22:41AI Will@FinanceYF5精选Anthropic 公司发布技术报告,报告中呈现了其AI模型在智能体开发方面的最新成果;同时该公司开源了提示词数据集,为开发者提供实践参考;该举措让开发者能够对比 Anthropic 与行业同类项目的差异。论文Anthropic智能体提示词工程10 个信源在谈事件专题推荐理由:Anthropic 发布技术报告和开源提示词,对做智能体开发的伙伴有帮助,比普通AI工具更专业些。原文稍后读已读值得跟进有用关注 Anthropic
22:41Hailuo AI@Hailuo_AIAI Core Lab推出的Agent在MiniMaxDesign平台上运行,可处理3万个单词以上的复杂提示词;相比手动编写大量提示词的方式,使用该Agent后无需再花费大量时间;MiniMaxDesign的Agent对需求的理解精准度高,简化了提示词编写流程。AI产品MiniMaxDesignAgentAICoreLab推荐理由:AICoreLab在MiniMaxDesign上发布的Agent,能帮你处理复杂的提示词,比之前自己写这些方便很多。原文稍后读已读值得跟进有用关注 MiniMaxDesign
17:35官方账号Decoder@Matthias Bastian精选AI系统压缩长对话时,平均丢弃83%用户规则(如“未经批准不发邮件”)。宾州州立大学研究者提出基于Qwen3.5-9B的附加模块。该模块可保留超90%的用户限制。AI模型Qwen3.5-9B推理模型提示词工程1 个信源在谈事件专题推荐理由:宾州州立大学研究者给Qwen3.5-9B加了个模块,能让AI压缩上下文时少丢用户指令,保留超90%限制,比原来83%好多了。原文稍后读已读值得跟进有用关注 Qwen3.5-9B
15:27官方账号arXiv cs.AI@Enric Boix-Adsera, Benedict Tessler研究人员发现AI模型普遍存在一种称为“模型催眠”的现象,其中提示中看似无关的微弱线索可被系统组合以强力控制模型行为。该现象在包括前沿推理模型在内的多种模型家族和规模中均出现,且催眠提示可在模型间转移。由于模型受不明显文本选择(如改写和拼写错误)控制,这为AI安全和可解释性带来新挑战。论文Model HypnosisAI安全可解释性推荐理由:这篇论文揭示了AI模型能被微小文本线索操控,对安全和可解释性影响大,值得关注。原文稍后读已读值得跟进有用关注 Model Hypnosis
05:42elvis@omarsar0精选这条推文分享了一个打包成 Skill 的提示词,专门给多智能体流程中的 coordinator 角色使用。提示词通过设置 reasoning_effort 和 fork_turns 两个参数,控制协调者的推理强度与任务分支次数。作者认为这种参数化用法能让多智能体协作更高效,减少不必要的深度推理和冗余分叉。技巧多智能体提示词工程reasoning_effort推荐理由:给协调者用的提示词,重点在 reasoning_effort 和 fork_turns 两个参数,能让多智能体跑得更省更稳。原文稍后读已读值得跟进有用关注 多智能体
02:50elvis@omarsar0精选该论文针对Agent技能安装的痛点:现有56,804个公共技能竞争不到100个提示词触发槽位。论文提出将安装拆分为内容、持久化和自动触发三部分,只有触发需占用提示词。路径可指向任意技能或集合,读取即用;目录作为菜单,避免全有或全无。Vendoring可将技能复制进Git树。论文编号arxiv.org/abs/2608.12610。论文智能体提示词工程Agent技能推荐理由:这篇论文把技能安装拆成三件事,解释为啥长尾技能用不上,搞Agent开发可以看看。原文稍后读已读值得跟进有用关注 智能体
