提示词工程相关 AI 资讯

7月6日

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

7月5日

09:41

AI Will@FinanceYF5

Fable是一个AI智能体，其表现取决于用户提供的prompt、技能和上下文（地图）。实际执行任务时则需面对代码库和真实世界的约束（领地）。两者之间的差距被称为未知数，用户需通过调整prompt来缩小这一差距。

技巧 Fable 提示词工程智能体

推荐理由：想用好Fable？记住这个地图与领地的比喻，帮你理解prompt设计和实际执行之间的差距。

原文

01:33

向阳乔木@vista8

一位用户分享了一组提示词，可将整篇文章输入给Codex或ChatGPT，让其生图解读。提示词要求生成一组10个汉字以内的字形图标，矩阵排列，16:9横版构图，留白克制。图标风格为高对比剪影，实心块面，硬边无装饰，配色深色底配高明度主字和单一强调色。最终效果类似主题字库标本卡，而非插画或海报。

技巧 Codex ChatGPT 提示词工程字形图标

推荐理由：这招太实用了，教你用一条提示词让Codex或ChatGPT把长文变成酷炫字形图标矩阵，适合做视觉摘要。

原文

7月4日

22:17

elvis@omarsar0

Elvis @omarsar0 在推文中分享了如何为编程智能体实现多模态提示，包含视频演示。他认为多模态提示正在改变人与智能体的交互方式。内容聚焦于具体实现方法，而非产品发布。

技巧多模态提示编程智能体视频演示提示词工程

推荐理由：看看他怎么给编程智能体加多模态提示，有视频演示，很实用。

原文

20:50

官方账号Decoder@Matthias Bastian

Anthropic开发者Thariq Shihipar指出，Claude新模型Fable 5的瓶颈已不再是模型本身，而是用户的盲点。他提出盲点传递和结构化面试两种技巧，帮助程序员系统性地发现自身知识缺口。这些方法要求用户先在空白文档中记录无意识假设，再与Claude进行结构化对话以暴露遗漏。Shihipar强调，将实现交给Claude前应先完成盲点扫描，可显著减少迭代次数。

技巧 Anthropic Fable 5 Claude 提示词工程编程助手

推荐理由：Anthropic开发者亲自教你用Fable 5的技巧，先找自己的盲点再让Claude干活，能省不少试错时间。

原文

12:04

Jerry Liu@jerryjliu0

Jerry Liu分享通过创建反映自己写作风格的skill，并基于真实写作样本进行hillclimbing，解决了约70%的风格问题。他认为剩余30%涉及清晰独特见解的生成，属于后训练难题。该方法不依赖特定模型版本，适用于非虚构写作场景。

技巧写作技巧提示词工程 Jerry Liu

推荐理由：Jerry Liu教你一个能提升AI写作风格匹配度的实用方法，不需要复杂调参，用你自己的样本就能做到。

原文

10:03

shao__meng@shao__meng

精选

Claude Code 核心开发者 @trq212 提出「地图不是疆域」认知框架：Prompt 是地图，真实代码库是疆域，两者落差即未知。他将未知分为 Known Knowns、Known Unknowns、Unknown Knowns、Unknown Unknowns 四类，并给出对应处理方式。实操包含三阶段工作流：实现前用盲点扫描、原型、访谈等技巧挖掘未知；实现中用 implementation-notes.md 记录偏离；实现后用 Pitch 制品和测验反向加速交付。该方法在 Fable 发布视频剪辑案例中验证：通过澄清 Unknown Unknowns（如调色标准）提升最终质量。

技巧 Claude Fable 5 Claude Code 提示词工程智能体编程助手

推荐理由：想用好 Claude Code 但总觉得模型不够聪明？试试这套四类未知框架和三阶段工作流，把瓶颈从模型能力转到你的提问质量。

原文

07:33

elvis@omarsar0

精选

研究员omar sar分享了多模态提示工作流，通过录制语音、屏幕注释、鼠标点击等输入，预处理后传递给Agent，显著提升任务完成效率。该方法已为他节省数小时工作时间，减少与Agent的挫败交互。他将这些录制的任务作为可复用数据集，不断改进并打包成工作流/模式/技能。该技巧应用于Web开发、设计、原型制作、研究等多个场景。

