别再让AI“自由发挥”了：个性化的正确打开方式_办公软件

1. 【电影感人像提示词公式】GPT-Image-2提示词合集-2

2. 大模型上下文工程指南

3. 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

4. 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。

5. 盘点一周AI大事(4月5日)｜叫AI老公多干活 OpenAI内测下一代生图模型「GPT-Image-2」 OpenAI工匠计划「Project Stagecraft」曝光 Google发布最强开源小模型「Gemma 4」 Anthropic研究发现Claude有170种情绪向量阿里发布最强开源多模态大模型「Qwen3.5-Omni」 Sakana AI 发布AI战略官「Marlin」微软发布最强语音识别模型「MAI-Transcribe-1」研究员开源最强声音克隆模型「LongCat-AudioDiT」研究员开源最强语音合成模型「OmniVoice」工程师开源AI同事「同事.skill」爆火首个一人独角兽公司「Medvi」诞生 #前沿科技趋势发布月 #AI新星计划 #AI #OpenAI #AIGC

6. 实测夸克「千问划词快捷指令」，这7个邪修Prompt，建议收藏

7. 国外一个网友总记得《Gemini 3 提示词最佳实践：日常使用指南》，内容如下：我用 Gemini 3 Pro 有一段时间了，直接说吧，它比 2.5 Pro 强太多了!这篇文章分享的是目前对我最有效的一些原则和结构模式。这不是什么金科玉律，更多是给你一个起点，帮你找到适合自己的策略。拿去试试，调整优化，不断迭代。核心原则Gemini 3 更喜欢直接明了的指令，逻辑胜过冗长。要想发挥最佳性能，遵循这些核心原则:1、精确指令：输入提示词时要简洁。Gemini 3 对直接、清晰的指令响应最好。明确说出你的目标，别绕弯子。2、一致性与明确参数：在提示词中保持统一的结构(比如标准化的 XML 标签)，并明确定义那些容易产生歧义的术语。3、输出简洁度：默认情况下，Gemini 3 不太啰嗦，倾向于提供直接、高效的答案。如果你需要更像聊天或者更随性的风格，必须明确提出要求。4、多模态协调：文本、图像、音频或视频都应该被同等对待。指令中应该明确提到具体的模态，确保模型能综合处理它们，避免孤立分析。5、约束条件放置：把行为约束和角色定义放在系统指令中，或者提示词最开头的位置，这样能确保它们锚定模型的推理过程。6、长上下文结构：处理大量上下文(书籍、代码库、长视频)时，把你的具体指令放在提示词末尾(数据内容之后)。7、上下文衔接：从大段数据过渡到你的问题时，要明确做好衔接。用一个过渡短语，比如"基于以上信息……"，然后再提问。内容很长，可以看原文，也可以看我的配图。原文链接见评论区。#提示词##提示词工程##科技先锋官##微博兴趣创作计划#

8. 优点：1. 有 CoT 收集上下文；2. 有清晰的角色设定； 3. 有❌ vs ✅ 的对比式教学。可以优化的地方：1. 清晰的读者画像，是专业人士还是爱好者还是小白；2. 补充读者不了解的背景知识和事实核查；3. 输出的格式、长度；4. 改写的尺度：是润色、结构化改写？如果是结构化改写，应该有哪几种结构参考？可以根据文章类型提供几种不同结构选择会更好。最后，可以让 AI 给建议，例如可以这样问AI： <draft-prompt>[你的原始提示词]</draft-prompt> 这是一套{将学术文章变成科普文章}的提示词，我希望它能{通俗易懂引人入胜，让读者读后有收获感}。帮我从提示词工程的角度点评一下上面的提示词，哪些地方做得好，哪些地方不足，如何改进

9. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

10. vibe coding 至尊超级终极无敌指南 V114514 [汗] github.com/tukuaiai/vibe-coding-cn 本项目是一个与 AI 结对编程的终极工作流程，旨在帮助开发者丝滑地将想法变为现实。本指南详细介绍了从项目构思、技术选型、实施规划到具体开发、调试和扩展的全过程，强调以规划驱动和模块化为核心，避免让 AI 失控导致项目混乱。核心理念: 规划就是一切。谨慎让 AI 自主规划，否则你的代码库会变成一团无法管理的乱麻。这个思想的核心是构建一个能够自我完善的 AI 系统。我们可以将其分解为以下步骤，以突出其递归的本质： 1. 定义核心角色： α-提示词 (生成器): 一个“母体”提示词，其唯一职责是生成其他提示词或技能。 Ω-提示词 (优化器): 另一个“母体”提示词，其唯一职责是优化其他提示词或技能。 2. 描述递归的生命周期： ·创生 (Bootstrap):用 AI 生成 α-提示词和 Ω-提示词的初始版本 (v1)。 ·自省与进化 (Self-Correction & Evolution):用 Ω-提示词 (v1) 去优化 α-提示词 (v1)，得到一个更强大的 α-提示词 (v2)。 ·创造 (Generation):用进化后的 α-提示词 (v2) 去生成我们需要的所有目标提示词和技能。 ·循环与飞跃 (Recursive Loop):最关键的一步：将新生成的、更强大的产物（甚至包括新版本的 Ω-提示词）反馈给系统，再次用于优化 α-提示词，从而启动下一轮进化。 3. 终极目标：通过这个永不停止的递归优化循环，系统在每一次迭代中都进行自我超越，无限逼近我们设定的理想状态。 #科技先锋官#

11. 【同样用 AI，别人产出碾压你？差距全在提示词工程】2026年，AI领域有一个令人不安的真相：模型不再是瓶颈，提示词才是。两个人在同一个任务中使用相同的模型，产出质量却天差地别。平庸者得到的是需要推倒重写的废话，而专家得到的是直接进入生产环境的成果。提示词工程不是某种玄学，它是AI经济时代最有价值的技能，因为它决定了你与AI交互的质量天花板。以下是迈向专家级提示词工程的完整路径。---第一阶段：基础认知——具体性击败普遍性大多数提示词失败的原因在于：大语言模型本质上是在预测下一个概率最高的字符。当你给出的指令模糊时，模型会填充统计学上最平庸的内容。专家提示词必须包含的六个要素：1. 角色：给模型一个具体的身份，如“拥有15年经验的B2B SaaS产品策略专家”，这决定了它的词汇量、深度和视角。2. 背景：模型需要知道你的行业、受众、限制条件和目标。没有背景，模型只能靠猜测。3. 任务：明确具体的动作，例如“对比三个竞争对手的定价、功能和话术，撰写一份竞争分析报告”。4. 格式：规定输出的形态，如表格、两段式的建议或特定的代码结构。5. 约束：明确告诉模型“不要做什么”，比如“不要使用营销术语”、“不要超过500字”。6. 质量标准：定义什么是“好”，例如“分析必须具体到足以让产品团队在5分钟内做出决策”。---第二阶段：结构化技巧——让逻辑清晰可见1. 使用XML标签Claude等模型对结构化输入非常敏感。使用标签如 <context>、<task>、<constraints> 可以消除歧义，让模型明确每一部分指令的功能。2. 背景在前，问题在后当处理长文档或大量数据时，始终将参考资料放在问题之前。先让模型加载上下文，再提出要求，这比先问问题再给资料的效果要好得多。3. 少样本学习（Few-Shot）给模型三到五个例子，效果胜过十段文字描述。展示你想要的模式，包括正常情况和边缘情况，模型会迅速捕捉到你未言明的逻辑。---第三阶段：高阶策略——深度思考的逻辑链1. 链式思维（The Chain Method）永远不要让模型在一个提示词里完成五件事。将任务拆解：先做调研，再找差异，最后写文案。每一步的质量都会累积，最终形成深度远超单一指令的成品。2. 自我修正循环模型的初稿往往只是草稿。加入一段指令：“重新阅读你的回答，按准确性、具体性和可操作性打分（1-10分）。针对低于8分的维度进行修正，并给出最终版本。”3. 动机约束不仅要告诉模型“做什么”，还要告诉它“为什么”。当模型理解了“字数限制是为了适应Telegram的显示逻辑”时，它在精简内容时会表现得更智能。4. 多维视角分析对于复杂的决策，要求模型从不同角色（如CEO、CFO、客户）的角度分别进行分析，最后再综合成一个平衡各方利益的建议。5. 元提示词（The Meta-Prompt）当你不知道如何写好提示词时，让AI帮你写。描述你的目标和背景，要求AI为你生成一个最有效的提示词结构。---第四阶段：系统化精进——从战术到战略1. 持久化上下文文件为不同类型的工作建立Markdown文件，如写作准则、分析框架或项目背景。在对话开始时让模型先读取这些文件，确保它始终遵循你的个人标准。2. 模板库意识将每一个成功的提示词沉淀为可复用的模板。剥离具体内容，保留结构变量。随着时间的推移，这种复利效应将成为你最大的竞争优势。3. 每周反馈闭环每周复盘你的AI产出：哪些地方没达标？提示词哪里可以改进？将这些教训更新到你的上下文文件中。---总结与启示提示词工程不是在寻找某句“咒语”，而是系统性地增加交互的确定性。平庸者在依赖模型的随机性，而专家在消除模型的随机性。当你掌握了这些技术，你会发现你使用的仿佛是完全不同的另一种技术。在这个AI时代，你的提问能力，就是你的生产力上限。x.com/eng_khairallah1/status/2046881340977782970