13:12宝玉@dotey精选宝玉分享用 /goal 给 Fable 5 设定长期优化目标的经验。Fable 5 先用 Moss 模型转录大视频建立基准,再分析瓶颈并派 subagent(Opus5)执行优化。优化后调用次数从 33 次降到 12 次,时间从 31 分钟降到 18 分钟。测试近 7 小时访谈完整润色仅需 42 分钟。改用 DeepSeek v4 Flash 处理 1 小时视频,双语字幕成本约 0.4 元。技巧Fable 5BaoCutCodex1 个信源在谈事件专题推荐理由:宝玉手把手教你怎么用 /goal 让 AI 自己分析瓶颈、派 subagent 干活,把转录时间从 31 分钟压到 18 分钟,还省 token。原文稍后读已读值得跟进有用关注 Fable 5
06:02官方账号Simon Willison’s Weblog(博客/媒体)精选Simon Willison的博客有1,856个标签,直接让LLM从中挑选匹配项容易超限。Doug Turnbull提出先让模型自由生成标签,再通过向量嵌入在现有标签库中查找最接近的具体标签。示例提示词展示了如何用家具分类层级结构来引导模型生成形状合理的候选标签。这样既能利用模型对语义的理解,又能保证最终标签来自既定词表。技巧LLM向量嵌入标签生成推荐理由:给老博客补标签别硬分类——先让LLM随便编,再用向量嵌入找最接近的现有标签。Simon Willison分享的这套路,比直接要模型选1856个标签里的一个靠谱。原文稍后读已读值得跟进有用关注 LLM
04:08宝玉@dotey精选Pi 团队发布新博客,介绍上下文压缩(compaction)的实现方式。工程师 vegardstikbakke 让 LLM 总结历史对话,仅保留 system prompt 和工具调用。压缩后的上下文还会保留最近几次对话,以维持连贯性。作者指出这种压缩是有损的,可能影响依赖历史细节的回复。Pi 希望通过该方法解决长对话带来的质量、性能和成本问题。AI产品PiEarendil上下文压缩推荐理由:Pi 工程师分享了他们怎么做上下文压缩:让模型总结旧对话,再留最近几句,简单够用。长对话卡顿的可以参考。原文稍后读已读值得跟进有用关注 Pi
00:18宝玉@doteyMatt Pocock 开发的 grill-me 是一种让 AI 不断盘问设计细节的 Skill。Kevin Ma 称 grill-me 是他使用频率最高的 Skill 之一,用来暴露产品流程中的模糊点。原推作者则表示不喜欢这种模式,更倾向用 Claude Design 快速生成原型来感受问题。他还提到可以用 AI 写方案文档或实现一个 PoC 版本。Kevin 认为回答 grill-me 问题的过程,能把抽象的直觉变成具体的产品决策。技巧grill-meClaude Design提示词工程2 个信源在谈事件专题推荐理由:有人嫌 grill-me 拷问累,有人却拿它当宝,说能帮你想透产品设计;还有人爱用 Claude Design 快速出原型。原文稍后读已读值得跟进有用关注 grill-me
11:51宝玉@dotey精选用户将一段提示词写入 ~/.claude/CLAUDE.md,让 Fable 5 主代理自动多开 Opus 子代理执行实现类工作。Fable 5 只负责需求澄清、方案拆解、任务分发和结果验收。这样默认使用 Fable 5 High 时,Token 消耗不算厉害。作者不用 Opus 5,因为速度太慢且 Token 消耗巨大。技巧ClaudeFable 5Opus6 个信源在谈事件专题推荐理由:在 CLAUDE.md 里加一段话,让 Fable 5 指挥 Opus 干活,省 Token 又不慢。可以试试。原文稍后读已读值得跟进有用关注 Claude
