90%的万能AI提示词根本不值钱，真正省时的模板只符合这三个标准_办公软件

1. 上下文之上文//@宝玉xp:我文章写的“提示词”是狭义的“系统提示词”，广义上说，输入给AI都算提示词，这个角度说提示词很重要//@王刀刀2:非常好的文章但我有点不同看法/冒昧地补充：“厨艺”除了模型，还应包括提示词，更本质地说，“作者表达“。因为这是更直接的“上手操作”，是人所控制的厨艺。心里有“食材，口味”，但如果说不明白，也没用。用Agent写更如此，因为要把默会知识显化

2. 高效提示词（prompt）工程指南

3. Seedance 2.0：说中国话的最强AI视频模型！

4. 2026年AI主线换了！这5大趋势必须看清。 #大咖观察 #红衣聊AI #趋势风口 #人工智能

5. AI判生死！2026大片接棒科幻悬疑巨制《极限审判》前瞻解析

6. AI不要笑挑战！学会你也能做【附Sora2注册、去水印】

7. 别光问AI了，反向操作才是王炸，这是我10倍速阅读的三大心法和提示词～当会用AI不再稀缺，AI时代真正拉开差距的是什么？#ai #阅读 #读书 #学习 #世界读书日

8. 如何用视角来提升设计效果？这3个技巧新手必学！想让设计更有视觉效果，改变视角是个好方法，那如何用AI不写提示词的情况下，生成这样充满创意的视角呢？ #AI #AI新星计划 #平面设计 #AI生图 #AI工具

9. #Seedance必玩提示词模板#1分钟出大片！Seedance 2.0 正式终结了“AI视频不会剪辑”的时代！最近科技圈都在传这个 Seedance 2.0，最离谱的是它能直接生成“60秒长视频”，还自带电影级的分镜头切换！我也试了几组，整理出一份【必玩提示词模板】，建议先收藏再练手！万能提示词公式：[场景描述] + [核心角色] + [多段动作指令] + [分镜头要求] + [影调风格]案例分享“深夜的赛博朋克街道，霓虹闪烁（场景）。一名身穿银色风衣的侦探正穿梭在雨中（角色）。镜头先从背后跟拍特写，随后切到高楼俯瞰，最后停留在侦探推开酒馆大门的瞬间（多镜头动作）。胶片颗粒感，王家卫风格，高对比度影调（画质风格）。”如何用它做出爆款短视频？AI短剧流：利用60秒的长片段，保持角色一致性，直接出剧情。产品广告流：给你的产品起个酷炫的提示词，Seedance 能帮你生成极具质感的转场。梦境记录流：用最天马行空的描述，挑战它的多维度想象力。小乔说科技的微博视频

10. 2026年了，AI可以无条件相信吗？怎么用才能不翻车？

11. 2026必备！这8大AI工具，没有裸泳......

12. 来看看最懂大模型的人教你写提示词，网上的技巧大多都没用。我最近看到一份大模型厂商内部的 AI 提示词指南，觉得很值得讲一讲。写它的人 Alex Albert，是做 Claude 的 AI 公司 Anthropic 在2023年招进去的内部第一位提示词工程师，原职衔甚至有点不正经，叫 prompt engineer and librarian（提示词工程师加图书管理员）。这两年他升到 Anthropic 开发者关系负责人，对外讲 Claude 怎么用基本都是他的活，这份官方指南也是他的核心维护内容。可以说，他大概是最了解 AI 大模型怎么读提示词的那一类人。看完之后我回头翻了翻网上各种「提示词课」的笔记，发现一件挺尴尬的事：网上传的那些「魔咒式技巧」（「我会给你50美元小费」、「你是顶尖专家」之类），从模型厂商内部视角看大多数没用，有些反而让答案变差。这份指南讲的是模型内部如何看待你写的提示词、什么真正影响它的输出。能拿到这种「模型厂商内部视角」的资料并不多见。先说网上传得很广、但官方指南明确说没用或反作用的几条。第一条误区是激励式提示词。「我会给你50美元小费」「做不好就处罚你」这种套路，过去一两年在国外社交圈传得到处都是。Anthropic 内部测过，对最新的 Claude 模型，小费、威胁、装客气这些「小把戏」基本不影响输出质量。模型不在乎你赏不赏它，它只在乎你说清没说清。第二条误区是「你是一位 X 行业20年专家」开头万金油。我们之前介绍过一项研究：在事实问答任务上，加这种「专家身份」反而把准确率从七成多拉到不到七成。官方指南里也讲明白，角色扮演型提示词在写作、风格化这种场景里有用，做事实任务别滥用。第三条误区是越长越复杂越好的提示词模板。有些课程教人用三百字模板包一个本来三十字就能说清的请求。指南里的第一原则就一句话：直接、明确说要什么，不要绕弯子。模型不需要被催眠，它需要的是清楚的指令。第四条误区是「魔咒关键词」。比如英文圈传得很玄的 "think harder"（想得更努力）、"work very carefully"（仔细工作）、"this is very important"（这件事特别重要）这种词。简单的「先一步步分析再答」那种引导是真有用的；但「这件事特别重要哦」这种就是噪声，对今天的模型没意义。那真正有效的是哪几条？指南里讲的第一条不是技巧，是心态：好的提示词像给一个新同事讲任务，不是写咒语。落到具体动作，几条最值得记的：第一条最被低估的是给具体例子。指南里讲，给一个例子比写五条抽象规则有效。你想让 AI 写一段产品介绍文案，与其写「要简洁、要专业、要有吸引力」，不如直接贴一段你觉得对味的范文，让它「按这个风格写」。这一招业内叫「多例提示」（英文 multishot prompting），对几乎所有任务都有效。第二条是给模型时间想。复杂任务前面写一句「先一步步分析，再给最终答案」。指南给了三层做法：基础（直接写一句「先一步步思考」）、引导（列出具体的分析步骤）、结构化（用 <thinking>（思考）和 <answer>（回答）这种标签把「想」和「答」分开）。第三条是用 XML 标签做结构。把上下文资料、任务说明、输出格式分别用 <document>（资料）、<task>（任务）、<format>（格式）这种标签包起来。指南里特别强调一句：标签名字怎么起不重要，前后一致就行。比起用空行或破折号分隔，标签对模型识别的提升很明显。第四条是允许 AI 说「不知道」。在提示词里写一句「如果资料里没有这个信息，就直接说不知道，不要编造」。这是降低幻觉率最简单有效的一招。模型本来就知道自己不知道，是被人逼着回答才编的。第五条是定义输出格式。直接说要「列表」「表格」「JSON」还是「两段话」，比让模型自由发挥稳定得多。把这几条揉进一段普通提示词，长这样：请分析下面这段产品评论的情绪倾向。先一步步分析评论里的关键句，包在 <thinking> 标签里；然后给出最终判断（正面、负面或中立），包在 <answer> 标签里。如果有判断不准的地方，直接说不确定，不要硬编。最后给一段不超过100字的总结。评论内容：……不用装客气，不用「专家」开头，不用承诺给小费。清楚的结构加具体的例子加明确的格式，就是最强的提示词。顺带说一句，上面这几条原则不绑死 Claude。同样的思路放到国内大模型（DeepSeek、Kimi、通义、豆包、文心）一样能跑——XML 标签、给例子、让模型先想再答、允许说不知道，这些是底层做法，跟用哪家模型没关系。看完这份指南最朴素的感受是：好的提示词不需要花哨。清楚直接、给具体例子、让模型先想再答、允许它说不知道、定义输出格式，这五条做到了，绝大多数「魔咒」就不重要了。

