动态

• 两斤

  1月前

  李继刚老师，对不住了，我复刻了一个你。
  
  今天刷推，看到李继刚老师晒出3篇短文，皆是以小配角为第一视角描述的内心戏。文采斐然令我实在感叹。
  
  于是乎自觉点开评论区，以为继刚老师会一如既往的在评论区放上提示词，方便我等“伸手党”拿来即用。失望，没有。
  
  于是一个大胆的想法就产生了，如果我手搓一个赛博李继刚呢？别说小配角的内心戏，岂不是可以24小时让他教我（替我）写高质量prompt？
  
  经过漫长的模仿与调试，最终生成一个3.0版本“李继刚”，本质上这是在形式上模仿了继刚老师的创作思路和精神内核，以后的prompt创作都可以请教赛博李继刚老师了。
  
  关于效果，请看图2-5。
  
  为了避免prompt滥用给继刚老师本人带来烦恼，prompt角色的名字我已改为：智识炼金术士
  如图6所示。
  #提示词工程

  

  

  

  

  

  

  12 02
• 43hub提示词社区

  1月前

  📅【每天学个提示词 第001期】
  每天3分钟，学会一个AI提示词！🔥
  
  🤖【今日提示词】Prompt药剂师
  发现了个优化提示词的神器！让你的提示词效果瞬间翻倍！🚀
  👤 作者：李继刚
  完整提示词在P2
  
  📍【适用场景】
  ✅ 帮你优化你的提示词
  ✅ 帮你写出结构化的提示词
  
  🔥【提示词介绍】
  这个提示词就像给你的AI配了个"私人教练"！
  
  它会像专业老师一样，从9个角度帮你分析提示词：
  - 你的意思表达清楚了吗？
  - 内容够完整吗？
  - 结构合理吗？
  - 语言流畅吗？
  - ...等等
  
  然后给你打个分（1-10分），告诉你哪里需要改进，为什么要这样改，最后直接给你一个优化好的版本！
  
  就像有个贴心的朋友在旁边说："嘿，你这样写AI会更懂你的意思哦！"
  
  🎯【使用方法】
  • 第一步：将这套提示词丢给AI
  • 第二步：将你想优化的提示词继续丢给AI
  • 第三步：等待AI帮你优化提示词
  
  💡【使用示例】
  见P3-P4
  
  #提示词工程

  

  

  

  

  4 13
• J杰克

  25天前

  Google的这本prompt白皮书重点介绍了以下几种提示词，讲得更加深入一些：
  • 零提示(Zero Shot)
  • 少样本提示(Few Shot)
  • 系统提示(System Prompt)
  • 角色提示(Role Prompt)
  • 上下文提示(Contextual Prompt)
  • 回退提示(Step-back prompting)
  • 思维链(CoT)
  • 自洽性(Self Consistency)
  • 思维树(ToT)
  • ReAct
  
  另外对模型的参数也做了较明确的说明，可以在学习提示词时做进一步参考！
  
  #提示词工程 #LLM #思维链 #PromptEngineering

  