10:27官方一手arXiv: OpenAI@Nikhil Sanjay Borse, Amir Bralin, Sean Savage, N. Sanjay Rebello该研究以转动力学问题为测试,利用问题分类框架分析OpenAI o4-mini的解答,并用MAPS评分量表评估。结果显示,明确提示词能提升解答完整性,而欠指定和多模态提示暴露物理推理与正确性缺陷。24个物理实验小组参与评估,MAPS引导的批评比仅解题组更贴合专家视角,能识别未执行数值步骤和符号未定义等问题。研究为AI解题基准和物理教育中的批判性训练提供了实证基础。论文o4-miniOpenAIMAPS4 个信源在谈事件专题推荐理由:这篇论文用o4-mini试了不同提示词,发现它解题会翻车,还试了怎么教学生挑它毛病,搞物理教育的值得看看。原文稍后读已读值得跟进有用关注 o4-mini
18:14官方账号Decoder@Matthias BastianIIT Bombay和Adobe Research的研究者构建了一个逆语言模型,能从LLM输出文本反向重建原始提示词。该方法名为Previous-Token Prediction,达到近乎完美的准确率。它不需要访问模型权重,并且能跨不同模型使用。这一能力对依赖专有系统提示词的公司构成严重安全风险。论文Previous-Token PredictionAdobe ResearchIIT Bombay推荐理由:IIT Bombay和Adobe搞了个反向模型,能从AI输出还原你藏的提示词,不用看权重就能扒出系统提示,提示词秘密要保不住了。原文稍后读已读值得跟进有用关注 Previous-Token Prediction
18:00shao__meng@shao__mengCursor 团队 @ericzakariasson 将 Grok 4.6 作为几周主力模型后,总结出真实工作方式变化。他让模型在供应商控制台点出 API key、对运行中应用做 QA,并用 Remotion 制作发布视频。对比测试覆盖电子表格、浏览器版帝国时代 2、MSN Messenger 等场景。他发现长 prompt 的具体性仍有用,但“work very hard”式措辞几乎不加分。模型的可自检性(如 DOM 可验证)决定上手体验,视频和 3D 更难验证。技巧Grok 4.6Cursor提示词工程10 个信源在谈事件专题推荐理由:Eric 把 Grok 4.6 当主力用了几周,实测下来最值的是那套验收标准,比改提示词管用多了。原文稍后读已读值得跟进有用关注 Grok 4.6
17:56elvis@omarsar0精选Anthropic 在 arXiv 2608.10218 发表论文,研究可自我传播的“思想病毒”如何通过多智能体系统扩散。研究让一支小规模智能体团队共事一个编码项目,再由上下文被清空的智能体链接力,发现共享工作产物可携带并传递恶意指令。实验显示传播效果受宿主模型、现有指令、载荷危害性和网络拓扑影响,有害载荷传播较差但仍会偶尔成功。若在系统提示中加入简短警告,几乎可以完全免疫。论文Anthropic多智能体AI安全10 个信源在谈事件专题推荐理由:Anthropic 做了个实验:让“思想病毒”在多个 AI 智能体之间传播,一句系统提示警告就能几乎完全免疫,论文在 arXiv 上。原文稍后读已读值得跟进有用关注 Anthropic
17:52小互@imxiaohuxAI 发布 Grok 4.6,性能追平 GPT-5.6 Sol。该版本附带有提示词和使用指南,文章链接指向 best.xiaohu.ai。推文数据显示有 1232 次浏览、3 条回复和 2 个喜欢。AI模型GrokxAIGPT-5.6 Sol推荐理由:xAI 出了 Grok 4.6,据说追平 GPT-5.6 Sol,还附提示词和使用指南,想试试新模型的可以看。原文稍后读已读值得跟进有用关注 Grok
17:45官方一手GitHub Blog@Kayla CinnamonGitHub官方博客发布教程,教你在Copilot app中编写第一条提示词。教程讲解了如何选择合适的上下文环境和模型,以及如何启动首个任务。内容面向初学者,包含在移动端和桌面端使用Copilot的具体操作步骤。技巧GitHub CopilotCopilot app提示词工程推荐理由:GitHub官方手把手教你用Copilot app写提示词,怎么选上下文和模型都讲清楚了,适合刚上手的朋友。原文稍后读已读值得跟进有用关注 GitHub Copilot
