AI协作效率翻倍：打工人必备的5大避坑指南，告别无效输出_服务软件

1. #李少红称AI不能独立创作# 导演李少红在2025腾讯ConTech大会上解读AI创作逻辑：本质是人机共创，机器仅为执行工具，根据人的意志搞定“形”的内容，却缺作品该有的情感温度。所以AI从不是独立创作者！那么我们何时能看到人与AI协作产出更多优秀的作品呢？#智变之时# 矮周迅的微博视频

2. 未来的人和智能体应该是相互融合协作的关系。 #大咖观察 #红衣聊AI #智能体 #人机协作

3. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

4. #用AI真的能批改好作业吗# 刷到这个话题忍不住多了解一番，尤其是看到千问的拍题答疑功能，批改之后还会很人性化地生成小结，其实恰恰符合我对AI浪潮的美好想象。在AI席卷一切的当下，教育行业和老师又在其中担当了什么样的角色？千问其实就已经给出了答案，它接管了批改、统计等重复劳动，恰恰把老师解放出来，去做机器做不到的事：个性化引导、启发思维和情感关怀。老师的角色正从知识传授者转向学习设计师和AI协作者。未来的关键，在于能否善用AI洞察学情，实现更精准的育人。人机协同，才能兼得教育的效率与温度。

5. 所有玩龙虾的，或者初学龙虾的都可以收藏这个网站，它会一步一步教你怎么把 AI 从“回答问题”，升级成“帮你处理日常事务”。·你会知道，哪些事情最适合交给 AI，比如提醒、总结、整理、监控、自动化重复任务。·你会对未来真正有用的 AI 产品有判断力，不再只看“会不会写文案”。记住，在搜索框里跟AI说两句不叫玩AI，而是把AI训练成自己的系统。（网站见评论区）#OpenClaw爆火#

6. 全球首家无人公司来了！一整个AI团队替人上班，不吃饭不摸鱼，普通人的数字员工时代真的来了吗？#大咖观察 #红衣聊AI #智能体 #AI时代

7. 谷歌CEO最新访谈：我家AI为什么这么强谷歌CEO最新访谈：我家AI为什么这么强？Google下一步要做什么？#谷歌 #皮查伊 #AI

8. 一个投资人与他的AI龙虾助手70天真实协作笔记｜甲子光年

9. 灵光一夜爆火，一句话就能做出小应用，当AI发展得越来越快——你就知道，孩子真正要练的，从来不是技能本身#近6成程序员称不会给孩子报AI编程课 #AI时代教育 #灵光#孩子要学什么

10. AI可以模拟人类几乎所有行为，但它可能模拟不了作为一个人，活着的感觉。未来的AI，可能比我们更聪明，但它不会比我们更有感受。#大有学问 #红衣聊AI #人工智能聊天机器人 #协作机器人

11. 别让AI替你思考，要用AI帮你想得更大胆更深邃。 #大咖观察 #红衣聊AI #人工智能技术

12. AI如何成为企业的“数字员工”？中关村科金的超级连接答案 | 甲子光年

13. 千问发布2025十大AI提示词，股票意外排名第一，普通人如何用AI做好投资？

14. Obsidian 打造AI化神经中枢：10个在用工作流分享搭配Claude Code｜Codex｜WorkBuddy｜OpenClaw

15. 实测夸克「千问划词快捷指令」，这7个邪修Prompt，建议收藏

16. AAAI 2026 | 革新电影配音工业流程：AI首次学会「导演-演员」配音协作模式

17. 还能这么用？超全！豆包 AI 使用指南丨省钱丨创作丨学习丨陪伴……

18. 个体用好AI，只能产生超级员工；只有组织为AI重新设计，才能产生超级公司。别做在旧厂房里换电机的傻瓜，要做那个拆掉旧工厂的人。#大有学问 #红衣聊AI #AI时代

