提示词工程相关 AI 资讯

AITOP

7月11日

12:57

AI产品黄叔@PMbackttfuture

测试发现Codex搭配GPT5.6在意图理解和生图后内容插入上明显优于GPT5.5。只需一句话即可让Codex生成“社群破百亿”纪念图，效果出乎意料。此前需手动预留空白再填入元素，成功率低，现在一次成功。该组合简化了图像生成流程。

推荐理由：想快速生成社群纪念图？试试Codex加GPT5.6，比老版本省事太多，一句话搞定。

原文

04:03

官方账号Simon Willison@simonw

GPT-5.6 提供了多种模型和推理努力等级，用户常困惑如何选择。据测试，Sol medium 在编程任务上优于 5.5 xhigh。更高的推理等级（Sol 系列）能带来更佳性能，但会快速消耗限额。开发者正在改进沟通方式。

技巧 GPT-5.6 Sol 推理模型提示词工程

推荐理由：如果你用 GPT-5.6 写代码，可以试试 Sol medium，比 5.5 xhigh 更好用，别被复杂的选项吓到。

原文

7月10日

22:52

官方账号Greg Brockman@gdb

Simon Smith 在 ChatGPT 中利用 GPT-Live 创建个性化新闻简报。他设置了一个定时任务生成新播报，原本使用文本转语音按钮朗读，现在发现 GPT-Live 可语音播放并允许用户随时提问，问题回答后能自动从断点继续。这个功能在已有对话线程（包括定时任务线程）中直接开启 GPT-Live 按钮即可使用。

技巧 GPT-Live ChatGPT 个性化新闻语音交互提示词工程

推荐理由：GPT-Live 能边读新闻边回答你的追问，听完还能继续播，适合通勤时了解资讯。

原文

18:32

AI Will@FinanceYF5

Claude Code团队发文澄清设计loop概念，将其分为明确类型，并非模糊玄学。文章列举不同loop场景的定义和适用条件，指导开发者更高效使用Claude Code的交互模式。

技巧 Claude Code 设计loop AI编程提示词工程

推荐理由：官方把Claude Code的loop拆成具体分类了，搞AI编程的值得一看，理解清楚了效率能提升不少。

原文

18:07

shao__meng@shao__meng

精选

OpenAI 发布了 GPT-5.6 的三个模型：gpt-5.6-sol（旗舰）、gpt-5.6-terra（平衡）和 gpt-5.6-luna（高吞吐）。每个模型支持 5 种推理强度（Light、Medium、High、Extra High、Ultra）和 2 种速度（Standard、Fast），共 30 种搭配。官方建议用户使用 GPT-5.6 时保持与之前版本相同的推理强度或降低一档。在提示词优化上，将冗长系统提示词缩减为精炼版本后，评测分数提升约 10%–15%，token 减少 41%–66%，成本降低 33%–67%。文档还强调，GPT-5.6 更主动，需明确权限边界，区分回答、修改、外部写入等操作。

技巧 GPT-5.6 Sol Terra Luna OpenAI 提示词工程推理模型智能体

推荐理由：OpenAI 出了 GPT-5.6 的官方使用指南，教你怎么选模型、强度和速度，还有省 token 的提词技巧，比老版本更灵活。

原文

09:03

AI Engineer@aiDotEngineer

开发者分享三个核心约束：Token数量固定，算力由测试盒子固定（代理在独立机器上运行测试），注意力无法增加。当前最重要的技能是决定把注意力花在哪里。

技巧智能体编程助手提示词工程

推荐理由：这条推文点出了编程里的三个硬约束，帮你更清醒地分配有限的注意力，很实用。

原文

08:34

Marc Andreessen@pmarca

Pietro Schirano使用GPT-5.6从一段提示词自动构建完整训练流水线。该模型在本地Mac上基于他的iMessage历史数据进行训练，最终能生成模仿其写作风格的回复。整个过程无需手动编写代码或配置环境。这一演示展示了GPT-5.6在端到端模型创建上的能力。

AI模型 GPT-5.6 提示词工程个性化模型本地训练

推荐理由：GPT-5.6能一句话帮你训练一个模仿你说话风格的模型，全部在本地Mac上跑，太酷了。

原文

01:26

01:26官方账号Simon Willison’s Weblog（博客/媒体）

llm-meta-ai 0.1 版本发布，允许用户通过 LLM 向新的 muse-spark-1.1 模型发送提示词。muse-spark-1.1 是 Meta AI 推出的新模型。该工具旨在简化模型调用流程，提升交互效率。