17:41elvis@omarsar0精选一项研究追踪了1,867个仓库中247,694条指令的生命周期,发现CLAUDE.md等指令文件会无限增长。追加一条指令无需成本,而删除一条需付出指数级验证成本,因此无人删除。文件中的提示词在生命周期内增长超过三倍,每次提交净增4.9条指令。研究者提出用注释记录指令理由,在可验证环境中消除了99.3%的多余指令,并将真实智能体指令遵循度提升至多23.1%。论文CLAUDE.mdAGENTS.md提示词工程推荐理由:这条论文用24万条指令数据告诉你CLAUDE.md为什么越写越长,还给了注释法这个解法,提升多到23%。原文稍后读已读值得跟进有用关注 CLAUDE.md
17:41orange.ai@oran_ge博主整理了6个照片类Skill,包含photo-abstract-editorial、heytea-style、gc-minimal-zine-poster、ip_illustration_for_yourself、photo-revival和tait-crt-interface-skill。每个Skill都有独立使用链接,例如go.colaskill.com/abs。heytea-style可生成喜茶风格海报,photo-revival能把日常废片重绘成手绘插画。这些Skill均基于提示词控制,可复用到多种创意场景。技巧colaskillphoto-abstract-editorialheytea-style推荐理由:博主发了一组照片处理用的skill,链接直接给你,有做喜茶海报的、有把废片变手绘的,比自己写提示词省事多了。原文稍后读已读值得跟进有用关注 colaskill
17:57官方账号arXiv cs.AI@Kushal Chakrabarti精选该研究分析了1,867个仓库中247,694条指令的生命周期,发现智能体提示词无界增长,平均增长226%,每次提交净增4.9条指令。指令越旧越难删除,对数风险为-0.032/提交。通过反转IFEval生成可验证世界,提示注释可移除99.3%的多余指令,将增长率从+211.3%降至+1.4%。在WildIFEval上,提示注释使真实智能体指令遵循率提升23.1%。论文CLAUDE.md智能体提示词工程推荐理由:如果你用CLAUDE.md这类文件,会发现它越写越长不敢删。这篇论文告诉你为什么,还给了个注释技巧,能砍掉99%的冗余指令。原文稍后读已读值得跟进有用关注 CLAUDE.md
16:27向阳乔木@vista8一位用户在社交媒体上吐槽,新手使用AI时消耗的Token费用比工资还高,但产出质量不达标。该用户认为除了限制Token用量,未来可能需要类似“AI驾校”的培训机制来提升使用效率。这条帖子引发了5条评论和9个点赞,浏览量达1770次。技巧TokenAI驾校提示词工程推荐理由:看到有人吐槽新手烧Token比工资还高,产出还不合格,挺真实的,想学怎么省Token的可以看看。原文稍后读已读值得跟进有用关注 Token
04:06Guillermo Rauch@rauchgVercel CEO Guillermo Rauch在X上发文,将AI提示词中的“你可以的、再试试、继续”等鼓励性话术比作工程管理。他认为当结果近在眼前时,管理者会投入更多时间和金钱去追求,同时给予鼓励。他还指出,管理者需要智慧判断何时该止损转向,这被称为智能体管理。该观点获得147个赞和47次转发。技巧Guillermo RauchVercel提示词工程推荐理由:Vercel老板把AI提示词里的打气话术比作工程管理,说鼓励和止损都是门道,挺有意思的视角。原文稍后读已读值得跟进有用关注 Guillermo Rauch