技巧多模态提示智能体提示词工程工作流

推荐理由：omar sar教你怎么用语音+屏幕操作提示Agent，比纯文字提示聪明多了，能省下大量调试时间。

原文

05:24

techcrunch@Natasha Lomas, Romain Dillet, Kyle Wiggers, Lucas Ropek

TechCrunch整理了一份AI领域关键术语的指南，涵盖从“幻觉”（hallucination）到“对齐”（alignment）等30多个核心概念。每个词条都附有简明定义和实际应用场景的说明。例如，解释了“少数样本学习”（few-shot learning）如何在GPT-4等模型中实现任务微调。该词汇表还区分了“弱AI”和“强AI”的技术边界。

技巧术语表 AI概念提示词工程

推荐理由：想搞懂AI黑话？这篇把30多个关键术语一次讲清，从幻觉到对齐都有例子，读完好跟朋友吹牛。

原文

04:03

官方账号Simon Willison@simonw

Fable的一个有趣技巧是让模型使用自己的判断。用户可以指示Fable：“对于所有编码任务，使用你的判断来决定合适的低功耗模型，并在子代理中运行”。这个技巧能节省大量token。它利用了模型自身的决策能力来优化资源。

技巧 Fable 提示词工程编程助手智能体

推荐理由：试试让Fable自己决定用哪个模型跑代码，能省不少token，很实用

原文

03:06

elvis@omarsar0

OMARSAR0 在推文中反驳了提示工程已死的观点。他建议通过提示智能体来填补人类思维中的空白，反之亦然。具体方法包括使用头脑风暴、规划、原型设计和可视化（如工件/解释器）来丰富与智能体的对话。

技巧提示词工程智能体协作 OMARSAR0

推荐理由：别信提示工程死了的说法！学着让智能体帮你补思路，用头脑风暴、原型设计这些方法，对话质量直接拉满。

原文

03:03

elvis@omarsar0

推特用户@omarsar0分享经验：与AI代理交互时使用语音、文本和视觉标注是最大杠杆之一。他默认采用多模态提示方式。他认为这种交互方式更自然，能更充分地利用代理能力并发现未知内容。

技巧智能体多模态提示词工程

推荐理由：这位用户分享了用语音、文字加图标注跟AI代理聊天的技巧，能拿到更多信息，试试看

原文

02:45

向阳乔木@vista8

作者使用Happycapy上的Fable 5工具，安装了5个流行前端设计Skill，设计了3个Prompt，调用6个Sub Agent并行开发，生成了42个对比页面。实验发现有的页面遵守Web规范，有的动效设计好，有的AI味小。结果说明没有一个设计Skill能搞定所有场景。

技巧 Fable 5 Skill Sub Agent 提示词工程智能体

推荐理由：vista8用5个前端Skill加6个Sub Agent跑了42个页面，看看哪个组合效果最好。实验结果很实在，想调教AI设计风格的可以看看。

原文

02:33

LlamaIndex@llama_index

精选

LlamaIndex 团队基于 Vercel 的 Eve agent 框架构建了一个模板，集成 LiteParse 工具。该模板提供只读文件系统工具，允许 Eve 解析路径、列出目录和读取文本文件。LiteParse 将源文件解析为干净的结构化 Markdown。Agent 配备详细指令，组合这些工具以导航和理解文档集合。

技巧 Eve LiteParse LlamaIndex 智能体提示词工程

推荐理由：LlamaIndex 出了个 Eve 模板，集成 LiteParse 自动把文件转成 Markdown，还带文件系统工具，开箱即用。

原文

00:06

向阳乔木@vista8

在Happycapy平台上使用Fable 5模型，安装当前流行的几个前端设计技能。用户设计了三个不同的Prompt，每个Prompt调用6个Subagent进行并行开发。最终比较三个Prompt的输出结果，选出最佳方案。