AI产品 llm-meta-ai muse-spark-1.1 Meta 提示词工程

推荐理由：Simon Willison 出的 llm-meta-ai 0.1，让你直接在 LLM 里跑 Muse-Spark-1.1，方便又直接。

原文

01:17

宝玉@dotey

精选

当使用Coding Agent进行vibe coding时，你的角色从程序员转变为工程经理（EM）。你需要帮助AI理解需求、拆解任务、分配任务并验收成果。AI没有主动性和完整上下文，你需要像EM一样提供全局信息，否则容易因信息不对称导致实现偏差或安全问题。即使AI再聪明，没有充分了解完整上下文和使用场景，方案也可能有误。

技巧 Coding Agent EM 编程助手提示词工程智能体

推荐理由：想用好Coding Agent？别当码农了，学学当EM怎么管人——拆需求、分任务、看代码，比管真人省心但得喂够上下文。

原文

7月9日

11:43

AI Will@FinanceYF5

Andrew Ng发布了一部长达3小时的免费教程视频，主题为“如何在2026年成为AI工程师”。内容覆盖构建agentic AI系统、AI工程的未来方向，以及完整的提示词课程。还包括一段用AI在30分钟内做出应用的实操演示。该视频旨在帮助学习者系统掌握2026年所需的AI工程技能。

技巧 Andrew Ng 智能体提示词工程 AI工程教程

推荐理由：想2026年转AI工程师？Andrew Ng出了3小时免费教程，从agentic AI到提示词，还有30分钟做应用的实操，干货满满。

原文

11:42

AI Will@FinanceYF5

ClaudeDevs 分享了使用 Fable 5 和 Sonnet 5 的两种模式，核心是将 Fable 5 作为“顾问”，由执行器 Sonnet 5 调用它获取指导。这种设计让大部分 Token 按更低的 Sonnet 5 执行器价格计费，从而节省成本。该模式适用于需要复杂推理但希望控制 Token 开销的场景。

技巧 Fable 5 Sonnet 5 提示词工程智能体

推荐理由：ClaudeDevs 教你把 Fable 5 当顾问、Sonnet 5 当执行器，大部分 Token 按低价计费，省钱又高效。

原文

11:34

官方账号Pika Labs@pika_labs

Pika 发布了 Director's Suite，用户只需一个提示词即可生成70秒的coal-country主题视频。该工具提供了完整的工作流和示例提示词，作者展示了如何使用单一提示词控制多个连贯镜头。相比之前需要手动拼接多个片段的流程，这一新功能大幅降低了视频创作门槛。

技巧 Pika Pika Director's Suite 视频生成提示词工程工作流

推荐理由：Pika Director's Suite 让你用一句话生成70秒预告片，比之前逐段拼接方便太多。

原文

11:00

AI Will@FinanceYF5

Seedance 2.0根据一条15秒、7个镜头的精确提示词，生成了类似侏罗纪公园的伪纪录片视频。提示词详细规定了女主角外观、场景（如丛林大门、草原、河流围栏）及恐龙行为，如鸭嘴龙饮水、小型肉食龙探头。生成视频采用手持手机拍摄风格，包含晃动对焦、压缩噪点等真实元素，视觉一致性极高。

技巧 Seedance 2.0 视频生成提示词工程侏罗纪公园

推荐理由：Seedance 2.0按照这个超细提示词，直接生成了一段以假乱真的侏罗纪公园片段，比想象中真实。

原文

04:40

官方账号Simon Willison@simonw

精选

Kenton Varda指出，团队用AI写的代码变更描述（如PR和commit消息）只列出代码细节，省略了理解代码所需的高层次框架，对审查者来说比没用更糟。他建议让AI写代码但不要写描述，或者写prompt而不是输出。Simon Willison引用此观点，并承认自己让Claude和GLT-5.5写commit消息后也感到不安。一个好的简短描述只需几分钟，且如果写的人不理解代码，就不应该合并。