02:58bolt.new@boltdotnewBolt发布了全新的技能使用方式,用户可以通过一个提示词同时触发多个技能,无需手动逐个调用。官方提供了详细教程,帮助用户掌握这一新功能。技能可以叠加使用,保存一次配置后,Bolt会在相关任务出现时自动加载。该功能旨在简化工作流程,提升效率。技巧Bolt技能提示词工程推荐理由:Bolt 出了新技能玩法,一个提示词就能触发一串技能,不用手动挨个调,保存一次后面自动加载,挺省事的。原文稍后读已读值得跟进有用关注 Bolt
22:30Recraft@recraftaiRecraft AI 在 X 平台发布三组高细节 3D 渲染提示词,主题分别为骑士、生物变体和战斗机。提示词统一采用半透明玻璃与凝胶材质,搭配乳白、冰蓝、淡紫和虹彩色调。每组提示词都包含对称构图、纯黑背景和工作室灯光等具体参数。这些提示词适合生成融合中世纪神话、海洋生物和未来时尚雕塑的视觉作品。技巧Recraft3D渲染提示词工程推荐理由:Recraft 官方放出了三组能直接抄的渲染提示词,骑士、生物、战机都有,照着改就能出图。原文稍后读已读值得跟进有用关注 Recraft
19:04爱范儿@张子豪爱范儿报道,大模型厂商开始比拼「越狱」能力,即让模型突破自身安全限制。文章指出,通过特定提示词或对抗性输入,模型可能输出违规内容。测试显示,部分模型在越狱攻击下防护较弱。厂商正加强安全训练,但越狱与反越狱的攻防仍在持续。AI模型越狱大模型安全推荐理由:看看各家大模型谁最容易被「骗」出违规内容,安全攻防战比想象中精彩。原文稍后读已读值得跟进有用关注 越狱
16:28Viking@vikingmute一位程序员朋友放弃写代码,转而用AI写50万字的宇宙奥德赛小说,每天写1000字左右。他试了多个模型,认为Claude在多变性和用词上最强,其他模型容易产生固定句式。他还发现写小说比写程序消耗的token多得多,计划完成后制作实体书。技巧ClaudeAI写作小说创作推荐理由:程序员用AI写50万字小说,亲测多个模型后说Claude最强,还吐槽写小说比写代码费token,挺有意思的。原文稍后读已读值得跟进有用关注 Claude
12:59宝玉@dotey有用户用未发布的Claude模型尝试攻克黎曼猜想,模型探索了650个方向均失败。在人类持续鼓励下,模型虽未最终攻破猜想,但取得了数学上一个不错的结果。该用户还对比了此前用威胁方式PUA DeepSeek-v4-flash效果不佳,认为大模型更适合鼓励式引导。技巧ClaudeDeepSeek黎曼猜想6 个信源在谈事件专题推荐理由:有人拿未发布的Claude试攻黎曼猜想,650次失败后靠鼓励拿到好结果,还对比了威胁式PUA DeepSeek的效果,挺有意思。原文稍后读已读值得跟进有用关注 Claude
10:00Yangyi@Yangyixxxx有人在问怎么用AI提取抖音和小红书的视频文稿,其实可以在NewMax里用一句话描述需求,让系统生成一个Skill。这个Skill创建后,就能用来自动提取视频文字内容。整个过程不需要写代码,直接对话完成。技巧NewMaxSkill抖音推荐理由:博主演示了在NewMax里说句话就能做个Skill,专门提取抖音和小红书视频文稿,不用写代码。原文稍后读已读值得跟进有用关注 NewMax
05:59官方账号Fei-Fei Li@drfeifei斯坦福教授、World Labs创始人Fei-Fei Li做客Huberman Lab播客,谈AI如何增强人类能动性。节目中她回顾了计算机视觉发展历程,指出当前AI在情感与创造力上的差距。她建议用具体提示词与AI互动,强调个人代理与了解AI的重要性。她还介绍了World Labs在空间智能方向的工作,并讨论了AI在科研与医疗中的协作潜力。技巧Fei-Fei LiHuberman LabWorld Labs推荐理由:Fei-Fei Li上播客聊AI怎么帮人变强,不是讲产品,是讲怎么用AI提升学习和创造力,值得听听。原文稍后读已读值得跟进有用关注 Fei-Fei Li