13. 【如何构建任何场景的提示词：一套可复用的系统架构】互联网上到处都是“ChatGPT最强提示词合集”，人们收藏、粘贴、得到平庸的结果，然后继续寻找下一个。这就像戴着别人的近视眼镜，技术上能用，实际上没用。问题的根源在于：为别人的场景、别人的上下文、别人的输出需求构建的提示词，永远不会像你自己构建的那样有效。你需要的不是一个很少打开的收藏夹，而是一套系统架构。大多数人用自然段落写提示词。简单问题还行，稍微复杂一点就崩溃。因为模型必须猜测：角色在哪里结束？任务从哪里开始？约束是什么？输出应该长什么样？每一次猜测都是潜在的幻觉。XML标签消除了猜测。它们创建带标签的容器，告诉模型每条信息是什么、如何使用。这不是理论，Anthropic在自己的系统提示词中就使用XML标签，这是模型被设计来解析结构化指令的方式。核心标签有六个，几乎每个提示词都会用到：【角色】定义模型成为谁。不是“你是一个有帮助的助手”这种废话，而是“你是一位拥有15年经验的品牌策略师，专注于定位、信息架构和竞争差异化”。角色越具体，模型猜测越少。【任务】定义模型做什么。不是描述，是指令。“帮用户改进写作”是描述，“分析用户草稿，针对结构、清晰度和说服力提供具体可执行的反馈，找出三个最弱的点并重写作为示例”是指令。没有清晰任务的提示词会随心所欲，而随心所欲通常意味着平庸。【准则】控制模型如何行动。“永远不要假设用户没提供的上下文”“如果信息缺失就提问”“不要给泛泛的建议”。规则是覆盖模型默认行为的方式。【约束】是硬性限制，定义输出本身的边界。“回复必须少于280字符”“不要提及竞争对手名称”“所有建议必须在30天内可执行”。规则管行为，约束管产出，区分很重要。【格式】是最被忽视的标签。大多数人描述想要什么，却从不描述它长什么样。同样的角色和任务，“一句话”给你标题，“三段式摘要”给你简报，“带章节的详细报告”给你文档，“JSON格式”给你结构化数据。模型没变，你对输出格式的控制变了。【示例】是最强大也最少被使用的标签。一个好例子教给模型的东西，比一段指令多得多。它同时展示格式、深度、语气、结构和推理。两个例子通常就够了，目标不是全面覆盖，是校准。进阶标签处理那20%需要更高精度的场景：【上下文】提供背景信息，【个性】定义个性，【语气】定义情感基调，【受众】决定输出面向谁，【知识】注入领域知识，【方法】规定执行步骤，【反模式】展示什么是坏输出，【退路】定义无法完成任务时怎么办，【验证】让模型自检，【发现引擎】让模型先提问再行动，【链】把多个提示词串联起来。不是每个提示词都需要每个标签。简单任务用【角色】加【任务】加【格式】就够了。专业输出加上【准则】、【约束】和【示例】。交互式场景加【发现引擎】和【退路】。复杂工作流才需要全套。六个标签各司其职，比十二个标签一半在划水强得多。调试提示词有规律可循：输出太泛，【角色】不够具体；格式不对，【格式】缺失或太松；指令被忽略，【准则】埋得太深或相互矛盾；输出太保守，加【反模式】展示你不想要的样子；输出跑偏，【任务】有歧义；输出编造事实，加fallback告诉模型不知道时该怎么办；输出不稳定，加【示例】。框架是通用的，无论你构建代码审查、内容写作、数据分析还是任何其他场景的提示词。标签不变，里面的内容变。现在你可以随意构建和混搭提示词了。x.com/kloss_xyz/status/2018951817892442260

14. 2025年AI提示词深度指南：从基础知识到高级技巧

15. #it那些事儿# 有一句成语叫“猴子有枪”。以前我写过一个公式：一个人的牛逼程度 = 心态 × 能力 ÷ 欲望现在有了AI，那么就变为：一个人的搞事能力=AI-Vibe-Coding能力 × 提示词能力 ÷ 欲望AI的Coding能力虽然强，但也架不住工程师稀烂的提(xiao)示(zuo)词(wen)写作能力，以及无比自信且庞大无匹的野心（比如要用AI-Vibe-Coding重构公司陈年屎坑代码，你别说没有，这不微软计划2030年前用Rust全面替代C/C++代码借助AI实现每月百万行自动化重写从根本上解决内存安全漏洞问题嘛）……这让我想起了《杀戮人机（Murderbot）》，众人PUA机器人，几乎搞崩机器人心态，气得机器人另起资源观看几万集电视剧纾解。

16. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

17. 谷歌68页圣经看完更焦虑了，所以我做了个Hook让它全自动强化，并用了老金我的元提示词

18. OpenAI 官方发布 GPT 5.5 提示词指南，我总结了 7 个关键变化！

19. 又变强了！Nano Banana 2究极强大玩法～【免费渠道合集】

20. 只会用Nano2出图？那这8个出图改图的隐藏技巧，小白必备！ Nano2如何发挥出最大的能力，1期视频总结了8个可能你没用过的隐藏技巧！#ai生图 #ai新星计划 #NanoBanana #平面设计 #托尼三三