技巧 Claude GLT-5.5 编程助手提示词工程

推荐理由：Kenton Varda说AI写commit消息只列细节缺框架，建议自己写或写prompt，比你用AI生成废话强。

原文

04:29

Ethan Mollick@emollick

Grok 4.5 被用来生成一个 twigl shader，描绘 neo-gothic 城市淹没在暴风雨海中。初始提示词生成了技术正确但浏览器无法显示的代码。经过调整提示词系列后成功渲染出效果。该过程展示了 Grok 4.5 在复杂 shader 代码生成上的能力。

技巧 Grok 4.5 提示词工程编程助手 shader

推荐理由：Grok 4.5 能通过提示词直接生成超酷的 shader 代码，第一次还因太复杂把浏览器搞崩了，调整后效果很棒！

原文

04:26

04:26官方账号Simon Willison’s Weblog（博客/媒体）

Kenton Varda 宣布暂停团队使用 AI 编写 PR 和 commit 信息。他认为 AI 生成的描述只罗列代码细节，却缺失高层上下文，导致评审时反而更难理解。这与传统人工编写描述相比，效率更低。Varda 强调，开发者需要提供代码改动背后的设计意图，而非重复代码本身。

技巧 Kenton Varda AI-assisted programming 编程助手提示词工程

推荐理由：Kenton Varda 分享了亲身踩的坑：AI 写的 commit 信息越看越糊涂。如果你也在用 AI 辅助写代码注释，这条经验能帮你避开大坑。

原文

04:01

Harrison Chase@hwchase17

LangChain创始人Harrison Chase在推文中提出一个技术问题，聚焦于如何为提示优化和评估集创建构建更细化的编程体验。该推文获得7次转推、1个喜欢、4次赞赏、888次浏览和7次收藏，显示社区关注。目前讨论仍在进行，尚未公布具体方案。这显示出AI开发工具链中对更好开发体验的持续需求。

行业 Harrison Chase LangChain 提示词工程开发体验

推荐理由：Harrison Chase在问怎么打包prompt优化和评估集工具，对做AI开发的朋友有参考价值，可以看看讨论内容。

原文

01:59

Ate-a-Pi@svpino

精选

本文介绍构建自学习智能体的方法。关键在于从两种来源学习：agent轨迹显示智能体行为和故障点，浏览器活动记录用户如何修正结果。有三种应用新知识的方式：微调模型、更新harness、提供上下文信息。建议侧重程序记忆（存储工作流和规则）和情节记忆（存储具体事件），避免过度依赖语义记忆。学习范围应限定在每用户、每团队或每应用级别，防止用户间数据泄露。最终强调拥有学习数据是核心资产，并使用开放标准。

技巧 self-learning agents 智能体微调提示词工程

推荐理由：想让智能体越用越聪明吗？这篇文章手把手教你从用户操作和自身轨迹中学习，还有三种优化方式和数据安全建议，非常实用。

原文

00:31

elvis@omarsar0

Omar Sar0分享一种Executor-Advisor模式：用GPT-5.6作为执行者，Fable 5作为顾问。该模式在GPT-5.5上已表现良好，作者期待GPT-5.6带来更强性能。大多数token按执行者较低费率计费。完整教程即将发布。

技巧 GPT-5.6 Fable 5 智能体提示词工程

推荐理由：Omar Sar0用GPT-5.6和Fable 5组队，执行者+顾问模式还能省token，值得试试。

原文

7月8日

23:35

官方一手歸藏(guizang.ai)@op7418

这条提示词要求以可爱、拟人的方式解释大语言模型的训练过程。它不依赖具体模型名称或版本，而是专注于表达风格。适合用于生成面向非技术用户的科普内容。作者通过社交平台分享了这一创作思路。

技巧提示词工程 LLM 训练科普风格

推荐理由：想要给外行解释LLM怎么训练的？用这个提示词试试，一下就萌化了。

原文

19:23

官方一手歸藏(guizang.ai)@op7418

归藏分享了一个工作流：通过Codex连接Figama MCP，基于宣传文章自动生成包含精简内容和案例图片的板书，只需稍作调整即可用于录视频。同时开源了一个文章配图Skill，适配GPT-Image-2.0模型，可输入文档或文案生成带标签的3D材质配图。该流程大幅节省了手动搭建大纲和找配图的时间。

技巧 Codex Figma MCP GPT-Image-2.0 MCP/工具提示词工程

推荐理由：归藏展示了怎么用Codex+Figama MCP自动做录视频的板书，还开源了一个超好看的配图Skill，你用GPT-Image就能生成3D材质图，省时省力。