技巧 Happycapy Fable 5 Subagent 前端设计提示词工程

推荐理由：试试这个工作流：在Happycapy上用Fable 5，装几个前端Skill，写三个Prompt，同时派6个Subagent干活，比哪个跑得最好。省时又好玩。

原文

7月3日

23:50

官方账号SiliconFlowAI@siliconflowai

GLM-5.2模型允许用户输入任意想法，自动完成后续生成任务，无需手写代码。用户只需拥有SiliconFlow API密钥，将模型接入智能体即可使用。SiliconFlow同步推出"Summer Rush"竞赛，参与者在72小时内提交使用GLM-5.2的作品，可进入Early Bird奖励池。排行榜根据有效使用次数排名，前72小时额外奖励。

技巧 GLM-5.2 SiliconFlow 智能体提示词工程

推荐理由：GLM-5.2给个想法就自动干活，还能参加比赛赢奖励，省心又好玩，赶紧试试。

原文

21:36

Ate-a-Pi@svpino

精选

这篇教程展示了如何用 Claude Code 的非交互模式（-p 标志）构建 agentic loop。通过一个例子：在空文件夹中运行命令，让 Claude 用 Python 实现 Fibonacci 函数并编写 pytest 测试，每步改动后自动运行测试直到全部通过。核心有三个参数：-p 非交互运行、--allowedTools 预授权工具（Read, Write, Edit, Bash）、--max-turns 15 限制最大轮次。最终会输出 Fibonacci 代码和通过的测试结果。

技巧 Claude Code 智能体编程助手提示词工程

推荐理由：Claude Code 这个命令模板非常实用，能让你零基础跑通第一个智能体循环，省去手动写代码和测试的重复劳动。

原文

16:11

AI Will@FinanceYF5

Seedance 2.0 由 OpenArt AI 推出，可根据长达数百词的提示词生成 15 秒超写实视频。示例中，提示词精确描述了20岁韩国女性的外貌、衣着、动作和环境，包括狭窄小巷、盆栽、晾衣绳等细节。视频采用早期DV摄像机美学，包含手持抖动、自动对焦搜索、曝光波动等效果。从街头喂猫到阳台喝咖啡，共12个连续场景，营造出生活纪录片的真实感。

AI模型 Seedance 2.0 OpenArt AI 视频生成提示词工程超写实

推荐理由：Seedance 2.0 能把写满细节的提示词变成15秒的日常视频，连DV那种晃动感都模仿到位，比很多AI视频更自然。

原文

16:10

AI Will@FinanceYF5

这条Prompt通过模拟手持抖动、跑焦和曝光跳变，让AI视频看起来像千禧年家用DV拍摄的。环境要求写实到晾衣绳、电线等细节，主体锁定发型衣着。音效只保留环境音，结尾突然掐断，制造真实感。核心是故意加入“缺陷”来掩盖AI痕迹。

技巧提示词工程视频生成 AI视频千禧年 DV

推荐理由：想让你生成的AI视频看起来像老式DV录像？这条Prompt手把手教你怎么加抖动、跑焦和跳帧，效果超真实。

原文

13:48

13:48IT之家（博客/媒体）

精选

Anthropic 宣布为适配 Claude Fable 5 模型，将 Claude Code 系统提示词精简 80%。技术负责人 Tariq Shihipar 指出，新模型更偏好简洁提示，用户提供的过多示例反而会限制模型表现。Anthropic 转向用上下文引导而非硬性规则，认为 AI 提示词正经历从短到长再变短的演变。Claude Code 是基于 AI 的编码助手，能跨文件和工具协作完成任务。

AI模型 Anthropic Fable 5 Claude Code 提示词工程精简

推荐理由：Anthropic 发现 Fable 5 模型不再吃长指令，Claude Code 提示词直接砍掉 80%，用上下文代替硬性规则。看他们怎么给 AI 减肥。

原文

12:57

AI Will@FinanceYF5

Anthropic工程师在45分钟直播中从零演示如何搭建5个AI助手处理重复任务。核心包括：用Tool分离外部操作、将复杂Agent拆成子Agent、以及当prompt超过上下文窗口时的分段策略。演示展示了Claude Agent的实际配置步骤，包括自定义Tool调用和子Agent调度机制。教程覆盖了从需求拆解到部署的全流程，适合想用Agent自动化日常工作的开发者。