21. Gemini 3.1 Pro VS千问3，2026年还需要付费制AI吗

22. 大语言模型（LLM）提示词设计不只是“提问”，而是一门系统工程，是与模型高效交互的关键技能。掌握以下7大类提示技巧，才能真正释放AI潜能：1. 核心提示 - Zero-shot：无示例，直接给任务。 - One-shot：给一个示例。 - Few-shot：给多个示例，教模型识别模式。2. 推理增强 - Chain-of-Thought（思路链）：引导模型一步步推理。 - Self-Consistency（自洽采样）：多条推理路径，选最佳答案。 - Tree-of-Thought（思维树）：多条推理路径并行探索（进阶）。 - ReAct：结合推理和行动（如调用API）。3. 指令与角色设定 - 明确指令：“帮我总结这段内容”。 - 角色扮演：“你是法律助理”。 - 混合型：指令+示例，兼顾清晰和示范。4. 提示组合技巧 - 链式提示：用一个提示的输出作为下一个输入。 - 动态提示：实时注入变量和上下文。 - 元提示：让模型自我优化或验证回答。5. 多模态提示 - 图文结合，给出视觉+文本信息。 - 音视频+文本（依赖模型能力，如GPT-4o、Gemini 1.5）。6. 行业专用提示 - 编程提示：针对特定语言或工具。 - 医疗、法律提示：高精度、格式严格。7. 提示评估与调试（辅助工具） - 去除测试：删减元素看影响。 - 注入测试：验证提示在实际应用中的鲁棒性。需要明确的是，检索增强生成（RAG）和代理工具系统（如LangGraph、AutoGPT）不是提示技巧，它们是架构或框架，提示只是其中一环。提示设计已不仅是“技巧”，而是整体系统设计。理解输入输出工程，掌握推理链条和领域约束，才能让AI输出更可靠、更智能。真正的秘诀不在“神奇语句”，而在于结构化、系统化地设计提示。原文：x.com/techNmak/status/1995726428177137924

23. 你的Ai视频为何总比别人差一点？你希望通过提示词来提高画面质量，但问题在于，无法控制生成过程，就无法控制结果，用RHTV可以直接解决这些问题 #runninghub、#rhtv#aigc#ai视频#ai视频剪辑

24. 轻松学会！高手都在用的AI编程大法！

25. 「Github一周热点100期」爆火的AI编程工具却被Claude封禁？

26. “Skill 不就是长一点的提示词吗？” 上篇文章《别把整个 GitHub 装进 Skills，Skills 的正确用法 http://t.cn/AXqLcGP0 》发出去后，收到一些质疑： > "说 skill 能做配图 prompt 不行。本来 skill 就是加载 md，没 skill 之前我们用 prompt 模板照样也是能做流程编排。" > > "现在大部分 skill 不就是长一点的提示词吗？为什么说'单纯靠提示词做不了'？" 这些批评是对的。我原文确实表达有问题。写"提示词"的时候，我下意识拿 Gem、Project、GPTs 里的那种提示词当例子。那些确实做不到一次性生成配图。但"提示词"是个很宽泛的概念。如果我把 SKILL.md 的内容复制出来发给 Claude Code，再给它一个生成图片的脚本，它一样能完成配图任务。这里的差异不在于提示词能不能复用，Gem 和 GPTs 里的提示词也能复用。差异在于：提示词配套的是 ChatBot，还是 Agent？【1】ChatBot 和 Agent 的核心区别 Skills 的完整名称叫 Agent Skills。注意这个"Agent"，它不是装饰词。Skills 利用 Agent 的虚拟机环境，提供单纯提示词无法实现的能力。一句话总结：ChatBot 只能对话，Agent 能动手干活。具体来说： ChatBot 不能调用工具。你给它一段配图提示词，它能帮你分析文章、生成画图 prompt，但真要生成图片？它只能说"请把这段提示词复制到 Gemini"。剩下的活还是你干。 Agent 能调用工具。同样的配图任务，它能像个经验丰富的编辑一样自己完成： 1. 读取你的文件 2. 分析需要几张图、放哪里 3. 为每张图设计内容和风格 4. 调用画图模型生成图片 5. 把图片插入正确位置 6. 输出成品交到你手上全程自动化，你只需要验收。【2】那 Skill 到底是什么？很多人把 Skill 理解成"一段很长的提示词"，这个理解对了一半。 SKILL.md 的核心确实是指令文本。但 Skill 不止于此。一个 Skill 可以包含三层内容：第一层：元数据。就是 name 和 description，告诉 Agent 这个 Skill 是干嘛的、什么时候该用。这部分在启动时就加载，但只占几十个 token。第二层：指令。SKILL.md 的主体内容，工作流程、最佳实践、注意事项。只有 Agent 判断需要用这个 Skill 时，才会读取这部分。第三层：资源和代码。附带的脚本、模板、参考文档。Agent 按需读取，用的时候才加载。这就是官方说的"渐进式加载"：不是一股脑把所有内容塞进上下文，而是用到什么加载什么。所以你可以给一个 Skill 附带几十份参考文档，只要这次任务用不上，它们就不占用上下文窗口。传统提示词做不到这一点。【3】为什么说配图"单纯靠提示词做不了"？回到原来的争议。如果你说的"提示词"是指发给像 Claude Code 这样的 Agent 的指令，那配图当然能做到。因为这时候提示词是发给 Agent 的，Agent 能调用工具。但如果你说的是发给普通 ChatBot 的提示词，比如 ChatGPT 的自定义指令、Gemini 的 Gem、Claude 的 Project 指令，那确实做不到。因为 ChatBot 没有工具调用能力，它只能输出文字。我原文的问题在于：默认读者理解的"提示词"是 ChatBot 场景下的提示词，但没有明确说出来。更准确的表达应该是：Skill 必须配合 Agent 使用。发给 ChatBot 的提示词，无论写多长多详细，都只能完成对话能完成的事。要让 AI 真正"动手"，需要的是 Agent + 工具调用能力。【4】那我直接给 Claude Code 发长提示词不行吗？行。把 SKILL.md 内容复制出来当提示词发，Agent 一样能执行。这也是为什么有人觉得"Skill 就是长一点的提示词"。但 Skill 的价值不在于"能不能做到"，而在于：可复用。写一次，以后每次相关任务自动触发，不用每次复制粘贴。可组合。分析 Skill + 提纲 Skill + 写作 Skill，像乐高一样拼起来。单独的提示词模板做不到这种模块化组合。可迭代。用着用着发现问题，直接让 Agent 帮你改进 Skill。下次自动生效。传统提示词模板改了之后，你得记得每次都用新版本。可渐进加载。Skill 附带的资源文件不会一开始就占用上下文。你的提示词模板再怎么组织，发出去就是全量加载。简单说：Skill 是提示词的工程化封装。能做的事差不多，但管理成本、复用成本、迭代成本完全不同。【5】最后上篇文章的核心没变：因需而建、可组合、可迭代。 Skill 就是长一点的提示词吗？是的。但光有提示词不够。关键是执行这段提示词的系统，到底是只会说的 ChatBot，还是能真正动手的 Agent。 Skill 是给 Agent 用的。没有 Agent 的工具调用能力，Skill 就只是一段躺在文件夹里的 Markdown。

