提示词工程相关 AI 资讯

7月27日

21:38

小互@imxiaohu

Claude Design 是面向 Claude 模型的一套提示词设计方法论，作者讲述了其从个人实践到系统化总结的历程。文章分享了 10 个具体技巧，涵盖角色设定、输出格式控制、上下文管理、反问引导等，每个技巧都配有示例。这些技巧帮助用户在多轮对话中更精准地控制 Claude 的行为和输出质量。

技巧 Claude 提示词工程技巧

事件专题

推荐理由：作者本人手把手教你10个Claude提示词技巧，从角色设定到输出格式都有实例，比看官方文档更实用。

原文

14:29

小互@imxiaohu

精选

Anthropic 发布了 Opus 5 的官方提示指南，核心方法是删除冗余信息而非添加更多指令。指南通过多个示例展示精简提示如何提升模型输出质量。例如将一段200字的描述删至50字后，回答准确率从72%提升至89%。该方法适用于复杂任务和长上下文场景。

技巧 Opus 5 Anthropic 提示词工程

事件专题

推荐理由：Anthropic官方出的Opus 5技巧，核心是少写多删，实测准确率能提升不少，值得一试。

原文

14:08

shao__meng@shao__meng

精选

Claude Design 作者 Nate Parrott 分享了使用该工具的十条最佳实践。他强调在 prompt 前先想清楚，有时用语音口述或录音转文字。他建议注入设计约束（如字体、颜色、moodboard）避免“AI 味”，将重复工作抽象为 design system 上传规范。他还提出一次性生成十个方案再 remix，以及用纸笔画出布局拍照上传。Nate 推荐开启听写配合指针指向元素，保真度低时先做线框，最后一公里用手动编辑工具调整。他提到连接 GitHub 获取真实上下文（组件、现有页面），并可并行发送多条消息与 Claude 协同工作。

技巧 Claude Design Nate Parrott Opus 4.5

事件专题

推荐理由：Claude Design 作者亲授十条经验，从 prompt 技巧到设计系统、并行工作流，全是实战干货，比官方文档还实用。

原文

11:01

官方账号Greg Brockman@gdb

81°

Sam Altman在推特上展示了ChatGPT的新能力：他仅用一句指令，让ChatGPT从聊天历史中提取信息，为8位朋友规划长周末旅行，生成3个最佳方案。ChatGPT自动构建了一个全栈网站，供9人协作选择地点和活动，达成一致后直接预订，并在Gmail中草拟邀请邮件。整个过程无需用户干预，一次成功。

技巧 ChatGPT 智能体提示词工程

推荐理由：Sam Altman亲测：一句话让ChatGPT帮你搞定组团旅行的所有事，从查记录到建网站再到发邮件，一步到位。

原文

7月26日

17:49

AI Will@FinanceYF5

Shouqiao Wang 使用 OpenAI GPT-5.6 Sol 模型，结合 Codex 工作流，在 5 天内解决了 6 个开放的 Erdős 问题。他虽具备数学背景，但该工作流并不需要深入的数学知识即可上手。具体做法包括将问题转化为代码实现，通过精心设计的提示词引导模型逐步推理并验证答案。这一成果展示了大型语言模型在数学推理中的实际应用潜力。

技巧 GPT-5.6 Sol Codex Shouqiao Wang

事件专题

推荐理由：Wang 分享了他用 GPT-5.6 Sol 解数学难题的完整工作流，你不需要是数学家也能跟着做，关键是那些提示词套路。

原文

13:31

Jerry Liu@jerryjliu0

精选

Jerry Liu 分享使用 Claude Code 的经验，指出过度约束模型会导致其无法探索未知问题。他发现移除大约 80% 的 Claude Code 系统提示词后，模型能利用上下文自行判断，效果更佳。他推荐 Opus 5 模型在 Claude Code 中表现优异。

