#提示工程

沉浸式翻译

1天前

无论你是AI小白，还是想做AI领域深度玩家，这个网站都能让你眼前一亮！这里有真正适合新手的AI教程，从最容易上手的生成式AI知识，到热门应用，结构清晰，语言超级友好。你可以在这里快速摸清AI是什么、怎么用、有哪些经典工具，还能直接用网站内置的交互式训练，亲手试试各种提示语，真实提升你的AI实操力。 ✨干货内容全面覆盖： “提示工程技巧”——像写秘籍一样拆解零样本、少样本、角色扮演、指令驱动等，让你的AI输出更聪明 “提示结构与优化大法”——教你怎么组合不同技巧，遇到复杂任务轻松应付 “LLMs应用与避坑指南”——不光告诉你AI能做什么，还直言模型容易“犯错”与防坑对策 “文本之外的生成式AI能力”——不止于文本，帮你了解如何用AI玩转图片、音频、视频创作 “结构化解决问题方法”——一条龙教你如何定位问题、测试优化提示词，效率飙升 “深入进阶模块”——从基础入门到高级技能，你想学的领域应有尽有，专项课题不断更新

#AI教程 #生成式AI #提示工程 #LLMs应用 #AI实操

1个月前

语气对AI表现的影响：从礼貌到粗鲁，ChatGPT-4o会更聪明？大语言模型（LLM）通过自然语言输入进行交互，因此输入提示（prompt）的措辞、结构和语气都会对输出质量产生显著影响。这一领域被称为“提示工程研究发现语气越不客气，AI答对的越多！以下是各个语气下模型的准确率：最礼貌：约81% 最粗鲁：约85% 为何粗鲁语气更有效？几个假设来解释这个现象：语法复杂度假说：礼貌语句通常更长、更复杂，可能让模型处理时更“吃力”，从而影响答题效率。指令强度假说：粗鲁的语句更像“命令”，模型会更加专注于执行任务而不是进行多余的推理。语义注意假说：粗鲁语句的核心信息集中在任务本身，模型能够更快聚焦于问题而非额外的礼貌词汇。论文：

#AI表现 #ChatGPT-4o #语气影响 #提示工程 #粗鲁语气

1个月前

Anthropic 亲自下场教学，用这份零门槛的交互式指南带你解锁 Claude 的真正潜力，让你的提示工程技能瞬间升级。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1154 条信息

#Anthropic #Claude #提示工程 #交互式指南 #教程

1个月前

Anthropic关于上下文工程的最新发布：要想充分发挥AI智能体的潜力，需要上下文工程！博客讲了上下文工程在构建AI智能体中的重要性及相关策略，是对提示工程的进一步拓展和深化提示工程，关注的是如何写出更好的提示词上下文工程，关注的是在模型推理过程中，如何持续选择和管理最有助于任务完成的信息（也就是上下文），包括系统提示、工具、外部数据、对话历史等等构建有效上下文的原则是用最少的、高价值的信息，引导模型产生最佳行为 1. 系统提示应清晰、简洁、具体，避免过度逻辑化或过于模糊推荐分模块组织，比如说背景、指令、工具说明、输出格式等，使用XML或 Markdown标签初始提示应尽可能小，是指信息刚好足够引导行为，然后根据测试结果逐步补充 2. 工具工具应功能单一、清晰、无歧义，避免功能重叠工具返回的数据应精简、高效，避免浪费上下文空间工具集应保持“最小可用集”，便于模型决策和维护 3. 示例提供典型、多样化的示例，避免堆砌边缘案例示例比规则更有助于模型理解任务动态的获取上下文，与其一次性加载所有信息，不如让智能体在运行时通过工具动态获取所需数据 1.通过文件路径、命名规则、时间戳等元数据判断信息的相关性 2.支持“渐进式信息发现”，避免一次性加载大量无关内容对于持续数分钟到数小时的任务，比如代码迁移、研究项目，需要特殊策略应对上下文窗口限制 1. 压缩定期总结对话内容，保留关键信息，比如决策、bug、实现细节，丢弃冗余内容可结合模型自动生成摘要，保持任务连续性 2. 结构化笔记智能体定期将关键信息写入外部记忆，比如文件、数据库在需要时再将相关内容加载回上下文 3. 多智能体架构主智能体负责任务协调，子智能体负责具体子任务子智能体可深入探索某一问题，仅将摘要返回主智能体，避免上下文过载适用于复杂研究、并行任务等场景 #上下文工程 #ContextEngineering