27. 一个被忽视的Prompt技巧，居然是复制+粘贴。

28. 全网最全，Banana pro 30个炸裂玩法大合集，附国内可用渠道

29. AI 的营销的文案水平，在垃圾提示词下面，可以媲美入行三年的同学。在好的提示词下面，媲美五年的问题不大。问题是，对他而言，改一篇稿子也就是两分钟的事情。。。当我改了二十次的时候。。。我觉得他可以超过所有人类同学，因为即使最敬业的人类员工，再一天内被指点二十次之后，基本上都崩溃了。。。所以我现在都不骂人了，看到垃圾文案，我就直接标纪为人类版，然后更新一个 ai 版本， AB Test 放在那里。。。然后，营销团队的同学，就默默的过来问，南总，提示词能否分享一下。。。

30. 【懒人高效法则：7个让ChatGPT替你思考的实用提示词】“我不是因为讨厌工作而懒，而是因为讨厌无效努力。”这句话道出了一个被忽视的真相：真正的效率不是做得更多，而是做得更少却更精准。过去我们总是过度思考、过度规划，最后却卡在原地。现在，让AI替你完成那些消耗心智的前期工作，你只需要专注于真正重要的决策和执行。以下7个提示词，专为“聪明的懒人”设计：一、最小努力计划提示词：我想要完成这个任务的最简单方法。把它拆解成最小的步骤，去掉所有可选项，只保留能产出结果的部分。任务：[填入任务]效果：一个冗长的项目计划被压缩成三个步骤，一个晚上就能完成。核心洞察：大多数任务的80%内容都是“看起来重要”而非“真正必要”。二、替我开头提示词：帮我启动这个任务。给我第一版草稿、大纲或示例。我来修改，而不是从零开始。任务：[填入任务]效果：写报告时跳过了最难的部分——开头。核心洞察：万事开头难，但修改比创造容易十倍。让AI承担“冷启动”的认知负担。三、一键决策提示词：我陷入了选择困难。列出我的选项，推荐一个并解释为什么它“足够好”。不要过度解释。决策：[描述情况]效果：不再花几小时比较工具，直接选定一个开始用。核心洞察：“足够好”的决策立刻执行，胜过“完美”的决策永远搁置。决策疲劳是效率的隐形杀手。四、一分钟讲清楚提示词：用最简单的方式解释这个概念。不要术语，不要长段落。我要在一分钟内理解它。主题：[填入主题]效果：开会前快速补课，全程跟上节奏毫无压力。核心洞察：理解的深度不在于知道多少细节，而在于能否抓住本质。五、砍掉无用功提示词：审视这个任务，告诉我哪些可以跳过。指出真正重要的部分，列出可以安全忽略的内容。任务：[填入任务]效果：砍掉一半周任务，结果什么都没出问题。核心洞察：我们习惯性地给自己加戏。很多“必须做”的事，其实从来没人在意。六、两小时日程提示词：创建一个两小时内能完成的日计划。只包含高影响力任务，每个任务不超过20分钟。目标：[填入目标]效果：得到一个真正能完成的短清单，而不是一个被忽视的长清单。核心洞察：计划的价值不在于多完美，而在于能执行。短到不可能失败，才是好计划。七、三问复盘提示词：问我三个问题来回顾今天，然后告诉我明天可以做的一个小改进。保持简单。效果：保持进步的节奏，却不需要写日记或长篇反思。核心洞察：持续的微小改进，比偶尔的深度反思更有力量。最后的思考：懒惰本身不是问题，模糊才是代价。这些提示词的本质不是让你偷懒，而是帮你把有限的意志力和注意力，投放到真正产生价值的地方。当AI可以替你完成思考的“脚手架”工作时，你的角色就从“执行者”升级为“决策者”。聪明的懒，是一种战略选择。reddit.com/r/PromptEngineering/comments/1q41hbi/7_chatgpt_prompts_for_lazy_people_who_still_want

31. AI 编程时代，最稀缺的不是提示词，而是软件工程

32. 你的最后一个AI任务助理？千问最新功能上手体验

33. AI 编程真的有用吗？Cursor｜TRAE 深度实测！

34. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

35. Skill不就是prompt吗？为啥被吹成这样？

36. 【你以为AI编程拼的是提示词，其实高手都在“驯化”项目结构】快速导读：别再卷提示词了。想让Claude像个真正的工程师一样干活，关键不是怎么“说”，而是怎么“放”。一个结构清晰的代码仓库，远比一段天花乱坠的提示词更重要。---多数人还在琢磨怎么把提示词写出花来，但真正拉开AI编程效率差距的，根本不是提示词。你以为让Claude写出好代码，靠的是把需求描述得滴水不漏。其实，如果你的代码仓库一团糟，它就只是个聊天机器人；如果结构清晰，它才表现得像个住在你项目里的高级工程师。这中间的差距，比人和狗的差距都大。秘诀在于给AI建立一套“项目解剖学”。这套结构，就是AI的“短期记忆”和“行为准则”。它只需要四个东西：1. CLAUDE.md：项目的北极星文件，简要说明系统目的、仓库地图和交互规则。短小精悍，废话太多AI会抓不住重点。2. .claude/skills/：可复用的专家模式。把代码审查、重构、调试等固定流程变成技能包，随时调用，而不是每次都在提示词里重复念叨。3. .claude/hooks/：自动化护栏。模型会忘事，但钩子不会。比如编辑后自动格式化、核心代码变更后触发测试，把AI工作流变成可靠的工程系统。4. docs/：渐进式上下文。别把几万字的需求文档塞进提示词，让AI自己去查阅架构图、决策记录和操作手册。它不需要记住一切，只需要知道“真理”在哪。有人在一个5万行代码的库上实践这套方法，Claude的错误率直接降低了大约60%。评论区里一片“原来如此”的声音，大家普遍认同：结构大于提示词，仓库本身就是终极提示。提示词是租来的，结构才是你自己的。所以，如果你还在每天花几小时跟AI“念经”，却发现它总是犯些低级错误，问题很可能不在你的提示词写得够不够“魔法”，而在你的项目结构是不是一坨屎。别再抱怨AI笨了，也许它只是在你的烂摊子里迷了路。---简评：这篇文章精准地指出了当前AI辅助编程领域的一个核心误区：过度迷信“提示词工程”，而忽略了更基础也更重要的“上下文工程”。它提出的“项目结构即提示”的观点，对于那些感觉AI“不好用”的开发者来说，无疑是一次认知矫正。从“教AI做事”转向“为AI搭建舞台”，这才是人与AI协作的正确姿势。---ref: x.com/vishisinghal_/status/2032368817981305196#AI创造营##人工智能#