技巧 Anthropic Agent Tool 工作流提示词工程

推荐理由：Anthropic工程师手把手教你拆Agent，45分钟学完Tool和子Agent怎么用，比你自己瞎试快多了。

原文

11:20

AI Will@FinanceYF5

Claude Fable 5 模型在测试中，仅凭“用代码设计一座逼真的埃菲尔铁塔”这一模糊提示，一次生成了完整的代码实现。测试者称该模型擅长根据模糊指令一次性完成任务，认为它是“特殊模型”。这一表现展示了Fable 5在代码生成与创意设计方面的能力。

AI模型 Claude Fable 5 Claude 代码生成提示词工程

推荐理由：Claude Fable 5 太强了，随便一句设计埃菲尔铁塔，它就能一次生成代码，值得试试其他模糊提示。

原文

10:10

AI Will@FinanceYF5

一位用户向视频生成模型Fable 5输入一句prompt后，模型自动完成了动画、剪辑、配音、转场、特效和音效的全流程制作，据称全程无人为干预。该用户将结果称为“绝对的杰作”，但具体prompt和生成过程未公开，真实性尚待验证。

AI产品 Fable 5 视频生成全自动提示词工程

推荐理由：Fable 5号称一句prompt就能出片，动画剪辑配音全自动，省掉整个后期团队，想试试吗？

原文

03:19

03:19官方账号Simon Willison’s Weblog（博客/媒体）

精选

Simon Willison用Claude Fable 5通过DSPy自动化优化Datasette Agent的SQL系统提示。测试使用GPT 4.1 mini和nano，发现基线提示中由于schema只列表名、缺少列名，导致模型猜测列名并触发错误重试循环。改进方向包括在提示的schema listing中加入列名、调整“不要重复调用describe_table”的措辞。该研究展示了DSPy在提示优化中的实际应用。

技巧 DSPy Datasette Agent Claude Fable 5 GPT 4.1 mini 提示词工程

推荐理由：Simon用DSPy自动调教Datasette Agent的SQL提示，发现了具体bug和优化方向，省去手动试错。

原文

7月2日

16:37

berryxia@berryxia

用户@berryxia分享经验，对于数据整理等一般小任务，只需一句自然语言指令即可驱动Agent正确执行，无需复杂提示或多轮对话。他强调Agent的智能程度足以理解简单指令，大幅降低使用门槛。该发现适用于常见办公和编码辅助场景，可提升效率。

技巧智能体提示词工程一句话指令用户经验

推荐理由：有博主实测，一句话就能让Agent干活，简单任务不用再写长提示，省心省力。

原文

13:21

Ethan Mollick@emollick

Fable 通过一个简单的提示词，让用户感觉自己像国际象棋大师一样聪明。用户只需输入提示词“build an elaborate game that makes it feel like I'm a brilliant chess player without knowing anything at all about chess”，Fable 就能自动构建一个互动游戏。这个游戏无需任何国际象棋知识，却能营造出大师对弈的沉浸感。该示例展示了提示词工程在创意游戏生成中的潜力。

技巧 Fable 提示词工程创意编程游戏生成

推荐理由：Fable 太会玩了，一个提示就能生成假装象棋大师的游戏，不用学规则直接装逼，试试看！

原文

10:57

shao__meng@shao__meng

精选

@emilkowalski 发布了一组 Skills，包含三个文件：emil-design-eng（决策框架）、review-animations（评审标准，要求输出 Before/After/Why 表格）、animation-vocabulary（动效术语表，如将“弹一下”翻译为 Pop in）。其中动画时长建议按钮按下 100-160ms，tooltip 125-200ms，模态框 200-500ms，并强调只用 transform 和 opacity 做 GPU 动画。该仓库专为 Claude Code、Cursor 等 Coding Agents 设计，使其具备资深设计工程师的审美判断。