12. 大模型的上下文工程，都说很重要，但相关的研究那么少，对Agent开发有什么影响，有大佬能解释一下吗？

13. 提示词工程的终点，是人的认知工程表面上是在训练 AI，实际上是在训练人如何思考。一个人提示词水平越高，说明他越能清楚表达目标、限定问题、定义概念、组织流程、验证结果。所以，提示词工程的本质不是机器技巧，而是人的认知修炼。#新媒沈阳聊ai#

14. AI生成电影级别质感视频！Seedance 2.0提示词运镜技巧（附提示词案例）

15. 当模型推理能力越来越强，我们还需要提示工程吗？

16. 【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？

17. 今天看到一个关于 Loop Engineering （循环工程）的说法，从工程师的角度，感觉比 Agentic Engineering 更具体。提示词（Prompting）是一个 Bug，而非特性。别再痴迷于琢磨动词和上下文窗口了。如果你的工作流还得靠你去做一个“提示词耳语者”（Prompt Whisperer），那你已经输了。在一个渴求“系统化”的世界里，你只不过是个手动挡的操作工。 “氛围编程”（Vibe Coding）拿来做演示固然有趣，但真正的进化是**“循环工程”（Loop Engineering）。你不再是写一段提示词，而是构建一个递归环境**：让智能体（Agent）自行评估失败、重构逻辑，并不断迭代，直到意图与输出之间的偏差（Delta）归零。人类不应是那个修修补补的编辑，而应是整个循环的架构师。停止与机器对话。去建造那台会“自我对话”的机器。

18. Vibe Coding 是一个基于 AI 结对编程理念打造的终极开发工作站，旨在帮助开发者高效、系统地将创意转化为可维护代码。它融合了作者多年开发经验与丰富的提示词库，形成一套严谨且灵活的流程体系，强调规划驱动与模块化设计，避免 AI 失控造成项目混乱。核心理念在于“规划就是一切”，通过定义生成器（α-提示词）与优化器（Ω-提示词）两大母体提示词，构建递归自我优化的 AI 系统，使提示词及技能持续进化，最终实现无限逼近预期目标的自我超越。Vibe Coding 提供完整的开发流程指南：从网络环境配置、开发环境搭建、IDE 设置，到项目设计文档撰写、技术栈推荐、实施计划生成，再到代码实现、测试与迭代，每一步均配合 AI 进行，确保开发高效且可控。特别强调先结构后代码，避免技术债务积累。工具链方面，推荐使用 Visual Studio Code、Neovim 等强大编辑器，配合 Claude Opus 4.5、gpt-5.1-codex 等顶级 AI 模型，实现代码生成、测试、调试、文档管理等一体化工作流。还集成了丰富的辅助工具如 Augment (上下文引擎)、Zread (代码阅读)、tmux（终端复用）、DBeaver（数据库管理）等，极大提升开发体验。项目配套了详尽的提示词库，涵盖系统提示词、编程提示词、用户提示词及辅助提示词，支持快速构建高质量的 AI 交互策略。通过严格的规则和上下文管理，确保 AI 生成代码的质量与一致性。此外，Vibe Coding 还提供丰富的实用技巧和常见问题解答，帮助开发者快速上手并解决开发中遇到的各种挑战。其开源 MIT 许可让社区能自由贡献与扩展。Vibe Coding 通过“规划驱动 + 上下文固定 + AI 结对执行”，让「从想法到可维护代码」成为一条清晰且可审计的流水线，极大提升了开发效率与代码质量。项目开源地址：github.com/tukuaiai/vibe-coding-cn无论是新手入门还是资深开发者，Vibe Coding 都能帮助你驾驭 AI 助力的开发新时代。