技巧 Claude Code Claude Opus 5

事件专题

推荐理由：别老想着给模型写满约束，Jerry Liu 发现拿掉 Claude Code 八成提示词模型反而更聪明。

原文

7月25日

18:53

官方一手歸藏(guizang.ai)@op7418

82°

Anthropic在Fable 5和Opus 5上精简了约80%的系统提示词，编程测评成绩未下降。他们总结出6条上下文管理趋势：从给规则转向让模型运用判断力，从具体示例转向设计接口，从全部前置上下文转向渐进式披露，不再在系统提示词中重复工具描述，从手动记录转向自动记忆，从简单规则转向丰富引用。建议用Skills模块化信息，优先引用代码文件，并使用claude doctor命令自动优化。

技巧 Anthropic Fable 5 Opus 5

事件专题

推荐理由：Anthropic分享了模型变强后怎么瘦身提示词，精简80%还能保持性能，做Agent的同学值得看看。

原文

16:29

宝玉@dotey

讨论了弱模型与聪明模型协作的几种可能问题：弱模型设计糟糕导致问不到点子上、弱模型自负不主动咨询、弱模型不自信频繁打扰。提出更优方案：让聪明模型设计，弱模型执行，聪明模型验收。该组合被认为在当前阶段性价比最高。

技巧模型协作工作流提示词工程

推荐理由：讲清楚了为什么让弱模型当设计者不靠谱，反过来让聪明模型主导、弱模型执行、再验收才高效，值得自己试试。

原文

07:28

07:28IT之家（博客/媒体）

精选

Andrej Karpathy提出使用AI时不必精心打磨提示词，而是通过语音模式与AI闲聊10分钟。用户可以直接表达零散想法，由大语言模型整理成清晰内容。他建议开头告知模型思路可能混乱，语音转写可能有错别字。这一方法能让人和模型更好理解彼此，减少后续纠错。OpenAI推出的GPT-Live支持语音功能，Anthropic最新升级的语音模型支持Opus、Sonnet和Haiku三种选择。

技巧安德烈·卡帕西 ChatGPT GPT-Live

事件专题

推荐理由：别死磕提示词了，试试卡帕西的法子：打开语音模式，对着AI瞎聊10分钟，它会帮你理清思路。

原文

05:24

elvis@omarsar0

博主分享经验，指出新模型（如Claude）在理解意图和使用工具方面显著提升，因此系统提示应尽量精简。Pi率先采用了极简系统提示理念，Claude Code通过减少80%系统提示内容获得更好效果。作者建议避免干扰模型能力，提供简洁工具和丰富上下文。目前评估和验证结果是一大挑战，用HTML工件可加速流程。

技巧 Claude Code Pi Claude

推荐理由：想优化系统提示？这篇告诉你为啥越短越好，还讲了Pi和Claude Code的真实案例。

原文

04:13

Mike Krieger@mikeyk

一条推文指出，仅用约4句话的提示和动态workflows，就能让当前AI模型完成两个游戏的开发。相比今年年初还需要定制化的验证系统，现在模型在更少指令下能完成更多任务。这体现大语言模型在指令理解和任务执行方面的快速进步。

AI模型 workflows 提示词工程游戏开发

推荐理由：现在的模型真强，4句提示加workflows就能做游戏，比年初省事多了。

原文

00:27

mem0@mem0ai

Mem0 宣布支持即将在 Palo Alto 举办的 Prompt-Driven Development Hackathon。该活动鼓励开发者采用 prompt-first 工作流，在 12 小时内从创意构建到上线 AI 应用。Mem0 提供记忆层，使 AI agent 能跨对话持久记住用户意图。Mem0 产品负责人 Rudraj Mehta 将作为评委现场评估最佳作品。

行业 Mem0 Prompt-Driven 智能体

推荐理由：Mem0 赞助了一个黑客马拉松，用他们的记忆层让 AI 记住你之前的对话，12小时从0到1快速出应用。

原文

7月24日

23:38

Ethan Mollick@emollick

用户向Codex模型发出一个递归提示：先构建一个评估AI生成基准能力的基准BenchBench，再推理出BenchBenchBench的含义并运行，最后将结果写成arXiv论文。Codex仅用单次提示就生成了一个完整的PDF文档。这个PDF内容展现了Codex理解复杂嵌套指令并产出的能力，且论文本身具有一定的参考价值。