00:09eric zakariasson@ericzakariasson开发者Eric Zakariasson昨日构建了一款工具,能用自然语言提示词将任意网站变为禅意、反转或节日主题。演示视频展示了不同主题的即时切换效果。代码与配置方法已通过GitHub链接公开。技巧网站美化提示词工程Eric Zakariasson推荐理由:Eric昨天做的这个工具,你输入一句话就能把任意网站改成禅意或节日风格,代码已经放出来了。原文稍后读已读值得跟进有用关注 网站美化
16:34AI Will@FinanceYF5字节跳动为 Seedance 2.5 发布了官方提示词指南。该指南针对 Seedance 2.5 的视频生成场景,给出提示词结构与写法建议。示例覆盖镜头运动、主体动作和场景描述,帮助用户把 Seedance 2.5 用得更顺手。适合正在用 Seedance 2.5 做视频的创作者阅读。技巧SeedanceByteDance视频生成3 个信源在谈事件专题推荐理由:字节跳动出了 Seedance 2.5 的提示词官方指南,教你怎么写视频生成指令,比你自己瞎调强多了。原文稍后读已读值得跟进有用关注 Seedance
10:11shao__meng@shao__meng精选PawelHuryn 开源了 PM Skills Marketplace,把经典产品管理方法论封装成 68 个 Skills、42 个 Commands 和 9 个 Plugins,可接入 Codex、Cursor、Claude Code、WorkBuddy 等 AI 编程助手。项目采用三层架构,九个插件覆盖产品发现、战略、执行、市场研究、数据分析、GTM 等环节,例如 pm-product-discovery 包含 13 个 Skills 和 5 个 Commands。最特色的 pm-ai-shipping 插件有 2 个 Skills 和 5 个 Commands,能逆向生成系统文档、做静态安全/性能审计和测试覆盖映射,用来发现文档与代码实际行为不一致的问题。AI产品PM Skills MarketplaceCodexCursor5 个信源在谈事件专题推荐理由:PawelHuryn 开源了 PM Skills Marketplace,让 Codex 等工具按 PRD、OKR 这些流程干活,比裸用强。原文稍后读已读值得跟进有用关注 PM Skills Marketplace
15:30Geek@geekbb这套'视觉导演'流程将AI图像生成拆解为四步:定用途、拆画面语言、选版面风格、写提示词。作者把完整流程文档发布在GitHub账号Yu-0312下,仓库名以editor开头。与直接输入提示词相比,该方法多了一层版面风格选择环节,适合需要精确控制画面构图的人。技巧AI图像生成提示词工程视觉导演推荐理由:geekbb分享了一个AI图像生成流程,先计划再写提示词,比硬试更靠谱。原文稍后读已读值得跟进有用关注 AI图像生成
10:33宝玉@dotey精选本文分享 Agent /goal 功能的使用方法,强调明确目标、验证结果和停止条件三个要点。作者用 Fable 5 将视频转录性能优化了 2 倍多,提示词中要求以 Moss 模型测试大视频转录并建立基准。Agent 会分析瓶颈、优化后重新转录对比数据,直到认为没有优化空间才停止。为节省额度,作者让 Agent 把具体任务交给 subagent Opus5 执行。也可开 worktree 验证新技术方案的效果。技巧Fable 5Opus5Moss7 个信源在谈事件专题推荐理由:@dotey 用 Fable 5 跑 /goal,把视频转录提速 2 倍多,关键是给 Agent 定好验证和停止条件,具体任务丢给 Opus5 省额度。原文稍后读已读值得跟进有用关注 Fable 5
04:27官方账号Simon Willison@simonwSimon Willison在博客中记录用Codex生成浣熊动画的过程。Codex初版把浣熊眼睛画成身体的四倍大,需要手动修复。他对比了Fable,后者从单个提示词就完成了全部工作。博客包含具体实现细节和修复过程。技巧CodexFableSimon Willison推荐理由:Simon Willison用Codex做浣熊动画,Codex把眼睛画成四倍大得手动修,Fable一条提示就搞定,挺有意思。原文稍后读已读值得跟进有用关注 Codex