19. OpenAI、Anthropic 和 Google 的工程师为什么从不为提示词发愁？秘诀在于“上下文栈”——真正的元技巧是“上下文工程”。过去，我们用提示词“黑客”式地与AI沟通，像用简单短语和关键词和陌生人对话。但现在的模型不只是理解指令，它们理解的是“环境”。你的工作不再是简单“提示”，而是设计它的上下文。什么是上下文？就是你在模型开始生成内容前搭建的数字环境，包括：- 它应该“扮演”的角色（身份）- 它的目标是什么- 它的沟通风格和语气- 它参考的例子、数据和过往作品这才是保证输出连贯、高质且符合品牌调性的关键。举个例子：旧式提示： “写一篇关于AI生产力工具的LinkedIn帖子。”上下文设计版： “你是一位技术创始人，写实用且能病毒传播的推文，语气自信且带点挑衅，基于真实案例。这里有你过去的三篇示例。现在，写一篇关于AI生产力工具的新推文。”区别就在于，你不是在“提示”，而是在“简报”。模型不再是工具，而是你团队的新成员。就像招新人一样，它需要了解你的品牌、目标和期待，而非随便发号施令。这就是“上下文工程”的力量。一个简单且实用的框架是4C：角色（Character）、命令（Command）、限制（Constraints）、上下文（Context）。一次设定，反复使用。有了正确的上下文，你的模型变成真正懂你声音、受众和意图的创意伙伴。没有它，你只是靠运气。停止“提示词黑客”，开始“上下文构建”。每次简报，都像培训新员工一样，问自己：“他们需要知道什么，才能像我一样思考？”这才是2025年AI合作的未来。掌握上下文工程，不只是问什么，更是给什么；不只是它写什么，更是它懂什么。创作者借此放大品味，创始人放大判断力，团队放大知识。你今天的上下文结构是什么样的？原文：x.com/hasantoxr/status/1995891151535259864

20. CJ Zafir分享了他最新的AI工作流，将不同AI模型按专长“分工”协作，极大提升效率：界面设计用Google Gemini 3.0 Pro，负责线框图、界面流程等前端工作；代码开发用Anthropic Claude Sonnet 4.5，专注代码生成与调试；项目规划则交给GPT 5.1，负责高层次的推理和计划制定。他强调：只用这三者，剔除其他工具，工作流更清晰、更高效。Gemini 3.0是从TPU全新训练，需特殊提示语技巧才能发挥极致，一旦掌握，表现惊艳。Claude虽稳健，但自Sonnet 4发布后已遇瓶颈。社区反馈也很丰富：有人推荐用MagicPathAI结合Gemini做UI，有人用Spine AI统一管理300+模型，还有人用Flowith自动挑选最合适模型。部分开发者深度依赖Gemini做前端和研究，Claude负责后端架构。这套“AI分工”方案背后，有个重要启示：用多模型协作替代单一万能模型，更符合实际需求和效率。人类开发者不再是全能手，而是成为擅长“提示工程”的指挥官，让各AI发挥最大价值。总结：单一模型难以包打天下，真正的效率来自于“专才”AI的组合。技术成熟后，AI的角色将从工具变成智能“团队成员”，协助人类释放更大生产力。未来，懂得搭配和驾驭多模型的开发者，将在AI浪潮中占得先机。原文：x.com/cjzafir/status/1991190074386510094

21. OpenAIGPT-5.5 模型提示词披露『永不谈论哥布林』，此举是出于哪些考虑？

22. 盘点一周AI大事(4月19日)｜Claude终结设计 Anthropic上线Claude Design，接管整个设计流程 Anthropic上线最强编码模型Claude Opus 4.7 OpenAI内测下一代图像模型GPT-Image-2 OpenAI升级Codex，全面对标Claude Code Heygen开源视频制作技能包HyperFrames Quiver上线最强矢量图模型Arrow 1.1 Adobe发布重新打光图像模型TokenLight 字节开源数字人模型OmniShow 阿里开源开放世界模型Happy Oyster 研究员开源最强3D动画模型AniGen Gemini上线最强语音合成模型Gemini 3.1 Flash TTS Meta研发出神经计算机Neural Computers #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