19. 在画了几百张 nano banana pro 图片收获了几百万流量之后的一些提示词写作经验（同步发布于博客：http://t.cn/AXygY9D8）最近一段时间，沉迷于 nano banana pro 画图，也写了一些颇受欢迎的提示词，X 上的浏览量加起来有几百万。但你要说我写画图提示词水平多牛，这我可不敢认，因为我写画图提示词水平其实一般，写不出那些专业的参数，绝大部分提示词都是让 AI 帮我写的。写画图提示词，没有你想的那么复杂，拿我最近写过的一些提示词来讲一下。首先，提示词是手段不是目的提示词是为画图服务的，所以最重要的是你的想法，你想呈现什么，至于提示词，只不过是为了实现你想法的手段，有很多种写法都可以让你得到不错的结果，所以不必太纠结提示词的细节，什么结构、关键字、长短、是不是 JSON，都没那么重要！比如说 4 月份的时候，我就想用 GPT-4o Image 帮我画一张巨型裸眼 3D 屏幕的图（图2），提示词很简单，就是大白话： > 一只超写实大熊猫半个身子在成都繁华商街巨型弧形裸眼 3D 屏幕外边，肚皮朝上，脑袋吊着，嘴里咬着竹笋，憨态可掬提示词大部分时候就是这样，你都不需要多么复杂的技巧，就先大白话发过去看看效果。然后我把提示词发给 Gemini，得到了一张这样的图：参考图3 也还行，但效果不算太好。写提示词不难，难得是你得有一点审美，知道什么是好的，什么是不好的，最好还能知道哪不好！我水平不够好，只能看得出它不好，但说不上不好在哪里。这时候专业水平就能起作用，要是你专业的话，马上能知道哪不好，怎么调整。我不专业但我有 AI，于是把这个提示词（有时候我还会把生成的图片结果一起）发给 AI，让 AI 优化。最好不要只是让它优化，而是给个方向，比如我就去搜索了一下现实世界中哪几个建筑的裸眼 3D 屏幕最有名，这样 AI 训练的最多最熟悉，更容易明白我想要什么。（参考图4）注意我会同时问 Gemini、ChatGPT（GPT-4.5、GPT-5.1），一方面每个模型擅长的不一样，另一方面这里面有很大的概率因素。所以多试几个总没错。后面就是去测试，根据测试结果让 AI 进一步调整。比如第一次测试，效果不怎么样！（参考图5）我干脆换了个思路，找来一张真实的看起来还不错的图片，然后让 Gemini 根据图片给我写提示词。（参考图6）再让 Gemini 帮我生成几个场景。（参考图7）拿新提示词测试了一下，效果惊艳！（参考图8）再测试几个其他场景也不错，那基本上就可以了。（参考图9）所以写提示词的过程就是不停的变换思路不停的“抽卡”重试，你可以不知道怎么调整，但是至少你得知道什么是好的，这样当偶尔“抽卡”到一张好的，你就可以基于那张好的不停的微调，直到可以稳定的生成。真不稳定也没关系，那就多“抽卡”好了。比如那个 3D 裸眼屏的，得一半结果不怎么好，我后续又尝试优化了好一会，实在改进有效，干脆放弃了。所以我不止一次提到“提示工程”： > 提示词工程是一个过程，系统化地设计、测试、优化提示词的过程——宝玉（参考图10）让 AI 帮你写提示词，有时候还会有意外惊喜。比如我在创作时空交汇的提示词的时候，最初的想法只是简单的时空交汇。但无意中生成了一张古今人物交互的，我一看，这比我原本的想法还要好一些，于是调整了一下创作方向，让画面中融入了古今人物的交互。（参考图11）上面其实只是我提示词创作的第一个步骤，也就是针对一个场景生成一张满意的图片。当提示词能稳定的产生一个效果后，下一步就是基于这套提示词，把它变成一套提示词模板，让它可以产生各种不同结果的图片，这样其他人也能参与其中。比如说四季变换的图，最初的版本只有一棵树。虽然这棵树效果很好，但是大家都来画树就没意思了。最好是能基于同一场景四季变化的设定，让场景可以变化。（参考图12）我把这条提示词发给 AI，让它帮我变成提示词模板。把提示词变成模板，最重要的是设定好“变量”，你希望提示词中哪些是固定不变的，哪些是可以变换的。比如四季变换的提示词模板，我希望它变换的是场景，不局限于一棵树，还可以是一座城市、一个园林等等，每个人都可以代入自己喜欢的场景。参考提示词： > 帮我把下面的提示词变成提示词模板，变量是场景，根据场景在一张画面中显示四个季节的变化，同一个场景，但是每个季节显示场景的一部分同时又融为一体。 > > 超写实数字插画风格，画面以一棵树为核心，从左到右均匀划分为冬春夏秋四个季节区域。树木和背景随季节依次渐变变化，每个季节区域内的树叶颜色、枝条状态和背景元素均应精准呈现相应季节特征。树冠、树干、枝叶以及背景中的植被与天气等自然景观，都应根据季节的典型表现进行细致调整和过渡，确保四个区域间衔接自然流畅、色彩丰富且富有象征意义。画面比例为 4:3。（参考图13）提示词模板的变量也不用局限一个，可以有多个变量，比如这张“现实vs内心映射”的图，{现实}是一个变量，{内心映射}是另一个变量。（参考图14、图15）这一步仍然是要反复测试，直到有一个稳定的效果（参考图10）所以说，写提示词，没有那么难，你有一个想法，先用大白话去试试，不行就让 AI 帮你调整，告诉它你哪里不满意，希望哪里更好，根据 AI 调整后结果再去试，再调整，反复“抽卡”，耐心一点总能成。当然模型也很重要，真不行就等一段时间再重新试试，就像我的裸眼 3D 显示屏的提示词，半年前还画不好，现在这就挺逼真了。让 AI 优化，也可以试试不同的模型，比如我会反复在 Gemini 3 Pro、GPT-5.1、GPT-4.5 之间重试，并没有绝对答案谁最好，保不准谁的结果就让你满意了。如果你想更进一步，让你的提示词能适应不同的场景、人物，还可以把它变成提示词模板，衍生出更多好玩的作品。