37. 8种让AI光速出图改图的必学技巧总结了8种不写复杂关键词，也能让AI快速出图和改图的技巧，新手小白也能轻松学会！#ai设计 #ai教程 #ai工具 #ai新春游园会 #托尼三三

38. 这提示词效果不错👍> 我是一名智力低下的博士生，我想学习一下这篇论文，请用傻子都能懂的语言详细给我讲一下这篇文章怎么做的，特别是模型和实证方面。但如果你不想被 AI 当作一名智力低下的博士生，你可以这么写：> 请帮我向高中生通俗易懂的解释这篇论文如果你不想在 AI 的记忆里面被 AI 标记为弱智，但又想让提示词有博士、弱智这样兼顾深度和通俗易懂的关键词，那也可以这么：> 我是费曼教授，我在带一名智力低下的博士生，我想教他学习一下这篇论文，请用傻子都能懂的语言详细给他讲一下这篇文章怎么做的，特别是模型和实证方面。

39. 【2026年AI工程师学习路线：从调用模型到构建系统的九个关键能力】AI工程和传统机器学习工程正在分道扬镳。机器学习工程师从零训练模型，AI工程师则在基础模型之上构建应用。这个转变意味着你需要学习的东西完全不同了。一、理解基础模型GPT、Claude、Gemini、Llama这些基础模型是现代AI应用的基石。你不需要从头训练，但必须深入理解它们的能力边界、分词机制、上下文窗口和定价策略。成本控制能力往往决定了一个AI应用能否活下去。入门项目：做一个模型对比笔记本，用同样的10个提示词测试不同模型，记录质量、速度和风格差异。二、提示词工程在AI工程领域，提示词就是你的代码。一个平庸的AI应用和一个优秀的AI应用，差距往往就在提示词设计上。少样本学习、思维链、结构化输出这些技术能大幅提升效果，而且不需要任何模型训练。入门项目：选一个任务，写五种不同风格的提示词，在电子表格里打分对比。三、检索增强生成大模型有知识截止日期，还会产生幻觉。RAG让它们扎根于你的数据。从客服机器人到内部知识助手，这是生产环境中最常见的AI应用模式。分块策略、嵌入模型、向量数据库、检索指标，这些都是必修课。入门项目：用你自己的笔记文件搭建一个简单的RAG应用，50行代码就能跑起来。四、评估与测试凭感觉评估无法规模化。你需要系统性的方法来衡量AI应用是否在进步：构建评估数据集、选择指标、跑AB测试、检测性能退化。没有好的评估体系，你就是在盲飞。入门项目：准备20个问答对，写个脚本自动评分，每次改提示词都跑一遍。五、智能体与工具调用智能体把大模型从文本生成器变成行动执行者。它们能浏览网页、执行代码、查询数据库、调用API。理解智能体架构、工具设计和失败模式，是构建自主AI系统的关键。入门项目：做一个计算器智能体，让它通过调用工具来回答数学问题。六、结构化输出与数据提取真实应用需要结构化数据，JSON、SQL、API调用，而非自由文本。JSON模式、函数调用、约束生成这些技术确保大模型输出能与下游系统对接。这是对话式AI和软件工程之间的桥梁。入门项目：做一个食谱提取器，把网页上的乱七八糟的文本变成干净的JSON结构。七、护栏与安全AI应用可能被越狱、产生有害内容、泄露敏感信息。输入输出护栏、隐私检测、内容过滤、对抗测试，这些在生产部署中不可或缺。入门项目：给你的聊天机器人加上简单的输入输出过滤，用关键词匹配检测提示词注入。八、可观测性与监控无法衡量就无法改进。生产级AI系统需要日志、追踪、成本跟踪、质量监控和告警。入门项目：给你的应用加上调用日志，记录时间戳、提示词、响应、延迟、token数量和估算成本。一周后分析数据，你会发现很多优化空间。九、AI系统架构真实的AI应用是多个组件的组合：检索器、模型、护栏、缓存、数据库。理解复合AI系统的设计模式，才能构建可维护、可测试、可扩展的架构。综合项目：做一个个人助手机器人，整合RAG、结构化输出、输入验证和日志记录，部署到免费平台上。这就是一个能展示真实能力的作品集项目。有评论提出了一个值得深思的观点：2026年AI工程师真正的核心能力，是知道哪些层该自己掌控，哪些层该交给框架处理。这个答案每个季度都在变。智能体正在以超出学习速度的节奏压缩技术栈，RAG、结构化输出、护栏越来越多地被内置到平台中。学会构建固然重要，学会判断何时不必亲自构建，可能更重要。x.com/manthanguptaa/status/2018297734995075200

40. 别再学提示词了：为什么它是AI时代最短命的技能？

41. AI绘画新纪元：3个“王炸”提示词，让你的创作直冲热门！

42. 012-AI 短视频分镜头设计（AI绘画提示词入门）

43. 回复@嘻嘻dzj:gpt-4o image我写过类似提示词，但是是每个品牌都要单独写，现在是一套通用的提示词模板，只要输入品牌名，自动生成品牌对应风格的迷你店，模型在进步，提示词也应该跟着进步，至于图画只是结果//@嘻嘻dzj:这套图已经出来好几年了吧以前就有一模一样的

44. Seedance 2.0 到底怎么写提示词，才能真的有“电影感”？我测试下来一个结论：别堆参数，写“分镜”。Seedance最强的能力，是把文字拆成镜头语言。所以提示词一定要有结构：✅ 主体 + 场景 + 时间✅ 镜头顺序（特写 → 中景 → 远景）✅ 镜头运动（推近 / 跟拍 / 环绕 / 慢动作）✅ 情绪氛围 + 原生音效✅ 节奏设计（前慢后快 or 留白收尾）给你一条稳出片模板👇“雨夜老街，主角奔跑。开场手持跟拍，镜头突然推近面部特写，霓虹倒影映在积水中。背景有急促脚步声和远处警笛声，整体节奏紧张，电影级光影，结尾画面渐暗。”⚠️三点别踩坑：1️⃣ 一定写清镜头运动2️⃣ 音效是加分项3️⃣ 形容词控制在3个以内工具已经到位，拼的是表达能力。你们最近跑出什么好片？#Seedance必玩提示词模板##HOW I AI##过个有AI年#