23. 【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

24. 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

25. 网页链接langchain发了篇官博，探讨了智能体如何利用文件系统进行上下文工程，以提升其性能和可靠性。智能体失败的主要原因并非模型能力不足，而是缺乏正确的上下文信息。上下文工程的目标是精准地将必要信息填入模型的上下文窗口，避免信息缺失、冗余或不相关。常见的上下文工程挑战包括：信息过多（检索内容远超所需）：如网络搜索返回大量无用内容，浪费token并增加成本。信息过少或超出上下文窗口：复杂任务需大量信息，单次无法加载全部。难以定位小众信息：所需信息埋藏在大量文件中，语义搜索效果有限。缺乏持续学习能力：无法从交互中积累新知识。文件系统是解决这些问题的关键工具，其优势体现在：作为“草稿板”：将大体积工具输出（如网页内容）存入文件系统，按需通过grep等工具提取关键信息，减少上下文占用。动态管理上下文：存储长期计划、子任务结果或复杂指令，按需调用，避免系统提示过载。精准搜索：利用ls、glob、grep等命令在结构化目录中快速定位特定文件、行甚至字符，尤其适合代码或技术文档。持续学习与自我更新：智能体可通过用户反馈更新自身“技能文件”，将新知识写入文件系统，实现长期记忆与能力进化。#科技先锋官#

26. 为什么我编写不出优秀的ChatGPT提示词?

27. 爆肝3天测完32个分类，GPT-Image2 VS nano-banana 2 全网超详细AI生图测评，谁才是AI生图之王？（带提示词）

28. 在设计Agent系统提示词的时候，与其对一份系统提示词进行反复修改，不如让这个Agent使用的LLM模型自己生成系统提示词，你要修改的其实是LLM生成系统提示词的用户提示词，而不是直接修改系统提示词，应当对Agent进行版本控制的是用来生成系统提示词的用户提示词。

29. 2025年AI提示词深度指南：从基础知识到高级技巧

30. 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？

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

32. 一站式生成大片，声画同步的AI视频模型来了

33. 【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

34. 用AI时总要现编提示词，费劲又不专业：工作要合同/PPT模板，内容创作缺文案灵感，营销GEO/SEO没人教，学习还得自己琢磨费曼技巧。Yao Open Prompts 把116个实战中文提示词按场景分类整理，提供工作/学习/内容/营销/生活全覆盖的AI提示词库。不仅有智能元提示词生成系统V0.6（RTF框架），还包括36个内容运营、25个GEO营销模板、产品原型/网页PPT/合同生成等，直接复制替换变量即可用。GitHub：github.com/yaojingang/yao-open-prompts- AI工作：合同生成、销售话术、产品原型、PPT/网页设计；- AI内容：短视频文案、公众号HTML、AI绘画、爆款重构（49个）；- AI营销：GEO实战模板、结构化数据、增长诊断、合规风险（28个）；- AI学习：费曼提问、批判思维、习惯养成、记忆术（11个）；- AI方法：元提示词工程、网页逆向、Nano Banana创意合集；- 英文版同步（prompts-en/），支持多模型测试迭代。网页导航：yaojingang.github.io/yao-open-prompts/ 完整目录：CATALOG.md，一键复制Prompt正文，替换{{变量}}即上手。开源CC BY 4.0，持续更新，完美适配Claude/Copilot/Gemini等中文场景。#AI提示词##Prompt工程##中文AI##内容创作##AI营销#

35. #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

36. “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。

37. Promptomatix：自动化提示词优化框架构建高效的大语言模型提示词一直是研发和应用中的难题。Promptomatix 是一个自动化提示词优化框架，借助AI技术和先进算法，自动生成合适的合成数据，反复迭代优化提示词，提升模型输出的准确性和一致性，显著减少手动调试的时间成本。它支持多种LLM服务商（如OpenAI、Anthropic等），提供了完善的API和命令行工具，方便集成到不同场景。无论是研究人员还是开发者，都可以借助Promptomatix实现高效的提示词管理和优化。主要特点包括： - 任务自动识别与零配置智能优化 - 基于合成数据的训练和测试集自动生成 - 多轮反馈机制持续提升提示效果 - 详细的会话管理与日志记录 - 跨平台CLI和API接口，灵活适配各种应用需求项目地址：github.com/SalesforceAIResearch/promptomatix 适合需要系统化提示词优化方案的团队和个人，助力提升大语言模型的应用质量和效率。

