11:43AI Will@FinanceYF5Andrew 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。原文稍后读已读值得跟进有用关注 Andrew Ng
11:42AI Will@FinanceYF5ClaudeDevs 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 5Sonnet 5提示词工程8 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Fable 5
11:34官方账号Pika Labs@pika_labsPika 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PikaPika Director's Suite视频生成推荐理由: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。原文稍后读已读值得跟进有用关注 Pika
11:00AI Will@FinanceYF5Seedance 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。原文稍后读已读值得跟进有用关注 Seedance 2.0
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ClaudeGLT-5.5编程助手推荐理由: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。原文稍后读已读值得跟进有用关注 Claude
04:29Ethan Mollick@emollickGrok 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!原文稍后读已读值得跟进有用关注 Grok 4.5
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 VardaAI-assisted programming编程助手推荐理由: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。原文稍后读已读值得跟进有用关注 Kenton Varda
04:01Harrison Chase@hwchase17LangChain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 ChaseLangChain提示词工程推荐理由: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。原文稍后读已读值得跟进有用关注 Harrison Chase
01:59Ate-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。原文稍后读已读值得跟进有用关注 self-learning agents
00:31elvis@omarsar0Omar 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-5.6Fable 5智能体8 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 GPT-5.6
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。原文稍后读已读值得跟进有用关注 提示词工程
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CodexFigma MCPGPT-Image-2.0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。原文稍后读已读值得跟进有用关注 Codex
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。原文稍后读已读值得跟进有用关注 Skill
11:32Ethan 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。原文稍后读已读值得跟进有用关注 提示词工程
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GeminiGPT提示词工程推荐理由: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。原文稍后读已读值得跟进有用关注 Gemini
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。原文稍后读已读值得跟进有用关注 提示词工程
23:24向阳乔木@vista8Simon 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ClaudeFableClaude Opus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。原文稍后读已读值得跟进有用关注 Claude
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 5Claude Code提示词工程9 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Claude Fable 5
22:26Recraft@recraftaiRecraft 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 V4.1Recraft AI文生图推荐理由: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。原文稍后读已读值得跟进有用关注 Recraft V4.1
22:24shao__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ClaudeClaude Fable 5工作流9 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Claude
15:53宝玉@dotey76°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 CodeAnthropic工具调用10 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Claude Code
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ClaudeLoop Engineer智能体推荐理由: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。原文稍后读已读值得跟进有用关注 Claude
10:12AI Will@FinanceYF5Karpathy 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。原文稍后读已读值得跟进有用关注 Karpathy Loop
09:30shao__meng@shao__meng71°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 CodeLoops智能体推荐理由: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。原文稍后读已读值得跟进有用关注 Claude Code
07:45宝玉@doteyThariq 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 5ClaudeAnthropic10 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Fable 5
07:09Notion@NotionHQNotion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2 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Notion
18:19向阳乔木@vista82026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CohubGemini提示词工程推荐理由: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。原文稍后读已读值得跟进有用关注 Cohub
15:39Yangyi@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。原文稍后读已读值得跟进有用关注 NewMax
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 5Claude Code编程助手9 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Claude Fable 5
11:54Viking@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。原文稍后读已读值得跟进有用关注 Claude
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9 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Claude Fable 5
09:41AI Will@FinanceYF5Fable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。原文稍后读已读值得跟进有用关注 Fable
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CodexChatGPT提示词工程推荐理由: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。原文稍后读已读值得跟进有用关注 Codex
22:17elvis@omarsar0Elvis @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。原文稍后读已读值得跟进有用关注 多模态提示
20:50官方账号Decoder@Matthias BastianAnthropic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AnthropicFable 5Claude10 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Anthropic
12:04Jerry Liu@jerryjliu0Jerry 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。原文稍后读已读值得跟进有用关注 写作技巧
10:03shao__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 5Claude Code提示词工程10 个信源在谈事件专题推荐理由: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。原文稍后读已读值得跟进有用关注 Claude Fable 5
07:33elvis@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。原文稍后读已读值得跟进有用关注 多模态提示
05:24techcrunch@Natasha Lomas, Romain Dillet, Kyle Wiggers, Lucas RopekTechCrunch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。原文稍后读已读值得跟进有用关注 术语表
04:03官方账号Simon Willison@simonwFable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,很实用原文稍后读已读值得跟进有用关注 Fable