原文

14:31

宝玉@dotey

精选

SkillsBench测试显示，模型自生成的Skill平均比无Skill基线低1.3个百分点，而专家策划的Skill显著提升通过率。作者经验建议Skill应聚焦核心，仅包含两三个文件，而不是百科全书式。在软件工程领域Skill仅提升4.5分，但在医疗保健领域飙升51.9分，提示瞄准模型薄弱领域。同时需要在不同Agent（如Codex、Claude Code）中测试兼容性。

技巧 Skill 提示词工程 SkillsBench 智能体最佳实践

推荐理由：别让AI自己写Skill，效果反而更差。人指挥AI写、小而精、针对弱项，才是真管用。

原文

11:32

Ethan Mollick@emollick

伊桑·莫里克的研究表明，即使智能体革命尚未到来，提示技巧也已失去价值。最佳做法是清晰说明目标、输出格式、好坏标准以及如何测试结果。他指出，这本质上就是管理方法。该方法强调具体描述而非复杂提示词。

技巧提示词工程智能体目标设定管理方法

推荐理由：别再学花哨的提示词了，明确你要什么、怎么算好，才是用AI的正确姿势。

原文

09:07

@koltregaskes@koltregaskes

用户Koltregaskes在X上分享了对一个未具名图像生成模型的快速测试，使用包含42岁东亚女性、f/1.8光圈、85mm镜头、黄金时刻等详细参数的提示词，生成的照片在皮肤纹理、光影和衣物褶皱上表现逼真。他还贴出了Gemini和GPT的生成结果作为对比，显示出该模型在摄影写实方面稍有优势。测试仅基于单一样例，但提示词复杂度和输出质量值得关注。

AI模型 Gemini GPT 提示词工程图像生成摄影风格

推荐理由：看这个用户用详细提示词测新模型，效果很真实，还对比了Gemini和GPT的结果，挺有意思的。

原文

7月7日

23:25

向阳乔木@vista8

当AI模型能力逼近通用水平时，用户表达模糊想法的差距成为新瓶颈。学会把“大概想要什么”转化为“明确要什么、不要什么”是高效使用模型的关键。表达能力正取代模型本身的进步，成为人机协作的核心竞争力。

技巧提示词工程表达能力人机协作

推荐理由：这条推文点透了：别再只追新模型了，提升自己提需求的能力才是正经事。

原文

23:24

向阳乔木@vista8

Simon Willison提出在Claude系统提示词中加入规则，让模型自动根据编码任务复杂程度选择不同功耗的模型。主架构设计等复杂任务使用Claude Opus或Fable，而写代码、改代码等机械任务则调用Sonnet或Haiku子代理执行。该方法通过区分判断型与执行型任务来降低API调用成本，实测可节省大量费用。该思路同样适用于其他多模型平台。

技巧 Claude Fable Claude Opus Sonnet 提示词工程

推荐理由：想省API预算又不想牺牲架构质量？试试这个：让Claude Opus/Fable做主设计，Sonnet/Haiku干苦力，自动分配任务，省心又省钱。

原文

22:28

小互@imxiaohu

精选

Claude Code 团队成员 @trq212 在 AI Engineer World's Fair 大会分享《A Field Guide to Fable》演讲，给出 8 个可直接使用的提示模式，按动手前、动手中、动手后组织，每个模式附带中英文示例 prompt。演讲披露 Claude Code 系统提示词最近被删减 80%，因为对新模型而言示例反而会束缚其表现，方向从「给约束」转向「给上下文」。

技巧 Claude Fable 5 Claude Code 提示词工程编程助手

推荐理由：Claude Code 内部人亲授 8 个现成提示模板，还爆出删了 80% 系统提示词的新思路，提示词党直接抄作业。

原文

22:26

Recraft@recraftai

Recraft AI 发布了图像生成模型 V4.1，该版本在遵循复杂文本提示方面显著改进。用户可通过自然语言描述生成精确图像，模型支持更多风格控制。在内部测试中，Recraft V4.1 的提示跟随准确率相比 V4 提升约 30%。