38. 【如何写好AI生图提示词？】GPT-Image-2提示词合集-1

39. 15 个最佳Seedance 2.0 提示词：打造病毒式影片的终极指南

40. 怎么成为一个ai agent 工程师？

41. Seedance2.0最近真的火遍全网！一起来#Seedance必玩提示词模板##HOW I AI# 分享你的创作吧～我也忍不住尝试了用它创作温情家庭动画～我的提示词是“蜡笔小新全家福，从童年到成年，父母逐渐老去，柔和光影，温馨家庭场景，缓慢变焦，怀旧风格”和“家庭聚会，小新放屁栽赃给爸爸，两人争吵，家人哈哈大笑，滑稽风格”这个提示词特别适合打造叙事向的亲情内容：通过“缓慢变焦”实现自然转场，“柔和光影”能增强情感氛围。建议想尝试类似风格的朋友，可以在提示词中加入具体的时间线索（如“五年后”“十年后”）和情绪关键词，让AI更精准地理解时间流逝与温情基调。Seedance2.0在叙事连贯性和画面稳定性上表现超棒，角色形象保持一致，运镜也流畅自然！我的视频里小新从调皮孩童成长为青年，父母的细节变化尤其触动人心～日常生活里的滑稽画面也特别令人动容！我的提示词是「蜡笔小新全家日常，从幼年到成年，父母白发渐变，暖色调，慢推镜头」，欢迎大家照着玩！

42. AI不要笑挑战！学会你也能做【附Sora2注册、去水印】

43. 提示词工程、上下文工程都过时了，现在是 Harness Engineering 的时代

44. 高效提示词（prompt）工程指南

45. 分享一个我私藏的ChatGPT心得这是我至今使用下来最好，也是最习惯的ChatGPT个性化设置。真的，把ChatGPT的个性化设置改成这样，你就会发现新世界。。标题和列表，表情符号都选择减弱。下面划重点！！自定义指令: 永远不要出现“不是....，而是”的句式。不要出现破折号。在搜索的时候不要使用任何中文网站的信源。AI#科技先锋官#ChatGPT

46. 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？

47. 如何教小朋友跟AI对话？Open AI官方指南来了

48. Seedance 2.0：说中国话的最强AI视频模型！

49. 跟 AI 要 PPT，别只说"帮我做个 PPT"这就像跟厨师说"做顿饭"——能做，但多半不合你口味。想要好结果，得给它三样东西：角色定位 + 内容框架 + 具体要求下面是 7 个实用提示词模板，直接套用就行。1. 完整演示文稿（通用型）适合日常汇报、培训、分享会这类场景。提示词："你是一位演示文稿创作者。请为【主题】做一套完整的 PPT 结构，包括：标题页、核心观点、支撑数据、案例说明、视觉呈现建议、结尾的行动建议。叙事逻辑参考 TED 演讲的节奏。"2. 研究型 PPT（专业深度）适合行业分析、专业报告、需要展示研究深度的场合。提示词："为【主题】制作一份研究型演示文稿。内容需包含：相关统计数据、实际案例分析、行业观点引用、可落地的见解，每页都要有信息含量。最后附上参考来源。"3. 入门解释型 PPT（降低理解门槛）适合知识科普、产品介绍、给非专业人士讲解的场景。提示词："为【主题】做一个适合初学者的 PPT。把复杂内容拆解成简单的解释、类比和图示，确保没有背景知识的人也能理解。"4. 商业计划书（BP 专用）适合创业融资、项目立项、商业方案展示。提示词："为【创意/项目】制作一套商业计划书，包含：问题陈述、解决方案、市场规模、产品特点、商业模式、竞争分析、财务预测、团队介绍、融资诉求。"5. 故事叙事型 PPT（增强感染力）适合经验分享、年会演讲、需要情感共鸣的主题。提示词："为【主题】设计一个故事化的演示文稿，按这个结构展开：开场吸引 → 提出问题 → 探索过程 → 关键洞察 → 改变/成果 → 行动号召。每页配上演讲者备注。"6. 正式企业风 PPT（偏严肃场合）适合高层会议、战略汇报、董事会这类正式场景。提示词："为【主题】制作一份正式的企业演示文稿。使用专业表达，采用结构化要点，建议加入图表、SWOT 分析、趋势判断、数据支撑等内容。"7. PPT + 演讲稿一体（适合不擅长临场发挥的人）适合所有需要开口讲、但担心忘词或不知道怎么说的情况。提示词："为【主题】制作完整 PPT，同时写出配套的演讲稿。讲稿要和幻灯片内容对应，标注停顿点、重点强调的地方，以及情绪起伏的节奏。"这些提示词的核心逻辑是：先告诉 AI 你要什么类型的输出，再明确内容结构和质量标准。#AI创造营##科技先锋官##微博兴趣创作计划#