20. 回复 X 网友 Yangyi 的推文：> 我认识的比较厉害的开发，无一例外都在用cursor，因为他们惧怕AI带来的代码失控感。Claudecode这种东西更适合非程序员，甚至很多产品细节都可以不关注了。出了问题之后再问AI 你是咋做的？---你可能没认识真正厉害开发，真正厉害的恰恰会用codex和Claude code，辅助用cursor或者vs code。好的engineering manager靠的不是微管理，不怕任务交给下属会搞砸，因为他们了解下属能力边界，擅长把任务拆分成下属能力范围内的粒度，还能对下属的结果进行验收，不仅省力还能充分利用团队的力量。糟糕的manager不敢把任务给下属做，怕下属搞砸怕下属抢了自己的饭碗，到处微管理，自己累团队效率也不高。使用 Coding Agent 编程你就是engineering manager或tech leader的角色，靠的不是掌控感不是微管理，是你的技术能力和管理能力！

21. 你现在用的AI，是在逼你学指令，还是已经开始帮你少动脑筋、少试错了呢？#大咖观察 #红衣聊AI #AI时代 #AI工具#虚拟主播

22. 我和欧洲“达里奥”做了一场对谈，如何用AI预测未来，用AI把工作效率提升10倍#AI #拉斯特维德 #超智能与未来 #AI预测未来#AI对普通人的影响

23. 高质量长文，推荐阅读《给人文工作者的 AI 使用指南》。链接：hanyang.wtf/p/ai这文章只有长期使用 AI 和本身有很好写作功底的才写的出来，至于有没有 AI 辅助一点不重要，甚至于我也看不出来。人文工作者如果用好 AI 跟程序员用 AI 一样可以极大的放大自身能力，把很多粗活累活交给 AI 干，自己可以聚焦于更高维度的事情。人文工作者和程序员其实底层还是有很多相通的，都是基于素材输出文本内容，这其实也是 AI 最擅长的。所不同的是程序代码更标准化更容易校验，但是写作标准更依赖人的品味，而比较难的 AI 自动评判。像我这样的程序员出身用 AI 辅助写作，特别擅长“工业化”：分解写作流程，让 AI 从中做好阶段性工作，比如分析提炼素材、写多份大纲、根据素材和大纲去写作、自动化配图、自动发布等等。但局限在于文学水平不足，品味不够，所以质量有限😅如果是文学水平高的，可以借助 AI 写出相当高质量的内容，因为他们能清楚的看出来 AI 写的地方哪有问题，指挥 AI 去改进就好了。就跟专业程序员用 AI 写代码一样，一看 AI 生成的代码就知道“味道”怎么样，怎么调整，最终质量比自己写只高不低。但水平品味不够就难做到。AI 是杠杆，对程序员和人文工作者尤其如此。《给人文工作者的 AI 使用指南》：网页链接