AI模型 Recraft V4.1 Recraft AI 文生图提示词工程

推荐理由：Recraft 新出的 V4.1，你跟它说个脑洞描述，它真能画出八九不离十，比之前版本跟提示更紧了。

原文

22:24

shao__meng@shao__meng

@EXM7777 总结出一套“可重做性测试”筛选标准：若明天可用更便宜模型重做则跳过，否则保留。该标准基于 Llama 时代用前沿模型蒸馏 5.2 万条答案训练小模型、成本不到 500 美元的历史案例。五个动作包括：重写 CLAUDE.md 植入判断力、做顾问式审计输出按预期回报排序的动作清单、在长链路研究上跑深度研究并原子化为 Obsidian 笔记、用 /goal 加动态工作流实现无人值守产出、安装“思考方式记录器”自动将每步推理留存为资产。其中记录器可自动复利，将剩余 Fable 时间转化为永久仓库笔记。

技巧 Claude Claude Fable 5 工作流提示词工程智能体

推荐理由：Fable 5 快没了，但你可以用这套方法把它的思考框架留下来。五个步骤，从写标准到造自动工作流，以后用便宜模型也能跑出高质量。

原文

15:53

宝玉@dotey

76°

Thariq Shihipar在AI Engineer World's Fair演讲中提出，模型能力存在“悬余”——例如问宝可梦名字以aw结尾，模型无法直接回答，但借助代码执行工具两秒内就能找出结果。他透露Claude Code砍掉了80%的系统提示词，因为Fable级别模型自身想象力比示例更丰富，应给上下文而非约束。他还建议让模型做“盲区扫描”、一口气生成四种不同原型，并通过提问挖掘用户未写明的细节。

技巧 Claude Code Anthropic 工具调用提示词工程

推荐理由：Thariq讲得实际：别死磕提示词，让模型用工具。Claude Code砍掉80%提示词后反而更强，还给了盲区扫描等具体玩法，值得一看。

原文

14:15

官方一手歸藏(guizang.ai)@op7418

精选

Claude 官方将 Loop Engineering 分为四种类型：回合制循环（Single-turn Loop）、基于目标的循环（Goal-oriented Loop）、基于时间的循环（Time-based Loop）和主动循环（Active Loop）。回合制循环是 Claude Code 的基础工作方式，每次提示词为一个循环。Goal-oriented 模式（如 Codex、Claude Code）支持多轮迭代直到达成目标。Time-based Loop 使用 loop 命令按指定时间间隔自动触发提示词。Active Loop 通过事件（如 GitHub 新 Issue 或 PR）自动触发循环。官方建议优化代码库质量、管理 Token 消耗，并给循环设置明确启动和结束条件。

技巧 Claude Loop Engineer 智能体编程助手提示词工程

推荐理由：Claude 官方手把手教你四种循环模式，从单轮到自动触发，还有 Token 管理建议，玩 Agent 工作流必看。

原文

10:12

AI Will@FinanceYF5

Karpathy Loop是一种让AI自主运行实验循环的工作流方法。用户只需设定初始目标，AI会自动执行、反馈并调整策略，实现无人值守迭代。该方案声称能带来10倍效率提升，核心在于搭建循环而非优化提示词。

技巧 Karpathy Loop 智能体工作流提示词工程

推荐理由：想告别一问一答？试试Karpathy Loop，让AI自己跑实验，你只管睡觉，效率翻10倍。

原文

09:30

shao__meng@shao__meng

71°

Claude Code 官方分享了 Loops 设计范式，将 Agent 工程从经验直觉转化为可复用的设计语言。范式定义四个变量：触发、停止、工件、适用场景。具体包括四种循环类型：Turn-based（默认回合制，用 SKILL.md 编码验证）、Goal-based（基于 /goal 与评估模型，设定可验证退出标准）、Time-based（基于 /loop 或 /schedule，事件驱动优于时间驱动）、Proactive（组合 /schedule、/goal、动态工作流、auto mode，模型分级路由控制成本）。关键工程实践强调自验证（量化检查如测试通过数、Lighthouse 分数），以及质量与成本的两条护栏。

技巧 Claude Code Loops 智能体 Agent工程提示词工程

推荐理由：Claude Code 官方给出了可操作的 Agent 循环设计模板，帮你把“该不该自动化”这种模糊判断变成选型表，少走弯路。

原文

07:45

宝玉@dotey

Thariq Shihipar在AI Engineer World's Fair上分享了Fable 5模型的使用经验。他指出模型能力存在“能力悬余”，砍掉80%系统提示词后模型表现反而更好。他建议通过盲区扫描、四个风格原型对比、让模型提问等方法发现未知变量。Fable 5可在几小时内完成过去需要几周的工作，改变了对AI编程的认知。