45. 【发挥Claude潜力的十个提示词】最近，一位 Anthropic 前研究员披露了内部提示词手册。这份并非基于猜测、而是源自模型建造者的指南揭示了一个核心事实：大多数人之所以觉得 AI 输出平庸，是因为他们没有触达 Claude 的内部推理层。以下是这份手册中至关重要的 10 个高级提示词策略，它们将彻底改变你与 AI 的协作深度。1、情境简报：拒绝直接提问永远不要在没有背景的情况下抛出问题。Claude 需要地图才能导航。提示词模板：我的背景是 [角色/公司/问题]；已尝试过 [A/B]；目前卡在 [Z]；请帮我理清思路。深度思考：内部测试显示，这种背景铺垫能提升 41% 的输出质量。优质的答案不取决于 AI 的智商，而取决于你提供的信息熵。2、推理要求：让思考过程浮现不要直接索要答案，要索要思考。提示词模板：在给出方案前，请逐步展示你的推理过程，指出不确定之处，并标记所有假设。深度思考：这会强制模型激活 Chain of Thought（思维链），让你得到的不仅是结果，还有可质证的逻辑路径。3、诚实约束：打破“讨好型人格”Claude 天性乐于助人，这往往意味着它会说你想听的话。提示词模板：即使难受也要保持诚实。如果我的计划有致命缺陷请直说，不要软化措辞。我宁愿现在听硬话，也不想以后失败。深度思考：这是在解锁 Claude 的宪法 AI 基础，让它从“助手”转变为“顾问”。4、精准角色：越具体，越深刻“充当专家”是最无用的指令。提示词模板：你是有 [具体经验] 的 [特定角色]，见过 [具体失败模式]。请用 [特定框架] 思考，跳过常规建议。深度思考：身份越具体，推理的颗粒度就越细。模糊的角色设定必然导致平庸的输出。5、魔鬼代言人：摧毁你的想法利用 Claude 的批判性思维来检验决策。提示词模板：我要分享一个计划，你的工作是摧毁它。找出所有错误假设、忽视的风险和失败原因。别手软。深度思考：挑战你的模型，其价值远超让它顺从你。这是 Anthropic 团队内部检验想法的标准流程。6、范围锁定：从源头杀死幻觉Claude 容易过度发散，用可信的虚构填补空白。提示词模板：严格限于 [X 背景]。超出范围请直接告知而非推测。我要的是差距，而不是自信的错误。深度思考：拒绝“自信的错误”，是通往高阶 AI 应用的必经之路。7、格式命令：利用极致的精确性Claude 对格式指令的遵循度极高。提示词模板：结构要求：1）一句总结；2）三个要点；3）一个下一步建议。除非我问，否则不要提供其他内容。深度思考：有意识地控制输出结构，能极大降低信息处理的认知负荷。8、假设审计：揭示隐藏的基础任何复杂答案后，都应运行此项。提示词模板：你做了哪些我应该验证的假设？如果这些假设错了，答案会如何改变？深度思考：大多数计划都崩溃在未经察觉的基础假设上。审计假设，就是审计风险。9、压缩循环：清理上下文债务在长对话中，模型会积累“上下文债务”，导致焦点模糊。每 5-6 次交互运行一次：总结目前的进展。解决了什么、决定了什么、最重要的未决问题是什么？深度思考：保持对话的熵减，防止 AI 自信地解决错误的问题。10、前期验尸：预见失败在项目上线前，进行压力测试。提示词模板：假设 6 个月后这个项目失败了。请列出 3 个最可能的原因。具体一点，失败的实际样子是怎样的？深度思考：这能抓住其他审查流程遗漏的盲点。总结：提示词工程的下半场，不再是背诵模板，而是理解模型的设计意图。正如 Anthropic 内部所强调的：AI 不是一个搜索引擎，而是一个需要被正确引导的推理引擎。

46. 随着AI智能化的加速，提示词的能力差异会导致社会分层。表达能力的强的人会获得指数化的竞争优势，不会说话，不懂描述，不会沟通的人，再强的大模型也不知道你要什么。通过对语言的结构化理解，可以精准地喂给大模型提示词，同一个大模型在不同人的手里能力天壤之别。有个学生问我说老师你用AI写程序为什么不报错，我说我很久没见过AI生成代码产生BUG了。一方面是AI强了，另一方面是我更强了。我给的AI提示词不是随便的表达，是结构化表达，每一段说辞里面有结构锁，保证他不会产生误解，在表达下下文中有逻辑推理和校验机制，大模型一听就懂，然后他再去概率匹配出来的东西，一击必中，根本不费事。像我这样的表达狂人，在以后的AI世界就变得更强了。AI 抹平了工具的差距，给了大多数人一个高端技术入门的门票，却放大了人「语言逻辑、表达架构」的差距。你是拿到旧时代的船票，但高手坐火箭走了……

47. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

48. 当模型推理能力越来越强，我们还需要提示工程吗？

49. 《扣子开发 AI Agent 智能体应用》017-提示词编写和优化（驱动智能体的核心指令）

50. 即梦AI 4.0绘画提示词大全：30种经典风格模板 + 4K超清生成指南

51. 上海一公司发现他人使用相同提示词生成高度相似画作，要求停止侵权并赔偿，这算侵权吗？

52. 盘点一周AI大事(4月12日)｜Mythos太强不敢发布 Anthropic官宣最强大模型Claude Mythos OpenAI发布超级智能经济蓝图 Meta发布大模型 Muse Spark 智谱上线最强开源大模型GLM-5.1 Anthropic上线Agent包工头Claude Managed Agents Gemini上线概念可视化visualizations 阿里发布最强视频模型HappyHorse-1.0 米哈游发布最强数字人模型LPM 1.0 Ace开源最强音乐模型ACE-Step-1.5-xl 研究员开源最强虚拟试穿模型Vanast #前沿科技趋势发布月 #AI新星计划 #AIGC #大模型 #Agent

53. Gemini模型：对系统提示词理解能力差，调用工具塞的数据太多会坏掉胡言乱语输出乱码。Claude模型：对系统提示词理解能力强，但只要有工具就会优先调用工具试试不管你系统提示词怎么写的，如果调用工具的同时不要求结构化输出，还会把自己的推理直接漏出来。OpenAI模型：没有以上问题。

54. claude skills，爆火了！

55. 大神 Miles 今天又分享了一个非常实用的 Manus 代理提示，他已经用它执行了数百个任务，并称“这是我 2026 年使用最频繁、最有效的代理提示”。我认真分析了一下，有如下优点：角色定位清晰：把 AI 设定为“自主代理”，自己规划、执行、收尾，大幅减少来回沟通；明确先想后做：强制先思考再动手，并生成简短计划（子任务、工具、顺序、风险），相当于自带迷你项目计划书；确保结果可用：过程会汇报进度，结束还有总结和交付物清单，可直接落地使用。这个提示词适合场景为只有一个大目标、但你没时间或不想细拆步骤的长链路任务。有个感受：提示词的结构设计，本身就是提升 AI 质量和稳定性的关键。