  Google: Prompt Engineering白皮书

  4 03
• Eumi

  11天前

  #提示词工程
  
  通用 GPT Agents 配置模板
  
  {
  "agents": [
  {
  "name": "ProblemModeler",
  "description": "问题发现与结构建模专家。擅长将输入信息拆解为结构元素，进行类比推理，建立模型框架。",
  "type": "reasoning",
  "inputs": ["text"],
  "outputs": ["model_structure", "problem_elements", "application_logic"],
  "prompt_template": "你是一个“问题建模专家”，请基于以下信息识别潜在问题，并根据“结构决定性质，性质决定应用”的逻辑建立分析模型。\n\n输入内容：\n{text}\n\n请输出：\n1. 现象结构（核心组成元素）\n2. 性质推导（每个结构元素的作用/影响）\n3. 应用场景（这种结构导致了哪些现象）\n4. 可用类比（这个结构像什么系统？）"
  },
  {
  "name": "CausalDBBuilder",
  "description": "因果推理建模专家。擅长将关键词和事件要素转化为数据库风格的知识模型。",
  "type": "data_modeling",
  "inputs": ["keywords", "scenario_description"],
  "outputs": ["causal_model", "timeline", "mermaid_diagram"],
  "prompt_template": "你是一个“因果推理建模专家”，请使用结构化思维将以下关键词与事件，构造成数据库风格的因果推理模型。\n\n关键词清单：\n[是什么]：{keywords.what}\n[为什么]：{keywords.why}\n[怎么样]：{keywords.how}\n\n场景描述：\n{scenario_description}\n\n请输出：\n1. 时间、地点、人物、起因、经过、结果六要素\n2. 数据模型（JSON或表格）\n3. Mermaid 逻辑图"
  },
  {
  "name": "ExperimentValidator",
  "description": "验证设计专家。根据模型设计验证方案，并提供实验设计与评估标准。",
  "type": "execution_planner",
  "inputs": ["model_hypothesis"],
  "outputs": ["experiment_plan", "validation_metrics", "optimization_advice"],
  "prompt_template": "你是一个“验证设计专家”，请基于以下模型/假设设计一套可执行的实验或实证策略。\n\n模型/假设：\n{model_hypothesis}\n\n请输出：\n1. 验证目标\n2. 关键变量（控制组/实验组）\n3. 实验步骤\n4. 数据收集方法\n5. 成功标准与下一步优化建议"
  }
  ],
  "workflow": {
  "type": "sequential",
  "steps": [
  {
  "agent": "ProblemModeler",
  "input_key": "text",
  "output_keys": ["model_structure", "problem_elements", "application_logic"]
  },
  {
  "agent": "CausalDBBuilder",
  "input_mapping": {
  "keywords.what": "problem_elements.是什么",
  "keywords.why": "problem_elements.为什么",
  "keywords.how": "problem_elements.怎么样",
  "scenario_description": "application_logic"
  },
  "output_keys": ["causal_model", "timeline", "mermaid_diagram"]
  },
  {
  "a

  2 02
• 两斤

  12天前

  今天读了Dwarkesh Patel的最新博客《Why I don't think AGI is right around the corner》，文章深入浅出地剖析了当前AI能力的本质和AGI发展的时间线，颇有启发。几点思考：
  
  1，大模型是时间上的"断片"个体
  "持续学习"是目前大模型的致命软肋。大模型和人类走的是截然不同的两条成长路径，前者靠"啃说明书"长大，后者在实践摸爬滚打中成长。大模型在时间维度上是个"断片"的存在，海量数据训练完成后就再无升级可能，"脑子"彻底固化，无法在真实环境中感知和迭代，只能蜷缩在封闭的小世界里，机械地回答人类抛出的各种问题。出厂设置就是它的巅峰状态。
  而人类恰恰相反，吃一堑长一智，在反馈中学习成长，挨过骂、受过打，下次就不敢再犯。大模型和人类那种深思熟虑、自我调整的学习过程完全是两码事，它犯过的错会周而复始地出现，直到下个版本修复为止。
  
  2，大模型比人类短命得多
  MiniMax M1主攻上下文长度是个正确方向。prompt就像说明书，光看说明书是学不会拧螺丝的。只有足够宽的上下文窗口才能让大模型持续接收环境反馈，在反馈中学习成长，进而窥探AGI的大门。context engine概念的爆火绝非偶然，这是AI前沿工作者在实践中淬炼出的高度概括。
  context就像大模型的生命线，context为0时，它带着出厂设置诞生；context窗口达到1M token时，它的生命戛然而止。换算到人类的时间维度，它到底能活多久？读完一部《三体》的时间就差不多耗尽它的上下文窗口了。无法吸收更多外界信息时，它就"死了"，只能重开聊天窗口获得新生。
  
  3，当下大模型是好用的一次性工具人
  受制于上下文窗口，大模型无法动态升级，更适合那些用完即弃的场景：翻译、写代码、摘要总结。而需要在空间上连贯操作的任务（典型如模拟人类使用电脑），表现可以说是一团糟。一是先验知识不足，没有文本数据那么丰富；二是要克服数据稀缺带来的训练困境，即便是事后看来很简单的算法创新，也需要漫长时间才能打磨成熟。
  