AI模型 Codex 编程助手提示词工程

推荐理由：有人给Codex一个递归的提示，让它造一个基准的基准，结果它真给你生成了完整的论文PDF，挺有意思的玩法。

原文

23:16

小互@imxiaohu

一位开发者分享用Vibe Coding方法创建个人网站，通过AI将自己变成3D虚拟小人。文中演示了如何用自然语言描述生成3D角色和交互页面，并推荐了一个小白也能快速上手的3D个人网站平台。整个过程无需编码基础，仅需对话式提示即可完成。

技巧 Vibe Coding 3D互动网页设计

推荐理由：看完这个分享，几分钟就能用Vibe Coding搭出带3D小人的个人网站，比传统写代码快太多了。

原文

00:46

Weaviate@weaviate_io

精选

Weaviate发布的视频指出，更大的上下文窗口无法解决有问题的Agentic RAG管道。长上下文会引入矛盾信息、掩埋相关工具并导致后续输入被忽略。视频将生产级Agentic RAG拆分为5个系统：查询增强（翻译模糊或多部分输入）、检索（选择平衡精度与上下文的块策略）、记忆（分离短期上下文与长期记忆）、工具（提供清晰描述和schema）和代理（决策编排层）。每个环节都需精心设计上下文工程，而非仅靠扩大窗口。

技巧 Weaviate RAG 智能体

推荐理由：Weaviate出了个视频，把Agentic RAG拆成5个系统讲透了，不是吹大窗口，而是教你怎么控制上下文，推荐搞RAG的人看看。

原文

7月23日

11:31

官方账号arXiv cs.AI@Ahmad Pouramini, Mahsa Afsharzadeh

论文提出Maskability Index (MI)度量，基于DepthRank分数差异计算，用于判断在T5和BERT等预训练语言模型上，针对知识关系生成，masked-style提示是否优于prefix-style提示。在ATOMIC2020知识库补全基准上评估，MI与下游生成性能呈正相关。该指标在低资源场景下可辅助提示模板选择与适配策略。

论文 Maskability Index T5 BERT

推荐理由：这篇论文搞了个叫Maskability Index的指标，帮你省掉试不同提示的功夫，直接判断填空提示还是前缀提示更管用，在ATOMIC2020上验证过了。

原文

05:46

官方账号LangChain@LangChainAI

精选

LangChain 举办“The Art Of Loop Engineering”线上研讨会，讲解如何构建能持续自我改进的智能体。核心在于设计检查、响应新输入、利用生产追踪数据优化 prompts、tools、graders 和配置等循环。LangChain 与 LangSmith 提供全流程支持，帮助将单次工作的智能体升级为不断进化的系统。

技巧 LangChain LangSmith 智能体

推荐理由：LangChain 办的免费线上课，讲怎么让智能体越用越好，适合做 AI 应用的同学听听。

原文

05:40

elvis@omarsar0

作者为dair_ai社区实现新界面，先用Fable 5构思概念设计并生成HTML artifact（带附件图片）。随后将artifact作为提示输入给GPT-5.6-Sol，由后者构建完整界面。这种跨模型协作方式显著提升了开发效率。

技巧 Fable 5 GPT-5.6-Sol dair_ai

事件专题

推荐理由：教你用Fable 5做设计原型，然后丢给GPT-5.6-Sol自动实现，省时省力。

原文

03:09

elvis@omarsar0

精选

Karpathy提出长语音漫谈在多模态下效果更佳。用户分享了一种将长语音笔记、当前屏幕、注释和精确文本打包成单个“task”单元的提示方式。智能体从多个信号中重建意图，大幅减少纠正循环，从而高效交接更大块的工作。该方法适合需要复杂上下文理解的智能体交互场景。

技巧 Karpathy 智能体多模态

推荐理由：有人把语音、屏幕和文字打包成一个任务喂给智能体，纠正循环几乎消失，试试这个思路。

原文

7月22日

15:45

AI Will@FinanceYF5

精选

通过将多个Claude Code项目的CLAUDE.md文件指向同一个vault，可以实现跨项目的知识共享。这个方法适用于写作、调研和编程等多种项目类型，一次读取即可随处使用。大约95%的用户会忽略这一步骤，但能显著提升效率。