技巧 emilkowalski Claude Code Cursor 动画设计提示词工程

推荐理由：emilkowalski 把自己多年 UI 动画经验做成了三个可直接喂给 AI 的 Skills，Curor、Claude Code 照着写代码就能出好东西。

原文

7月1日

08:45

berryxia@berryxia

视频指出约90%的用户误以为提示词工程就是写一堆提示词让AI执行任务。教程纠正了这一常见误解，讲解了正确的对话思路和技巧。

技巧提示词工程 AI对话教程

推荐理由：看完这个视频才知道提示词不是堆指令，理解AI对话的正确打开方式。

原文

07:26

Ate-a-Pi@svpino

svpino在推文中指出，每个模型都有独特的行为模式，切换模型时通常需要更新大量提示词以适应新特性。根据实际经验，每一次模型替换都伴随着提示词的重写。因此建议在设计系统时提前构建灵活性，减少替换成本。

技巧提示词工程模型替换架构设计

推荐理由：svpino分享了一个实用经验：别指望模型替换是即插即用，得重新调提示词，所以架构要留好接口。

原文

00:50

官方一手AWS Machine Learning Blog@Le Vy

AWS 博客介绍如何通过 Amazon SageMaker AI 微调 Amazon Nova 模型，以提升电子邮件数据提取的准确性。微调使模型识别特定数据模式并区分相似字段，提取准确率可达 94.77%。该方案同时将成本降低 50%，适用于需要高精度提取的业务场景。文章提供了详细步骤和示例代码。

技巧 Amazon Nova Amazon SageMaker AI 微调提示词工程

推荐理由：想用 Amazon Nova 搞邮件数据提取？这篇教程手把手教微调，准确率飙到 94.77%，成本还省一半。

原文

6月30日

23:18

Geek@geekbb

BonsAI 是一款 macOS 原生看板应用，旨在将零散的思考碎片转化为 AI 编码 agent 可直接执行的 prompt。它内置连接器用于注入上下文，并具备本地运行的语义检查器，能自动标记出表述含糊、AI 无法理解的部分。用户可将打磨后的 prompt 直接喂给 AI 编码 agent，提升开发效率。

AI产品 BonsAI macOS AI编码agent 提示词工程

推荐理由：BonsAI 帮你把零散想法变成 AI agent 能直接用的 prompt，本地检查含糊点，省时省力。

原文

6月29日

23:12

berryxia@berryxia

Margot Van Laar在Code with Claude大会上分享提示词工程实战，核心观点是生产提示词调试维护比从零写更重要。她展示客服机器人场景：团队发现旧模型遗留的'禁止列表'指令导致新模型过度拟合，以及'请仔细计算'无效需提供计算器工具。在零售排班Agent场景中，她将复杂提示词拆成三个简单提示词（生成、评估、修复）组成循环，比单一大提示词更稳定。她强调可用Opus等更强推理模型加自适应思考来简化提示词，并务必建立量化评估基准验证改动效果。

技巧 Anthropic Claude 提示词工程评估提示词维护

推荐理由：Anthropic工程师手把手教你维护生产提示词，从客服机器人到排班Agent，拆成小提示词更靠谱，还有评估妙招。

原文

23:10

berryxia@berryxia

精选

Anthropic工程师Margot Van Laar在Code with Claude分享提示词工程最佳实践，强调通过评估（Eval）而非直接修改提示词来优化。她用客服机器人和零售排班两个案例演示：使用XML标签结构化提示词、移除旧模型遗留的禁止列表（如Claude 3 Opus）、用工具替代指令处理计算任务。拆解复杂任务为生成-评估-修复循环，并建议用更强推理模型（如Opus）加自适应思考替代小模型复杂提示词。

技巧提示词工程 Claude 评估 Claude Opus 工作流

推荐理由：Anthropic工程师手把手教你怎么调客服提示词和搭Agent，用Opus加循环拆解比堆复杂指令更管用，核心就一句话：先搞评估

原文

14:55

宝玉@dotey

有用户发现，在 Codex 应用中将模型选为 GPT-5.5 并设置推理为 xhigh 后，运行 Juice 测试 Prompt 若返回 128 则实际使用的是 GPT 5.6 Sol，否则返回 768 就是 GPT 5.5。该 Prompt 要求模型输出 Juice 数除以2乘10再除以5的结果。目前测试仍返回 768，说明多数用户尚未灰度到 GPT 5.6 Sol。