56. AI提示词技巧！一文学会高效地对AI进行提问

57. 15 组文案润色 AI 提示词，秒变神仙质感（直接复制即用）

58. 【看懂 Claude Code 提示词：验证智能体、反过度工程、记忆压缩才是核心】快速阅读： Claude Code的npm源码包因人为失误意外泄露，有人从中逆向整理出26个提示词，覆盖系统指令、工具调用、智能体协作、记忆管理等全部模块，随后以MIT协议重新授权开源。这份材料本质上是一份提示词工程的实战教材。---有个细节值得注意：Anthropic事后将这次泄露定性为“人为失误”。200美元一个月的工具，整个提示词架构就这样从npm包里被人拆了出来。这26个提示词按功能分得很清晰：1个系统提示词负责身份定义和工具路由，11个工具提示词处理文件读写、shell执行、搜索等操作，5个智能体提示词分别对应探索、架构、验证、文档等角色，4个记忆提示词管理上下文压缩，1个协调提示词处理多智能体编排，还有4个工具提示词生成标题、摘要、建议。读完这些提示词，有几个设计决策让人印象深刻。其一是专门设置了一个“验证专家智能体”，它的职责就是在代码上线前想办法把它搞坏。这不是可选项，是写进架构里的。其二是反过度工程规则被明确写入系统提示词，“不要做用户没有要求的功能”。听起来像废话，但显然Anthropic认为有必要把它钉进去。其三是记忆压缩分9个章节，且保证每一条用户消息都被保留。有观点认为，大家都盯着系统提示词，真正值得研究的反而是那4个记忆提示词。多数AI编程工具在请求之间会忘掉一切，而Claude Code能记住项目结构和之前的编辑操作，这才是它用起来像同事而不像聊天机器人的原因。有网友提到，这个开源仓库引起广泛讨论，也有人认为被过度渲染了，从npm包里逆向提示词并不算什么技术壁垒，真正的护城河是模型质量和训练数据。这个说法大概70%是对的，提示词工程本身不是秘密，但好的提示词架构要花多少时间踩坑才能收敛到这个形态，那是另一回事。每个提示词都从零重写以符合法律要求，意图相同，没有逐字引用。MIT协议，可以直接用。所有内容在这里：github.com/repowise-dev/claude-code-prompts如果你在自己搭智能体，有一个问题可能值得先想清楚：你的系统里有没有一个专门负责破坏自己输出的角色？

59. #文学专业新就业AI提示词应用# 有人说文学生的核心优势是“把模糊需求转化为精准指令”，但所有大模型实验室正在拼命做的事情，恰恰是让AI能理解模糊的、不精确的、人类随口说出的话。你今天练的那个“任务定义+内容约束+风格控制”框架，本质上是在补AI的短板。AI的短板，是有保质期的。你在为一个正在被消灭的缺陷训练自己。这就像2007年有人教你如何精通翻盖手机的T9输入法，告诉你这是高薪技能。提示词工程师这个岗位的存在，恰恰证明当前的AI还不够好，而不是证明这个岗位会一直存在。文学专业新就业ai提示词应用

60. 一个 ChatGPT 使用技巧（可能适合于其他 AI 工具）像 ChatGPT、Claude Web，已经不再单纯的只是一个 ChatBot，而是 AI Agent，也就是说每个会话都可以有一个虚拟运行环境，可以调用工具。借助这个特点，在让 ChatGPT 执行任务的时候，就可以让它自行去做一些验证，而不是像以前那样只是对话。比如说我在让 ChatGPT 写画图的提示词或者优化提示词的时候，我会让它自己先做一些验证，根据验证结果自己去迭代，然后我再基于它迭代后的结果去验收，通常结果会更好一些。