技巧 Fable 5 Claude Anthropic 提示词工程 AI编程助手

推荐理由：想用好Fable 5？听听Claude Code团队的内部演讲，教你如何不限制模型，反而让它更聪明。

原文

07:09

Notion@NotionHQ

Notion的GTM数据科学团队负责人Jessica搭建了一个AI Chief of Staff，通过3个自动化工作流管理日程：每日简报（每天早8点前生成当日日程和优先级）、每周上下文更新（周一更新团队动态）、每周组织总结（周五扫描会议笔记和Slack渠道标记待办）。Jessica原本每天花30-60分钟手动处理通知，现在完全自动化。Notion提供了复制粘贴指令、连接集成即可使用的步骤指南。

技巧 Notion 智能体工作流自动化提示词工程

推荐理由：Notion官方分享了一个实际案例，用AI自动处理日程和待办，简单几步就能自己搭一个。适合想提高效率的Notion用户。

原文

7月6日

18:19

向阳乔木@vista8

2026年7月5日《未来硅世界》直播中，元子演示了两个实用工具。一是智能体协同平台Cohub（cohub.run），已开放公测，主要用于人机共生场景。二是Gemini提示词侧边栏小工具，开源在GitHub，支持会议整理、洞察提炼和卡片输出。两个项目目前都接受反馈和贡献。

AI产品 Cohub Gemini 提示词工程智能体侧边栏

推荐理由：元子手把手演示了两个能用的工具：Cohub智能体协作平台已公测，Gemini提示词侧边栏开源可自取，适合做会议笔记和创意卡片。

原文

15:39

Yangyi@Yangyixxxx

用户使用NewMax模型生成了一份计算机软件著作权申请文件，并尝试让模型控制浏览器完成投递。该操作旨在测试软著申请系统是否能够检测出AI生成的内容。整个过程涉及提示词工程与浏览器自动化指令的组合。目前尚未公布投递结果。

技巧 NewMax 提示词工程软著申请浏览器自动化

推荐理由：教你怎么用NewMax自动写软著申请文件，还能让它自己打开浏览器提交，省掉重复劳动。

原文

15:33

宝玉@dotey

精选

来自 Claude Code 团队的 Thariq 分享了使用 Claude Fable 5 的三个核心改变：将其视为思维伙伴、设定 /goal 目标指令和 workflows 工作流来验证、以及更有野心。他提出先写小规格（spec），让 Claude 面试提问来明确需求；再用 /goal 持续工作至完成，用 workflows 验证各部分并报告差异；最后鼓励用 Fable 剪辑视频等新尝试。

技巧 Claude Fable 5 Claude Code 编程助手提示词工程工作流

推荐理由：Thariq 用亲身经验告诉你，别把 Fable 5 当监督对象，而是当思维伙伴，配合 /goal 和 workflows 能让它自己验证结果。想提升效率可以试试他的方法。

原文

11:54

Viking@vikingmute

开发者逆向工程了 Claude Design 的设计系统提示词，公开了一份包含20个章节的主 prompt 和14个独立技能。该提示词还提供了针对 Codex 的适配版本，但原作者推测在 Claude 上效果最佳。用户可在其他模型上测试该提示词的效果，以验证其通用性。

技巧 Claude 提示词工程设计系统逆向工程

推荐理由：有人把 Claude Design 的设计系统提示词拆出来了，整整20章和14个技能，还有给 Codex 用的版本。拿去别的模型上玩玩看，挺有意思的。

原文

11:36

小互@imxiaohu

作者分享了与Claude Fable 5合作的技巧，强调用户需先识别自己的知识盲区。该方法通过结构化提问，引导Claude Fable 5在代码、逻辑等领域针对性输出。实践表明，明确未知点后，Claude Fable 5的响应效率提升约40%，错误率降低30%。文章以实际案例说明如何用Claude Fable 5排查复杂问题，适合编程和推理场景。

技巧 Claude Fable 5 提示词工程推理模型编程助手

推荐理由：教你怎么用Claude Fable 5高效干活，先找准自己的盲点再问问题，比直接瞎问靠谱多了。

原文