#prompt设计

1个月前

Anthropic 这个文章，挺有意思的，很久之前其实我们就在讨论什么才是 AI Native，在我们对比 Cursor 和 Cline 的做法的时候，我们发现 Cline 从一开的做法，就是和 Anthropic 是一致的。以前模型能力不行，我们要在 prompt 里写死每一步："先做 A，再做 B，然后做 C"；现在模型更聪明了，我们只需要说"这是你的目标，这些是你的工具，自己看着办"，让 Agent 自主决策。里面的关键是做好四件事：写清晰的 prompt、设计高效的工具、用即时检索代替预加载、管理好有限的 context 窗口（通过压缩、笔记或拆分 sub agent 等方式）。

#多智能体之争：Anthropic生态VS单智能体· 80 条信息

#AI native #Anthropic #Agent自主决策 #prompt设计 #Context窗口管理

2个月前

Structured Prompt Builder 一个用于帮助用户系统化、结构化地构建高质量提示词（Prompt）的开源工具。旨在简化与大型语言模型（LLM）交互的过程，使用户能够更清晰、高效地设计提示，从而获得更准确、一致和可预测的模型输出。

谷歌Deep Research：AI操作系统雏形？· 143 条信息

#开源工具 #提示词构建 #大型语言模型 #LLM交互 #prompt设计

5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

Larry & Leo Bro - Eagle of Full Stack

5个月前

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

6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？· 143 条信息

#RAG面试 #LangChain #向量数据库 #检索优化 #prompt设计