24. 当汽车被注入“数字生命”，人机共驾会变成什么样？长城汽车用VLA大模型给出了答案。行业首搭！魏牌全新蓝山智能进阶版，首次搭载长城汽车VLA辅助驾驶大模型。这不是一次简单的功能叠加，而是一次驾驶关系的重塑。VLA，让车真正“活”了起来：用视觉观察世界，用语言认知世界，用动作塑造世界。它不仅执行指令，更理解风险。正如长城汽车CTO吴会肖所说：“让AI学会‘害怕’，才是安全的开始。”全程透明交互，每一次刹车、变道，思考过程清晰可见——开辅助驾驶，你不再是“乘客”，而是系统的“协作者”。真实路测中，它面对维修路段丝滑通过，对盲区隐患提前防御，像一位经验丰富的“老司机”般从容。正如体验者所言：“这是比Ultra更Ultra的存在。”从技术到体验，长城选择把“安全第一”刻进代码，把“用户敬畏”写成最高指令。这不仅是一套系统，更是一个可信任的出行伙伴～#长城汽车VLA首搭魏牌蓝山#

25. 如何比99%的人更会用AI？油管大神Dan Koe方法论拆解

26. 发现一个调试LLM系统提示词的妙招，很简单但是很有用，不管你把LLM设计成工具调用还是结构化输出的Agent，当它输出不符合预期的时候，直接基于当前的历史记录问它：你为什么要这么做？它对于自己错误给出的分析是最准确的。

27. 【告别Few-shot，自我验证才是AI准确性的未来】Meta AI研究人员发现了一种让大模型准确率提升94%的技术，而且完全不需要任何示例。这就是"验证链"（Chain-of-Verification，CoVe）。传统提示词的困境在于：大模型会产生幻觉，自信满满地给出完全错误的答案。Few-shot示例虽有帮助，但受限于示例选择、token预算，且依然无法根治幻觉问题。我们一直在治标，而非治本。CoVe的核心逻辑是让模型自己检验自己，分四步走：1. 生成初始回答2. 规划验证问题3. 独立回答这些验证问题4. 基于验证结果生成最终答案关键在于"独立"二字。模型单独回答每个验证问题，避免了循环论证——不再是为自己的第一个答案辩护，而是客观地核查它。生成与验证分离，这才是破局之道。实测数据：复杂问答准确率从68%跃升至94%，适用于GPT-4、Claude、Gemini等主流模型，无需微调，零样本即可生效。可以直接使用的提示词模板：[你的问题]请按以下步骤执行：1. 提供你的初始答案2. 生成3-5个能暴露答案错误的验证问题3. 独立回答每个验证问题4. 基于验证结果提供修正后的最终答案有人质疑这项技术早在2023年9月就已存在，为何现在才火。技术的价值不在于发明时间，而在于被真正理解和应用的时刻。也有人指出，说Few-shot已死有些夸张——在教模型语气和结构方面，示例仍有用武之地。这是进化，不是替代。更深一层看，这揭示了一个范式转移：从"给更好的示例"到"让模型更好地思考"，再到"让模型学会自我怀疑"。真正的技能变成了：清晰描述任务，让模型思考，然后让模型质疑自己。AI准确性的未来，在于验证，而非生成。原文：x.com/godofprompt/status/2008125436774215722