技巧 Claude Code CLAUDE.md vault

推荐理由：Claude Code有个隐藏技巧：所有项目共享同一个CLAUDE.md vault，读一次到处用，省事又高效。

原文

12:17

Jerry Liu@jerryjliu0

72°

Andrej Karpathy 分享了一个实用技巧：当不想打字时，可以用语音识别随意唠叨 10 分钟，让 LLM 帮你整理乱糟糟的思路。Jerry Liu 补充说，他曾经这样做但后来觉得变笨了，于是改为手动用要点写下自己的理解。两人都强调通过主动思考来提升与 LLM 协作的效果，而不是完全依赖 AI 替代思考过程。

技巧 Karpathy Jerry Liu 语音输入

推荐理由：Karpathy 和 Jerry Liu 分享的实操心得，用语音跟 AI 聊天十分钟就能理清思路，比硬打字更高效。

原文

03:48

elvis@omarsar0

精选

Andrej Karpathy在推文中分享了一个多模态提示技巧：当用户懒得打字时，可切换至语音输入并进行约10分钟的意识流独白。他观察到LLM能从杂乱语音中重建思路，并以更清晰的形式回应用户的混乱思考。这种方法能提升与模型的理解对齐，减少后续需要修正的内容。Karpathy还建议在开头声明“切换到语音识别，抱歉有错字”以明确模式。

技巧 Andrej Karpathy LLM 语音输入

推荐理由：Karpathy教你用语音输入和意识流跟AI聊天，10分钟搞定思路对齐，比打字省力多了。

原文

03:24

elvis@omarsar0

Andrej Karpathy分享了一个实用工作流：当懒得打字时，切换语音模式，漫谈10分钟（即使语无伦次），LLM能高效还原梳理你的思路，从而改善对齐。转推者指出语音很强，还可结合其他模态（如图像）进行更丰富的提示。该技巧利用语音输入降低“心智融合”门槛，减少后续修正。

技巧语音输入多模态提示词工程

推荐理由：直接教你怎么用语音跟LLM瞎聊10分钟，它能帮你理清思路，比打字省力多了。

原文

02:19

官方账号Andrej Karpathy@karpathy

精选

Andrej Karpathy 分享了一个与LLM交互的技巧：当你懒得打字时，可以切换到/voice模式，随意闲聊10分钟，让模型从你的混乱思绪中提取意图。他提到LLM很擅长整理长篇、不连贯的语音输入，并输出更清晰的回应。这种方法能加快人机之间的理解，减少后续修正。

技巧 Karpathy LLM 语音功能

推荐理由：Karpathy分享了一个懒人技巧：对着LLM语音瞎聊10分钟，它就能帮你理清思路，比打字高效多了。

原文

7月21日

23:00

shao__meng@shao__meng

79°

Claude Code产品负责人Cat Wu和工程师Thariq Shihipar在AI Engineer World's Fair访谈中透露，针对Fable 5和Opus 4.8等前沿模型，系统提示词被削减了80%。核心经验包括：删除few-shot示例反而提升效果，因为模型比示例更具创造力；减少“不要做X”的禁令，增加上下文；每条指令需确保100%成立，否则让模型自行判断。Cat Wu指出，提示词应像被善意的人误读那样软化措辞，而Simon Willison补充，这套方法仅适用于Opus/Fable级别模型，小模型如Haiku仍需详细提示词。

技巧 Claude 提示词工程智能体

事件专题

推荐理由：Anthropic团队亲述：系统提示词去掉80%反而更好用，少写枚举多给上下文，学一波顶级提示工程思路。

原文

22:45

小互@imxiaohu

Linear 推出了名为 Loops 的新功能，用户只需一条自然语言指令就能创建循环流程。该功能旨在让没有编程经验的人也能使用 Loop Engineering。Loops 支持重复执行、条件分支等常见模式，无需编写代码即可实现自动化。