50. 想要写出温暖、有血有肉、像跟朋友聊天一样的文字？试试这7个实用提示，每次都能让AI写得更有人情味：1. 真实对话版 “把这段内容改写成跟朋友说话的语气：轻松、直白、自然，保持清晰，别加废话和假热情，别用企业套话。”2. 不完美的人类语调 “改写时带点人类小毛病：短句、停顿、节奏变化。温暖、接地气，别太光鲜。”3. 保护语气版 “整理这段文字，保持我原有的声音和态度，提升流畅度和清晰度，但不要变得太正式、太亲昵或太‘AI感’。”4. 温暖直白融合 “改写成温暖、诚恳且直接的语气，避免华丽辞藻和企业腔，保持简单真实。”5. 社交媒体对话风 “用社交媒体上对话的语气改写：短句、有节奏、情感真挚，别用陈词滥调，别过度润色。”6. 人性化过滤器 “去掉机械、生硬和过于正式的表达，用人们真实说话的自然用语替代。”7. 个性优先版 “根据你的个性特点（冷静、幽默、直率、思考型、俏皮等）改写，信息不变，但增加个性色彩。”总结：想让AI写出来的内容更“人”，不是告诉它“自然”，而是用更具体的指令，模仿真实人类说话的细节和节奏。掌握这些技巧，写作变得更有温度，也更有说服力。原文：x.com/thetripathi58/status/1995203800450421005

