13:27arXiv cs.LG@Juyang Bai, Laixi Shi论文MAS-PromptBench系统研究了提示优化对多智能体系统(MAS)的影响,覆盖任务类型、工作流、通信协议和团队规模等多种配置,基准测试了两种扩展自单智能体的提示优化器。实验结果表明提示优化在特定条件下能显著提升MAS性能,最高收益达X%(原文未提供具体数字,此处不捏造),但搜索空间随智能体数量指数增长构成关键挑战。研究揭示了提示优化效果高度依赖系统配置,如通信协议和团队大小。论文MAS-PromptBench多智能体系统提示优化LLM系统提示推荐理由:这篇论文把多智能体系统里调提示词的效果讲清楚了,有实验数据告诉你啥时候有用啥时候没用,不是玄学。原文
18:11AI Will@FinanceYF5Anthropic 的模型在收到指令后需要经过约6-7轮确认循环,包括总结问题、确认需求、写规格、再确认、选择Agent策略等步骤才能开始执行。这种冗余流程导致用户效率降低。Anthropic 表示会通过更新系统提示来优化该行为。更新后模型预计将更直接地响应任务,减少不必要的中间确认。AI产品Anthropic智能体系统提示10 个信源在谈推荐理由:Anthropic 要修模型话多的毛病了,以后用Claude可能不用再等它绕六七圈才干活,省心不少。原文
23:44Geek@geekbbSOUL.md是系统提示中的首位指令,用于定义AI Agent的身份、语气和行为边界。一位开发者分享了5个可直接复制的模板,涵盖研究员、内容创作者、运营经理等角色,每个模板包含灵魂、语气、操作和限制四个部分。模板要求控制在80行以内,强调身份纯粹性,项目指令应放在AGENTS.md。用户可通过复制粘贴到~/.hermes/SOUL.md或创建独立配置文件来快速应用。AI产品AI Agent系统提示SOUL.md模板Hermes推荐理由:做AI Agent开发的团队可以直接套用这些模板,省去从零设计系统提示的麻烦,尤其适合需要多角色切换的场景。原文