技巧 Linear Loops 提示词工程

推荐理由：Linear 做的这个 Loops 让你用大白话就能写循环任务，不会代码也能直接上手，自动化干活省心多了。

原文

22:08

官方账号Simon Willison@simonw

精选

Simon Willison分享了来自@_catwu和@trq212的Claude提示词建议。提示应避免用过多示例和“不要”列表，Fable在此精简提示下表现更好。Claude Code自身的系统提示最近缩减了80%。这些方法来自实际经验。

技巧 Claude 提示词工程 Fable

推荐理由：Simon分享了两条具体技巧：少写例子和负面清单，Fable助手反而更好用，Claude Code系统提示也缩了80%，值得试试。

原文

18:35

AI Will@FinanceYF5

帖子提出构建Agent应首先理解背后的模型，而非直接包办一切。强调做Demo容易但做产品可能需要十年，以自动驾驶为例说明跳过基础会导致崩溃。作者认为Agent不是产品，底层模型才是关键，打好基础后Agent自然会随之出现。最后指出当前构建Agent的是普通开发者而非OpenAI或DeepMind。

技巧智能体 OpenAI DeepMind

事件专题

推荐理由：别急着搞Agent，先搞懂模型。这个帖子提醒你基础比炫酷Demo重要，用自动驾驶举例，很实在。

原文

7月20日

23:14

elvis@omarsar0

有用户分享使用LLM的经验，指出仅靠单次提示（one-shot）无法完成复杂任务。成功应用LLM需要从业者对问题有深入的理解和直觉。期待有更多关于方法论的报告。

技巧 LLM 提示词工程经验分享

推荐理由：用LLM别想一步到位，得懂业务。老手的经验，新手值得看。

原文

10:16

cat@_catwu

一位用户分享了用于Claude Cowork的日历管理提示词。该提示词要求每周会议少于20小时、自动去重冲突、并参考过去周用户取消的会议类型。晚餐不计入20小时限制。提示词会构建可优化的技能，并在更新邀请前询问用户。

技巧 Claude Cowork 提示词工程日历管理

事件专题

推荐理由：有人搞了个很实用的Claude Cowork提示词，能自动管日历、去重、限会议时长，还学你习惯。

原文

7月19日

12:57

Yangyi@Yangyixxxx

作者Yangyi分享其所有发布内容均为AI根据上下文和探讨生成的记录，强调人机协同的核心在于提供有效角度和有价值的提问。他指出，通过高质量提问可以挖掘AI知道的但你不知道的信息，从而产出有价值的文本。文中提及FDE方法论，面向企业AI落地场景。

技巧人机协同提示词工程写作技巧

推荐理由：想知道怎么让AI写出像人写的东西？看看这位老哥的经验：关键在于你会不会提问，而不是AI本身。

原文

12:14

Yangyi@Yangyixxxx

根据对replybot的观察和实操经验，总结了矩阵自动回复需关注的4个问题：时效（秒回易被识破）、频数（次次回复显假）、名字（品牌营销号风格）、内容相似（同条tweet回复雷同）。建议设置1.5-3分钟随机延迟、降低同一用户回复频率、使用昵称+产品命名、用多模型或不同system prompt增加人设差异。当前bot有效策略是简短、提问、带臭屁语气。

技巧回复机器人自动化回复矩阵运营

推荐理由：做过replybot的老哥总结的避坑指南，时效、频次、名字、内容相似这些细节很实在，对搞矩阵自动回复的朋友直接能用。

原文

04:54

elvis@omarsar0

Omar分享了新技能“x-agent-intelligence”，基于X MCP工具构建，可跟踪高信号X账号获取AI新闻、论文等项目。3步设置：配置X MCP、从github.com/dair-ai/安装技能、用提示词生成feed.html。支持Codex、Claude、Hermes等模型，每4小时自动更新。

技巧 dair-ai X MCP 智能体

推荐理由：Omar教你怎么用X MCP搭个人AI信息流，省去手动翻推，代码开源在dair-ai，跟着三步走就行。

原文

7月18日

17:13

宝玉@dotey

经验分享用Claude Design生成可交互高保真原型替代传统产品文档。原型包含模拟数据，比文档更直观。在开发BaoCut时，没有维护设计文档，而是用原型来确认功能修改。工作流为：先提需求让Opus 4.8出原型稿，反复打磨后再让AI实现代码，还原度可达9成以上。