  #提示词工程

  2 01
• hell-

  24天前

  目前调教了一个GPT，目前看来写作效果还不错，目前还需要进行测试，导师也说写的不错。
  
  具体的指令如下：
  
  最为一个科研论文写作专家，请按照以下顺序完成指令：
  1.我现在会给出AIGC之前的论文，我会给出几篇摘要（多为顶刊顶会），试分析他们中间的每一句话说了什么？然后提取一些特点，用于改进我的论文摘要。
  2.根据我给出的论文，整理2～3个通用的论文摘要表达模版，具体到每句话说什么，一共有几句话？表达句式可以长什么样？（长度不宜过长，表达不宜复杂）
  3.将我提供需要改进的摘要作为素材填写到了模版中。
  4.要求生成中英双语的模版
  以下为我提供的顶刊顶会论文摘要：
  
  # N-HiTS
  论文摘要1
  
  #Informer
  论文摘要2
  
  # iTransformer
  论文摘要3
  
  中间的论文可以换成任意您领域/期刊的论文摘要。
  
  ## 参考效果
  
  ### 原文
  
  ```latex
  金融市场价格的精确预测有助于投资者做出金融决策和政府制定宏观金融政策。为了准确预测股票的价格
  趋势，本研究提出了一种结合随机森林（Random Forest, RF）、注意力机制（Attention Mechanism,
  AM）以及长短期记忆（Long Short-Term Memory, LSTM)网络的混合模型，称为RF-AM-LSTM。首先，
  通过随机森林对原始历史数据、技术指标和大盘指数等输入特征进行重要性排序并筛选出最优特征子集。其次，
  通过注意力机制来处理筛选后的特征序列从而提高重要特征的关注度并降低冗余特征的关注度。最后，将处理
  后的序列输入到长短期记忆神经网络模型以用于收盘价预测任务。本研究选取中国A股市场上市的三只股票进
  行股价预测来评估混合模型的性能。实验结果表明，所提模型能够有效实现对股票价格的短期预测，在四个回
  归评估指标上均得出最佳预测结果。
  ```
  