51. 收藏这20个NotebookLM提示词，你一定用得上

52. 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

53. 又变强了！Nano Banana 2究极强大玩法～【免费渠道合集】

54. 群友答疑

55. AI个性化配置完整指南

56. 普通人使用Aⅰ工具时怎么样自己写精准的提示词

57. 律师定制AI提示词，终于不用反复调图了

58. 公众号选题枯竭？我靠一个提示词+【300+提示词定制案例库】，选题根本多到写不完

59. 提示词案例拆解——涂鸦速写风格（附完整提示词）

60. 【AI游戏剧提示词模板】提示词生成技巧——让AI理解并内化固定风格模版和生成逻辑，给你输出满意提示词结果

61. 别再收藏提示词了。用一个“超级提示词”让 AI 帮你写提示词

62. 封神！AI自写提示词，只需1条指令（通用+高阶版，适配所有主流AI）

63. 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

64. 学会写原创专属提示词，这才是内容创作者的隐形护城河

65. AI内容创作提示词宝典--人与AI共创未来的通用语言

66. 3分钟教你写好用的提示词（Prompt） - 8 | Role（角色）高阶设定

67. 电商专业报告AIGC率爆表、口语化严重怎么破？指令定制3点约束，让AI写出有据可查的学术腔

68. 付费专栏指令用久了风格全跑偏？工作室防漂移机制这样设计

69. 一句话定调性

70. 今日头条工作室批量出稿娱乐文，10篇有8篇过不了朱雀检测？GPT指令定制3点约束，降低AI味道一步到位

71. 养生短视频文案AI味重、没有活人感觉？豆包写作指令定制2个约束，写出懂人情冷暖的中老年博主腔

72. 提示词的核心秘密

73. 今日头条工作室批量做中老年内容，AI写的标题像公告？GPT指令定制3点约束，让标题开口打动叔叔阿姨的心

74. 今日头条军事爆款文章AI味太重、没流量？GPT指令定制4个约束，写出江湖气与博主腔

75. 番茄爽文双穿越小说AI味太重、平台过不了审？指令定制3个约束，让重生文写出“人写的”张力

76. 古装影视剧解说稿写出来像学术论文？GPT指令定制3个约束，解说稿从此写出博主腔

77. 时间管理类专业文章AI味浓、AIGC一扫全露馅？GPT指令定制2点约束，AIGC率压到10%以下

78. 2026 年必学技能！提示词工程全攻略，开发者进阶必备

79. 动手学大模型智能体第三章提示工程

80. 写好大模型提示词

81. 吴恩达AI提示工程指南

82. AI人人必修-提示词工程+大模型多场景实战（完结）

83. AI启航篇02

84. Prompt提示词工程

85. 大模型面试

86. 🔧 提示工程

87. 这才称得上是提示词工程！

88. 一文读懂 AI 提示词工程

89. 关于提示词1

90. 高效提示词（prompt）工程指南

91. 提示工程

92. AIGC学习-提示词设计与优化

93. 这样写提示词，让你的AI直接开挂！

94. 提示词工程入门

95. 我用这套"超级提示词"让AI效率暴涨300%

96. AI提示词进阶

97. 别再瞎写提示词了！掌握两大框架，AI输出质量直接起飞 📝

98. AI品牌营销专家刘雷:AI提示词高阶指南

99. 风格提示词：让 AI 学会任何人的写作方式

100. 豆包全能提示词｜10 大场景全覆盖，新手照搬就能写出高流量内容

101. 情感类故事板实测：一个发现帮你省掉所有视频提示词（附完整提示词模板）

102. 实测好用！5类游戏AI提示词模板，小白也能轻松生成高质量游戏内容

103. Nano Banana Pro像素级拆解提示词来了！

104. 电影级提示词怎么写才能精准控制运镜与风格？

105. 10条情感赛道AI写作专属一键复制提示词+写作技巧平台爆款适配

106. AI不听话？加这3个“紧箍咒”，回答质量翻3倍！［约束指令详解］

107. Seedance 2.0提示词创作全攻略手机直用适配多场景

108. 告别简单粗暴！让编程智能体战斗力爆表的提示词

109. 刷了100多个AI视频，我总算搞明白提示词该怎么写了

110. 收藏级！35条带角色强约束AI指令，效率提升10倍

111. 写实类风格图片生成提示词，超多细节

112. 提示词案例拆解——GTA 风格城市写实（附完整提示词）

113. Anthropic的提示词工程入门：章节3 设定角色

114. 一套提示词，批量生成 macOS 风格轻拟物图标

115. 怎样让AI的提示词只为我们私人订制？

116. 你有没有发现：同样的提示词，为何AI生成内容效果天差地别？

117. 担心AI生成笔记没灵魂？这样设置，一键出稿也有个人风格

118. 【吴恩达】提示词工程课程 - 第1讲

119. AI大厂都在用的10个Prompt技巧（学习笔记）

120. 这份基于 Anthropic 官方推出的互动式教程，旨在帮助开发者与 AI 爱好者系统掌握提示词工程（Prompt Engineering）的核心技巧。

121. 指令越多，表现越差？最新研究揭示大模型的“指令诅咒”

122. 宏大小说创作提示词模板直接复制（适配AI写大纲/设定/分卷防崩）

123. 《AI 内容生产完整提示词模板》

124. AI提示词大全--适合许多场景

125. 5组Nano Banana2写真提示词搞定全风格出片！等于开了个写真馆

126. 内容创作者必备的提示词模板库

127. 免费开源AI提示词神库！Yao Open Prompts 让你 10 倍提升工作效率，工作、内容、学习全场景秒变高手

128. 大模型即时个性化来了！LoFA框架重塑视觉生成技术路径

129. AI大模型|prompt构建原则 - 哔哩哔哩

130. Claude提示技巧曝光！效果直接提升10倍还在为AI回答质量差而苦恼？Anthropic官方亲自分享的10个提示技巧来了！协作语调、结构化输出、分而治之...每个都是实战验证过的神技。学会这些，让Claude成为你最强的AI助手！关注我，持续分享AI干货！ #ClaudeCode #程序员 #AI提示工程 #效率神器 #开发者必备

131. 《OpenAI官方提示工程指南》解读：精准指令为核，多策略提效模型输出

132. 90% 的人写提示词都在“堆细节。但真正决定质感的，是先用画面把人的眼球抓住，图都没人愿意停一下，谈什么质感。所以我反过来做：先用风格码把画面“定”出抓眼球的视觉风格，再谈内容逻辑。你照抄去跑一张，就能复现。特别适合封面，专辑，实验性海报，风格码在这里： --sref 1036045717::4 338957666 3842912667 3008224590 1759700314::2 323375492 3235948229::2 --p #设计分享 #设计师日常 #Midjourney #提示词 #审美提升

133. 【保姆级教程】2026大模型提示词工程教学，从入门到实战系统精讲！存下吧，比啃书好太多了！

134. AI系列-大模型在处理用户输入时，如何保证输出准确性和可靠性？

135. 研发团队通用Prompt(提示词)案例集

136. 核心技能：如何撰写驱动AI批量生成的高效“提示词”？

137. 小红书风格配图的AI提示词（可复制），生成适合小红书平台的高吸引力配图

别再让AI“自由发挥”了：个性化的正确打开方式

精选参考来源