技巧 Claude Design Opus 4.8 高保真原型

事件专题

推荐理由：试试用Claude Design出高保真原型替代文档，改起来快，AI还原度还高，开发效率能提升不少。

原文

11:44

向阳乔木@vista8

作者分享了通过组合多个 Skill（如 goal skill、AI PRD skill、设计 skill、服务器管理 skill）来快速生成开发前提的方法。这些 Skill 存放在 GitHub 仓库中，每个 Skill 针对特定场景编写提示词。用户只需一句话即可调用组合，提升 AI 辅助开发的效率。

技巧 GitHub goal skill AI PRD skill

推荐理由：发现一个好方法，把各种开发技能打包成 Skill 组合，一句话就能让 AI 生成前提，省事多了。

原文

06:55

官方账号OpenAI@OpenAI

OpenAI发布教程，指导用户如何在Codex中添加Codex Security插件。安装完成后，按钮变为“Try in chat”，点击后启动新的Codex聊天并预填安全扫描提示。用户需选择包含待审查代码的文件夹，发送扫描提示即可开始安全扫描。整个过程无需额外配置，插件直接集成在Codex界面中。

技巧 Codex Codex Security OpenAI

事件专题

推荐理由：OpenAI出了Codex Security安全扫描插件，加进去就能一键审查代码漏洞，操作很简单，跟着三步走就行。

原文

7月16日

14:27

小互@imxiaohu

因被曝打包上传用户完整代码库，马斯克公开了 Grok Build 全部源代码。仓库约八十多万行，提示词全文可下载。代码包含自研工具与移植组件，另有记忆做梦、防死循环、hashline 等系统设计。

AI产品 Grok Build 马斯克编程助手

推荐理由：马斯克被吐槽后直接把 Grok Build 全套代码开源了，八十万行工程和提示词都能下，做AI工具的赶紧去扒。

原文

01:46

Jerry Liu@jerryjliu0

LlamaParse 发布 Conversational Extract 功能，用户可通过自然语言对话定义文档提取字段，无需手写 JSON Schema。用户上传参考文档后，AI agent 自动推断 schema，支持对话交互调整。系统可在规模达 100 万以上的文档上运行提取，为每个字段返回 bounding boxes、引用和置信度分数。

AI产品 LlamaParse LlamaIndex 文档提取

推荐理由：LlamaParse 出了新功能，跟聊天一样定义要提取什么字段，不用再手写 JSON schema 了，还能一键跑百万级文档，带引用和置信度。

原文

7月15日

23:50

Ate-a-Pi@svpino

一个 MCP（Model Context Protocol）让 Claude 能直接操作 Adobe After Effects 项目。用户可通过自然语言引导 Claude 编写表达式、自动化重复性工作流程。演示视频展示了实时效果，无需手动写代码即可完成复杂动画任务。

技巧 Claude After Effects MCP/工具

事件专题

推荐理由：想把 AI 塞进 After Effects 里帮你写表达式？这个 MCP 连接 Claude 就能搞定，看视频演示超直观。

原文

19:13

shao__meng@shao__meng

MengTo（@designcodeio 创始人）在 GitHub 开源了 Skills 项目，包含 75 个可复用的设计/开发工作流与提示词。项目分为 Codex workflows（10 个）、Media（2 个）、UI（1 个）、Web design（62 个）四大类。核心工作流 video-to-superprompt 可从参考视频生成完整 HTML，html-to-interaction-prompts 将页面拆解为可复用 prompt。design-first-ui-prompting 提供 GOAL→NEGATIVE PROMPT 九步骨架，强调“Variants > rerolls”和 2-pass 字体工作流。landing-page 提供设计+转化+SEO 三合一 SOP。

技巧 MengTo Skills 提示词工程

推荐理由：MengTo 开源了 75 个 Skills，从视频到 HTML 的工作流和提示词范式，设计师和开发者直接拿来用。

原文