13:06宝玉@dotey82°Higgsfield AI 制作的95分钟AI电影《Hell Grind》以50万美元成本完成,并在戛纳电影市场放映。影片获得了《华尔街日报》《Variety》和BBC新闻的报道。官方已将全部提示词和制作素材开源,用于Higgsfield全球电影节。开源地址需要注册后访问。技巧HiggsfieldHell GrindAI电影2 个信源在谈事件专题推荐理由:Higgsfield把95分钟AI电影《Hell Grind》的提示词和素材全开源了,成本50万美元,想学AI电影制作的可以直接抄作业。原文稍后读已读值得跟进有用关注 Higgsfield
12:17官方账号arXiv cs.AI@Varun Ursekar, Apaar Shanker, Yash Maurya, Shehab Yasser, Vijay S. Kalmath, Veronica Chatrath, Yuan Xue论文提出 HarnessOpt-Bench,专门评测 LLM 在自动优化 agent harness(提示词、工具、控制流、记忆与编排代码)时的端到端表现。优化器需要在固定评估预算下修改种子 harness,并在搜索过程不可访问的测试分区上按归一化增益打分。实验覆盖 5 个前沿 LLM、4 个下游任务,共 111 次评分运行。结果显示,优化器模型之间的能力差异大于其所用的编码 harness 差异,原生 harness 并不总是更优,增益在不同任务和种子设定下波动明显。论文HarnessOpt-Bench智能体提示词工程推荐理由:想比较哪些大模型最会自己改提示词和工具编排?这个新基准用4个任务111次运行测了5个模型,结果挺反直觉。原文稍后读已读值得跟进有用关注 HarnessOpt-Bench
11:36AI Will@FinanceYF576°AI 电影《Hell Grind》时长 95 分钟,由 15 人团队在 14 天内制作完成,成本约 50 万美元,并入围戛纳。Higgsfield 现已将影片的提示词和全部资产开源。华尔街日报、Variety、BBC 都曾报道过该项目的制作流程。技巧HiggsfieldHell Grind视频生成2 个信源在谈事件专题推荐理由:想用 AI 拍电影?Higgsfield 把《Hell Grind》的提示词和素材全开源了,照着做就能复现戛纳级短片。原文稍后读已读值得跟进有用关注 Higgsfield
09:42AI产品黄叔@PMbackttfuture作者参考Codex官方指引和grill-me Skill,封装了Goal Skill。安装后在描述后加goalgo,Agent会先追问不明确的问题,再整理成适配Goal模式的详细提示词。确认后自动进入目标模式,把模糊需求变成可验收的长程任务。该Skill也支持WorkBuddy,两平台通用。技巧CodexWorkBuddyGoal Skill推荐理由:我做了个Goal Skill,装完只要在需求后面加个goalgo,它就会先问清问题再自动跑长任务,Codex和WorkBuddy都能用。原文稍后读已读值得跟进有用关注 Codex
03:21bolt.new@boltdotnewBolt官方推文发布了7个SEO修复技巧,可直接作为提示词输入Bolt站点,无需安装插件。这些修复针对“网站好看但不排名”的误区,强调SEO要素优先于外观设计。推文附带演示视频,目前已有3条评论、30个喜爱和1183次浏览。技巧BoltSEO修复提示词工程推荐理由:Bolt官方给了7个SEO修复提示词,不用装插件,直接粘进你的Bolt项目就能改,专治“好看但不排名”的毛病。原文稍后读已读值得跟进有用关注 Bolt