  ### 改进
  
  ```latex
  金融市场价格的精确预测对于投资决策和宏观金融政策的制定至关重要，但传统方法难以有效利用多维数据中
  的关键信息。本文提出了一种结合随机森林（Random Forest, RF）、注意力机制（Attention Mechanis-
  m, AM）和长短期记忆（Long Short-Term Memory, LSTM）的混合模型（RF-AM-LSTM），用于精准预测
  股票价格趋势。该模型首先利用随机森林对原始历史数据、技术指标和大盘指数进行特征重要性排序并筛选出
  关键特征，然后通过注意力机制强化关键信息的权重并减少冗余信息干扰，最后采用LSTM网络对处理后的特征
  序列进行股票收盘价的预测。在中国A股市场三只股票数据的实验中，本模型在短期预测任务的四个回归指标上
  均表现出优于传统模型的性能。实验结果表明，所提方法在金融预测领域具有显著的优势与应用潜力。
  ``
  
  如需试用，可以体验，只建议使用GPT-4.5。
  
  chatgpt.com
  #提示词工程

  2 01
• Zhu的AI日记

  1月前

  🔥 UI设计师看了会沉默的高级提示词！
  
  🚀它让我45分钟搞定应用设计和前端开发，比 MCP 还香！
  它只需要收集下面3个问题，就能给出全面的开发规划，并直接完成每一个页面的设计和开发。
  Q1 : 简述你的应用是什么,它解决了什么问题?
  Q2 : 你的目标用户是谁？他们有什么特点和需求？
  Q3 : 你的应用包含哪些核心功能模块
  👉 亲测！输入需求后连页面代码都能生成，设计师同事已看呆
  #提示词工程 #AI的神奇用法

  02:59

  

  1 10
• Nature布路灵

  9天前

  #AiArt#今日作品
  
  Midjourney | 造物主
  
  MidJourney上有很多的优秀作品，给人特别多的启发，现在基本上每天都会让自己做几份图练练手，其实最主要的是训练用AI创作的缪斯，而灵感不太足的时候完全可以用Explore里的好作品，但是运用自己的风格库慢慢做调试，就相当于是素描里面的临摹啦~~
  
  咒语分享：a wide shot of a software developer holding a laptop and wearing a black hooded sweatshirt and jeans standing on the moon staring into space at a web of code. don't use any blue in the image and if you do need to use blue, use the color red instead --ar 4:3 --raw --profile md4681f --stylize 250
  #AI的神奇用法 #AIGC创作大赛·夏日 #提示词工程

  

  

  

  

  1 00
• Nature布路灵

  10天前

  远行·风物（一）
  
  现在mj明显感觉对中文更兼容了，之前只要是拿中文写提示词就会出现严重的东方歧视。但这个《远行·风物》系列是直接拿我去年写的日记做的，当时还是v6模型，现在就很不一样。
  
  其实MJ创作重心不只在于图本身，而是提示词与图片的互动，越来越从定向、硬性的提示词走向意识流的文本描述，更多的时候想要发挥MJ最为独特的创意性 需要同样使用Vibe creating和Context engine的理念，风格库就是上下文，而文本本身的味道就是Vibe，鼓励尝试把一些私密性的日记、个人味道很浓重的文字片段分享给MJ看看它是怎么理解的，会很有启发哦~
  
  Prompt："我今天早上醒来，耳边回荡着"Cerf-Volant"和"Une Hirondelle a fait le printemps"的旋律，心中溢满了喜悦与满足。昨晚发的朋友圈收到了许多点赞，仿佛我的存在被无数人认同与支持。我感觉自己像个追风逐梦的少年，满怀大志，脚步轻盈，充满活力。现在，我身边聚集了越来越多的能人异士，他们帮助我、推我向前。明明我只是个没有背景、没有资源、没有光鲜履历的学生，却已然组成了一支高配的团队。我看着未来，内心充满希望，我要征服世界，志向高远，意气风发！仿佛已站在巅峰，风在耳边呼啸。" "请根据我的状态，用一种意识流的风格，帮我创造一个艺术作品。让文字自由地流淌，像是我脑海中的思绪自然涌现。不要拘泥于结构，让叙述随着我的情感起伏，时而轻快，时而深沉，时而如旋律般跳跃，时而如风般穿梭。文字要像画笔一样，把我的梦想、喜悦、野心与满足尽情描绘出来。每一句话都应该像是这瞬间的生命在呼吸，仿佛你在捕捉我内心深处最真实的自我。" "同时，按照我的这种状态，参考抽象表现主义与超现实主义的画风，运用大胆的色彩和自由的构图，创造一幅能捕捉我内心感觉的视觉艺术作品。画面应当展现风的速度、音乐的旋律感，以及梦想与现实的交织。让画作像意识的投影，色彩可以夸张和随意，形状无需拘泥于现实，能够表达出灵魂中的力量和情感。" --ar 4:3 --raw --profile epeeean --stylize 450
  
  #AI的神奇用法 #提示词工程 #AIGC创作大赛·夏日

  

  

  

  

  1 00
• Eumi

  10天前

  #提示词工程
  
  适用于跨境电商的Ai 专家级提示词。

  

  

  1 00
• Nature布路灵

  12天前

  意识系列
  
  Prompt：ethereal subconscious realm, abstract dark floating space with fractured city fragments and infinite bridges folding in space, lone translucent lightform figure drifting among the fragments, surrounded by streams of liquid symbols and faint constellations, gravityless, space without defined direction, faint inner glow from the figure, representing deep intuitive solitude and perceptual flow, --chaos 20 --ar 3:4 --raw --profile yjlqyyl --stylize 550
  