#AI智能体 #上下文工程 #提示工程 #信息管理 #任务优化

5个月前

这篇翻译文章有一条评论： > 我去，这个翻译完全看不出来翻译痕迹，现在的翻译已经如此自然了嘛这里一方面当然是因为模型能力越来越强了，一方面也有提示工程（不是提示词）的功劳。首先我现在最常用的翻译模型是 Gemini 2.5 Pro，表达最自然上下文长度最长，其次才是 GPT-4.5 和 o1-pro，但是 GPT-4.5 长度不行，Claude 翻译的结果很生硬。然后这里我用了一点提示工程，就是先直译，然后结合上下文解释，再最后”重写“，那么就几乎无翻译痕迹了。 > "请结合上面的解释重写原始英文，不必完全一对一翻译英文原文，而是根据意思用中文重写"

#翻译 #模型能力 #提示工程 #Gemini 2.5 Pro #GPT-4.5 #Claude

5个月前

OpenAI、谷歌和Anthropic刚刚发布了关于以下内容的指南： • 提示工程 • 构建智能体 • 人工智能在商业中的应用 • 601个人工智能使用案例你不能错过的9本最佳指南：

#OpenAI #谷歌 #Anthropic #提示工程 #智能体 #人工智能 #商业应用 #人工智能使用案例 #指南

5个月前

这个人确实创建了一个提示，可以使任何提示变得更好 10 倍来自：Aadit Sheth

#提示工程 #生产力提升 #创意

5个月前

Anthropic 在 GitHub 上发布了 **5 个免费课程**，涵盖 Claude API 使用和提示工程。课程内容从基础到进阶，包括 API 调用、提示设计、评估方法和工具使用。 🔗 GitHub 仓库： **课程列表**： 1. Anthropic API 基础 2. 提示工程交互式教程 3. 真实世界提示设计 4. 提示评估方法 5. 工具使用（Claude 调用外部 API）适合开发者或对 Claude 模型感兴趣的人参考。

#Anthropic #免费课程 #Claude API #提示工程 #GitHub #技术培训

7个月前

OpenAI 发布了GPT-4.1 提示工程指南以前许多典型的最佳实践和提示依旧适用于 GPT-4.1 由于GPT-4.1 更严格、更字面地遵循指令，会非常严格地按照字面指令去执行任务。这使得它对明确、清晰的提示尤其敏感。也就是说，只要你发现 GPT-4.1 的表现与预期不符，通常只需增加一句简洁明确的说明，就能迅速把模型引导到正确的行为上。过去的模型（如 GPT-4）会更自由地揣测或推断用户指令和系统提示背后的真实意图，即使提示不够精确，也可能猜出用户的意图并完成任务。所以开发者需要对原有的提示方式进行一定调整（迁移）才能使用。官方给出了详细的针对 GPT-4.1 的提示工程（Prompting）最佳实践，从基础原则到高级策略，帮助开发者高效构建提示以提升模型表现。

#OpenAI #GPT-4.1 #提示工程 #人工智能 #自然语言处理

7个月前

我是如何高效翻译 65 页 Google 官方提示工程白皮书 PDF 文件的前几天翻译 Google 官方提示工程白皮书 PDF Google 官方提示工程 (Prompt Engineering)白皮书完整翻译和 PDF 下载的时候，尝试了一些自动化的方法来提升效率，分享一些我翻译 PDF 的经验和心得。首先我个人比较排斥保持排版的翻译方式，因为 PDF 在翻译后，文字长度不一致会导致排版很难看，忽大忽小；另外翻译的时候由于布局导致的文字被强行分割，导致上下文不完整会影响翻译质量。我在翻译 PDF 时，会把 PDF 先转成 Markdown，再基于 Markdown 去翻译，翻译好了基于翻译好的 Markdown 再去重新生成 PDF，对于文字、表格、图片都能很好的保留，主要缺点是布局格式保留的不是很好，不过我翻译的通常是文字图表为主的，所以影响不大。 🧵

#翻译 #Google #提示工程 #PDF #自动化

11个月前

来自微博网友 i陆三金的分享：今天线下听了李继刚讲提示工程的演讲，他对概念有着非常精准的把握，听的很过瘾。现场对这张图印象深刻，他根据沟通中的乔哈里视窗，把做提示词的技巧对应了进去。 - 当一个事情，你知道，AI 也知道，这个很好理解，你就简单说，提示词要精简。 - 一个事情，你知道，AI 不知道，例如企业内部信息，一些 AI 在公域上搞不到的信息，你告诉它这个事的结构、形式，通过 few-shot 把模式喂给它，它会 get。 - 你不知道，AI 知道，这个也容易理解，AI 知道很多你不知道的事情，你提问就行了。 - 你不知道，AI 也不知道，大概就像科研，超出了普通人的范畴。李继刚说，一般来说，我们遇到的大多数都在右侧这两个，左侧平常会少一点。我的理解是右侧两个是效率型，左侧是探索型，比例上确实是82这样。另外一点也很同意的是，随着模型能力的提升，X轴会逐渐下移。他并没有直接说我们也要让自己的Y轴左移，但我想除此之外大家似乎也没得选。来源：

#提示工程 #李继刚 #线下演讲 #沟通技巧 #乔哈里视窗