61. 为什么贾明越来越不相信“万能提示词”了

62. AI 提示词写得烂?是你没搞清楚底层逻辑!附万能提示词结构

63. 别只会被动提问了！掌握“提示词”这门新语言，你能指挥千军万马

64. AI提示词万能使用指南

65. AI基本功

66. AI提示词越通用，内容越平庸，亲测有效的解决方案

67. Prompt 已死？当 AI 开始"读心"

68. 普通人学用AI之写提示词核心原则

69. Prompt 工程技巧

70. 提示词

71. 为什么照抄Prompt会翻车？我是这么写prompt的（第三期）

72. 跳出“调参”误区

73. 不会写提示词，再强的 AI 也发挥不出一半实力

74. 你写的提示词，AI真的

75. 普通人学用AI之一切从提示词开始

76. 提升提示词素养—解锁AI高效协作的核心能力

77. 写了 3 个月 AI 视频 Prompt，我总结了一条反常识的真理

78. Prompt写得好，成本直接降一半（附降本模板）

79. 日常Prompt Engineering实用原则与10个可复用提示模板

80. 普通人最值得长期练的5个AI能力，不是背提示词

81. 提示词工程 2026

82. 2026年最值得学会的6个AI提示词技巧，学会了效率翻倍

83. AI 工程的范式

84. 提示词工程_让AI听懂人话的5个万能模板

85. 驯服AI

86. 有AI工具效率还是低，你可能用错了方法

87. AI 教程 | ChatGPT 提示词工程

88. 价值1999元的AI写作课精华

89. 提示词（Prompt）到底怎么写？3个公式让你的提问效果翻倍！

90. 如何写出好的Prompt（提示词）？

91. 专家级 AI 提示词指南

92. 【EasyClaw进阶教程】提示词工程与调教实战

93. 如何用100字的提示词写3万字的知乎短故事。

94. 3个AI提示词技巧，让你的ChatGPT效率提升10倍！

95. 2026实用指南

96. ChatGPT/DeepSeek提示词全攻略

97. 8个ChatGPT提示词技巧，让AI给出你想要的精准答案

98. ChatGPT 之父教你用AI

99. 这15个ChatGPT提示词，能节省20小时/周？我测了一周

100. 国内顶级通义千问ai实用提示词

101. 豆包 / 通义千问等国产模型怎么高效用？

102. 2026年AI写作横评

103. 2026必看！10个AI提示词模板，60秒写出专业内容，普通人也能逆袭

104. 研究了快3年AI提示词，心得都在这了

105. AI人人必修-提示词工程+大模型多场景实战（完结）

106. 一文读懂 AI 提示词工程

107. 这5个AI提示词，我本来不想分享的

108. 提示词工程已死，智能体工作流永生

109. 2026年主流AIGC大模型实测

110. 2025年AI提示词深度指南

111. 分享 10 个 OpenAI、Anthropic 和 Google 内部都在用的提示词技巧（建议收藏）

112. 创意灵感爆棚！2026年爆款提示词创作指南🎨✨

113. 6 个高频场景下的提示词模板

114. 💎7个提示词让AI输出更清晰的内容总结。很多在使用 AI 工具总结内容时，总是直接告诉 AI

115. 教你用AI工具5分钟搞定工作总结

116. 6个大模型提示词高阶调优技巧，手把手教你让AI输出超精准！

117. 建议收藏

118. 揭秘大厂都在用的CO-STAR提示词框架

119. 2026四大主流AI大模型实测对比论文办公编程怎么选

120. 自媒体狂喜！AI 文案批量生成，标题 + 内容一次性搞定

121. 2026 年最新版豆包指令提示词合集，覆盖论文写作、英语学习、自媒体运营、影视小说、营销策划、职场办公等多个领域，整理了 85+ 高质量 AI 提示词

122. 文科研究生榨干gemini3.0pro心得（五）

123. OpenAI 发布 GPT-5.5 提示词指南

124. 整合完整版

125. 核心技能

126. 零基础也能学懂提示词？OpenCSG公益课给出清晰学习路径

127. 高效使用AI

128. 提示词实践指南

129. 什么样的智能提示语，才算是对 AI 友好的高质量输入？

130. Prompt提示词工程

131. 分享10个我收集的提示词心法

132. "AI 编程助手实战

133. 测试工程师深夜改稿

134. 提示词测试

135. 说实话，自从挖到这套 Gemini 提示词，我写研究方法轻松多了

136. 大模型提示词技巧全解析

137. 提示词工程

138. 2026提示词测试实战

139. 提示词测试的成本效益分析实战

140. 提示词测试的5大常见误区

141. AI提升测试工程师效率（提示词）

142. 谷歌团队

143. “提示词”是个糟糕的翻译，更糟糕的是它让我们误解了与AI的关系

144. 非技术人员如何写高质量 AI 提示词？

145. 告别敷衍 AI！7 步写出高质量 AI 提示词，新手一看就会

146. 90%人都用错了AI，复杂提示词全是噱头，抓准3点技巧，效率翻百倍

147. 深耕 3 年 AI 提示词：从不会用到用透，我总结了核心方法论

148. AI 编程工具高效使用指南：Claude Code 与 Codex 提示词艺术

149. 从“问错AI”到“用对AI”：2026年提示工程入门指南，让你第一次就拿到想要的结果

150. 详解 | AI系统工程范式的演化及最新进展：Prompt Engineering→Context Engineering →Harness Engineering

151. 不会写提示词=浪费Ai

152. 别再“问”AI了！从今天起，像“编程”一样“指挥”AI——一份提示词工程实战手册

153. AI 编程进阶：如何用 Skill 把提示词变成可复用能力

154. 别再收藏提示词了。用一个“超级提示词”让 AI 帮你写提示词

155. 用这套AI提示词，我把ESP32及任意支持WiFi的处理器接入了飞书机器人

156. 《2025提示工程从入门到进阶指南》正式发布 | 中科算网算泥社区

157. 这是我实践AI使用以来总结的内容创作提示词方法论 | 附常用提示词

158. 为什么同样的提示词，别人的效果比你好10倍？

159. Prompt Engineering 完整学习指南

160. "AI 辅助编程实战：从提示词工程到自动化工作流的完整指南"

161. AI提示词千千万，只有这9个值得你收藏（亲测有效）

162. 什么是提示词？小白第一句AI提示词实战，看完就能上手

163. 普通人学用AI之提示词结构

164. 提示词写得好，AI效率翻倍

165. Context Engineering 实战 02｜System Prompt 是架构决策，不是写说明书

166. 10个AI编程提示词模板，告别无效提问，效率提升300%

167. AI 海报提示词万能公式是什么

168. 程序员最常用的10个AI提示词 - 哔哩哔哩

169. AI提示词万能公式，看完就会用

170. 2026年Prompt工程入门：3个技巧让AI精准生成你想要的内容

171. Seedance2.0 做营销视频，提示词怎么精准优化？

172. 少即是多：GPT-5.5 Prompt 官方指南的核心转变

173. "AI 编程助手的实战技巧：从提示词到工作流优化"

174. 刷了100多个AI视频，我总算搞明白提示词该怎么写了

175. 从“导入”到“总结”，AI能嵌进课堂的7个环节的保姆级提示词

176. AI万能提示词模板，直接复制用

177. 2026 AI 开发封神！我整理了 10 条万能提示词模板，Android + 前端直接复制起飞

178. 自我教育的Cursor Code第六课：提示工程、模型选择与最佳实践

179. 如果撰写有效的提示词

180. AI提示词大全--适合许多场景

181. 这2个万能提示词，让AI从“模板回答”变你的私人智囊

182. 全平台AI通用·万能提示词手册

183. 即梦 AI 万能提示词（通用全场景版）

184. 【今日推荐Yao Open Prompts】：116个中文AI提示词

185. 50 个前端开发常用 AI Prompt 模板：拿来即用

186. 职场小白必看！AI万能提示词模板，告别空洞回答直接上手

187. [开源]AI落地项目，必装 Prompt Optimizer 开源提示词降低 AI 幻觉

188. 5 步万能 Prompt 构建法，让AI回复准确率大大提高

189. LangChain 入门第一步：3 种 Prompt 模板，告别硬编码提示词

190. Reddit热帖：5个经常救我于水火的ChatGPT提示词技巧

191. 提示词编写规范

192. 我整理了 12 套信息图 Prompt 模板，拿去就能用

193. 如何写好提示词：让大模型成为你的编程学习助手

194. 全套可直接复制｜通用+高阶提示词模板库

195. 4个万能提示词公式，让你的AI输出质量直接翻倍

196. 写总结必备：一套分步提问的AI提示词模板

197. 用好“提示词”，你的AI文章质量能超越80%的同行。

198. 用WorkBuddy做Prompt（提示词）进阶：20个模板覆盖高频职场场景

199. 重温提示词工程（四）：常见错误及案例

200. 收藏这篇！AI提示词Prompt大全，覆盖90%日常场景

201. AI大模型|prompt生成 - 哔哩哔哩

202. 22个提示词工程高质量资源，Notebook LM当你的私人提示词助理

203. AI写作咋写得好？8个提示词亲测超好用

204. GPT Image 2 火了！精选 5 个神级 Prompt，复制即用

205. AI 写作这两年，我发现5个超好用的提示词

206. 提示词价值在下降，决定你 AI 产出的，是这四个底层能力

207. 全网最全豆包AI使用教程+提示词指令库（附实操案例）

208. AI营销Prompt工具：品牌专属智能营销提示词利器

209. AI提示词模板库——复制即用，50+实战提示词

210. 7. 如何决策AI提示词的落地优先级，先应用于营销、内容创作还是内部管理场景？

90%的万能AI提示词根本不值钱，真正省时的模板只符合这三个标准

精选参考来源