技巧 GPT 5.6 Sol GPT 5.5 提示词工程推理模型

推荐理由：想提前知道自己的 GPT 5.5 是不是偷偷升级了？用这个 Juice 测试 Prompt 一试便知，很简单。

原文

13:48

Ethan Mollick@emollick

技巧 GLM-5.2 Opus 4.8 提示词工程推理模型

推荐理由：想看看AI怎么思考？让GLM-5.2或Opus 4.8帮你选诗，能看到它的推理过程，挺有意思的。

原文

13:48

岚叔@lufzzliz

在世界杯小组赛预测中，GLM-5.2在比分榜综合最强，GPT-5.5在胜负榜综合最强且命中率达70%。淘汰赛阶段取消24小时限制，可一次性预测16场比赛。作者分享了提示词示例："继续预测，可以提交淘汰赛16场的比赛，你需要仔细分析给出你的答案、并提交"。同时附带了opus-4.8和deepseekv4-pro的预测结果。

技巧 GLM-5.2 GPT-5.5 提示词工程智能体世界杯

推荐理由：作者用GLM-5.2和GPT-5.5预测世界杯，GPT-5.5命中率70%，还给了淘汰赛提示词，试试用自己的agent玩。

原文

6月28日

11:10

Yangyi@Yangyixxxx

宝玉分享 Codex/Claude Code 的实用工作流：fork 功能可从某节点创建分支，保留历史让上下文更纯粹。/btw 或 /side 命令可在当前会话中提问与主任务无关的问题，不污染上下文。上下文压缩配合 Prompt Caching 降低持续对话成本，一个 Session 内连续完成任务更可行。plan 模式中可用 /btw 请求详细解释选项含义。

技巧 Codex Claude Code fork /btw 提示词工程

推荐理由：宝玉分享了两个超实用的技巧：fork分支对话和/btw侧边提问，让Codex和Claude Code用得更顺，强烈建议试试。

原文

04:19

elvis@omarsar0

该推文指出，循环工程（loop engineering）本质上是提示工程（prompt engineering）与良好系统设计的结合。这条观点来自社交媒体，获得了8条评论、1次转发和21个点赞。它强调在构建AI应用时，需要把提示工程与系统架构整合，而非单独优化提示词。

技巧 loop engineering 提示词工程系统设计

推荐理由：有人一句话点醒我：循环工程其实就是提示工程搭上系统设计，做AI应用的朋友可以想想你的架构对不对。

原文

03:19

Suhail@Suhail

用户Suhail分享了两个提示词版本："read-quick-dont-validate"用于快速阅读论文，要求AI一步步拆解并一次性输出章节式解释；"validate-my-understanding-and-teach-me"则需提供5-10个参考链接，要求AI逐步教学并验证理解。第二个版本可耗时数周但学习更深入。两条提示词分别适用于不同学习场景。

技巧提示词工程论文阅读学习技巧 ChatGPT 教学方法

推荐理由：想用AI读论文又怕浅尝辄止？试试这两个具体写法，一个快速扫读，一个深度教学，亲测有效。

原文

01:49

Jerry Liu@jerryjliu0

Jerry Liu（LlamaIndex创始人）在推文中指出，手动构建工作流（代码、拖拽或提示）的需求正在减少，更优方式是指定目标让模型智能规划步骤。对于重复性任务，可收集带真实标签的数据集进行爬山优化，以平衡成本与准确率。他认为行业正从提示工程迈向目标和评估工程。拥有642次浏览、5个点赞。

技巧 Jerry Liu LlamaIndex 工作流智能体提示词工程

推荐理由：Jerry Liu说的这个趋势很实在：别再手动搭工作流了，直接给目标让模型自己想办法。重复任务还能录数据集优化，省心省钱。

原文