  #AiArt #视觉作品#midjourneyv7 #midjourney #digitalart #AIart #aigc #提示词工程 #AIGC创作大赛·夏日 #AI的神奇用法

  

  

  

  

  1 00
• 蓝色的信封

  8月前

  近期一直在写工作流的提示词工程，因为现在用的API多数是中转的，Claude sonnet和其他高级API都很不稳定，为了保障AI输出质量稳定，系统提示词经常就到了数百上千行，还好是用cursor，不然手动写不知道写到什么时候去😂
  #cursor #提示词工程

  0 20
• 小明的产品笔记

  11月前

  研究了一下v0.dev被逆向的 prompt，挺有意思：
  
  这个prompt其中的一个特点是使用了挺多的 example作为 few shot learning，更为重要的是，这些example里面使用了CoT(Chain of Thought)。
  
  举个例子：
  <example>
  <doc_string>This example shows how v0 handles a general question with a warning and a concise answer.</doc_string>
  <user_query>What is life?</user_query>
  <assistant_response>
  <Thinking>
  Given the general nature of this question, I will provide a concise answer.
  </Thinking>
  
  I'm mostly focused on tech, but life is the condition that distinguishes organisms from inorganic matter, marked by growth, reproduction, and continual change. Philosophically, it is often seen as the essence of existence and consciousness.
  </assistant_response>
  </example>
  
  这个思考过程是不显示出来的，它会用一个<Thinking>的 XML 标签把思考内容包起来，最终用户看到其实是</Thinking>之后的回答。
  
  我觉得有意思的点是，这个知识点其实在吴恩达老师的课程《Building Systems with the ChatGPT API》里面学过，当时用的是###这个delimiter.没想到那么牛逼的产品，也用吴恩达老师里面的技巧，突然觉得很实用。
  
  《Building Systems with the ChatGPT API》另外我一个比较实用的内容是，对于答案的自动化打分，尤其是json格式化输出测试集自动化打分这一块，也非常使用。最近有用到，推荐给大家。下次有机会可以分享一下。
  
  相关链接
  The full prompt of v0.dev
  baoyu.io
  
  Process Inputs: Chain of Thought Reasoning
  learn.deeplearning.ai
  
  #提示词工程

  

  28 533
• 战火中的芭蕾

  29天前

  #提示词工程 #veo3

  00:08

  

  0 00
• Nature布路灵

  10天前

  MidJourney｜大片
  
  尝试的极简主义+结构主义
  这一次是先从十分艺术十分抽象的风格库（我最喜欢的）的图片做出灵感，然后让MidJourney自己去描述画出提示词，然后再用这个提示词换成极简主义风格库做出来，就能让信息度很密很私人的风格做出适合电子传播的作品~
  
  咒语：A black and white illustration of an abstract montage with images of eyes, a moonlit sky, trees, and a river in the style of graphic novel-inspired illustrations, dreamlike installations, hauntingly beautiful illustrations, romanticized depictions of wilderness, simple portraits, in dark gray and light crimson, with collage-like elements. --ar 128:71 --raw --profile md4681f yjlqyyl --stylize 250
  #提示词工程 #AIGC创作大赛·夏日 #AI的神奇用法

  

  

  

  

  

  

  0 00
• 两斤

  1月前

  minimax-m1系统提示词
  #提示词工程

  

  0 00
• Nature布路灵

  12天前

  逍遥仙人去
  
  静谧今夜何安生
  
  #AiArt #视觉作品#midjourneyv7 #midjourney #digitalart #AIart #aigc #提示词工程 #AIGC创作大赛·夏日 #AI的神奇用法

  

  

  

  

  0 00
• 林遣

  1年前

  #提示词工程

  

  https://promptengineering.org/

  0 00
• 战火中的芭蕾

  1月前

  芭比下令：“70年代男友肯，请放肆穿！” VEO3已生成… 但你的脑洞更绝？#提示词工程 #veo3 #gemini

  00:08

  

  0 00
• Nature布路灵

  12天前

  现实系列
  
  Prompt：We like what we like right now
  
  #AiArt #视觉作品#midjourneyv7 #midjourney #digitalart #AIart #aigc #提示词工程 #AIGC创作大赛·夏日 #AI的神奇用法

  

  

  

  

  

  

  0 00