding 模型选型和维度怎么来的？ - rerank 用没用？怎么融合 BM25 和 dense 检索？ - prompt 是你写的吗？有没有评估 hit rate、hallucination？ 说实话，不是算法出身的人，如果没系统做过推荐系统或者检索优化，很多人说不清。 RAG 的前半段几乎就是推荐系统那套召回 + 排序 + 精排的逻辑： embedding = 向量化特征建模 检索 = 多路召回 rerank = 打分排序 但后半段还多了 prompt 设计、上下文拼接、生成模型行为控制这几个大坑。 所以我劝一句： RAG 真不是写个向量库调用就叫“熟悉”。写了，面试官只会当你能答全链。 别轻易说“熟悉”或“掌握”，你扛不住问。
谷歌Deep Research：AI操作系统雏形？· 37 条信息
#RAG面试 #LangChain #向量数据库 #检索优化 #prompt设计