28. 与其追求成为一个从不犯错的人，不如打造一个就算犯错也能被纠正的流程。#大咖观察 #红衣聊AI #人工智能 #大模型

29. 2026年了，AI可以无条件相信吗？怎么用才能不翻车？

30. 以前总觉得智能家居就是个噱头，无非是把遥控器换成语音控制，有时候还无法精准识别指令，我对全屋智能的期待，就是不用手动操作并且精准get我的需求让我省心省力这么简单啊！直到看到#美的首发自进化家居智能体#，才发现原来智慧生活可以这么贴心，感觉直接get了一个 “会思考的家”！不像其他智能设备那样需要反复指令，美的AI可以根据日常习惯和周围环境进行主动决策，是真正做到了从连接和简单指令控制，成长为具备强认知能力的空间系统，能够get复杂的指令并且进行理解，这才是智能家居的终极形态，谁懂这才是我想要的智能，我的梦中情屋就这样被美的变成现实了，幸福感直接拉满！

31. 高效提示词（prompt）工程指南

32. 一分钟学会用AI拍大片，做音画同出的长视频

33. OpenAI、Anthropic 和 Google 内部使用的10大顶级提示工程技巧，能显著提升生成结果准确率和实用性，堪称AI高手的秘密武器！---【技巧1：角色限定提示 Role-Based Constraint Prompting】高手不会简单说“写代码”，而是赋予AI具体身份和限制，明确任务与输出格式。模板： ```你是一个拥有[X年]经验的[具体角色]，专长于[领域]。你的任务：[具体任务] 限制条件（3-5条）：[列出限制] 输出格式：[精确输出格式] ```示例： ```你是拥有10年经验的高级Python工程师，擅长数据管道优化。任务：构建每小时处理1000万条数据的实时ETL流水线。限制： - 必须使用Apache Kafka - 最大内存占用2GB - 延迟低于100ms - 零数据丢失容忍度输出格式：带内联注释的生产级代码 ```效果：比“写个ETL流水线”精准十倍，产出更贴合需求。---【技巧2：验证链 Chain-of-Verification (CoVe)】谷歌用来消除AI幻觉的“自我审校”法，先答题，然后设计问题自检，最终修正答案。模板： ```任务：[你的问题] 步骤1：给出初步答案步骤2：列出5个能揭露答案错误的验证问题步骤3：回答这5个问题步骤4：基于验证结果给出最终修正答案 ```示例： ```任务：解释transformer如何处理长上下文窗口。 1. 初步回答 2. 设计5个验证问题（如：是否存在上下文截断？模型如何保持信息？等） 3. 回答验证问题 4. 根据验证修正答案 ```效果：复杂技术问题准确率从60%提升至92%。---【技巧3：带负面示例的少样本 Few-Shot with Negative Examples】 Anthropic发现告诉AI“什么不该做”与“该做什么”一样重要。模板： ```我需要你完成[任务]。以下是示范： ✅ 好示例1：[示例] ✅ 好示例2：[示例] ❌ 差示例1：[示例] 原因：[为什么差] ❌ 差示例2：[示例] 原因：[为什么差] 现在请完成：[你的任务] ```示例：写冷邮件主题： ```✅ 好：Q4工程路线图的快速问题 ✅ 好：关注你发布的分布式系统帖子，有些想法 ❌ 差：紧急！限时优惠！！！原因：垃圾邮件触发词，假紧急感 ❌ 差：你绝对想不到我们做了什么... 原因：标题党，无上下文请写5个关于“降低云成本40%的SaaS工具”的邮件主题。 ```效果：减少80%泛泛而谈或低质回复。---【技巧4：结构化思考协议 Structured Thinking Protocol】 GPT-5团队处理复杂问题的分层思考法，逼模型先理解再分析，最后给策略和答案。模板： ```回答前请完成以下步骤：[理解] - 用你的话复述问题 - 明确真正被问及的点 [分析] - 拆解成子问题 - 说明假设和限制 [策略] - 列出2-3种方案 - 权衡利弊 [执行] - 给出最终答案 - 解释理由问题：[你的问题] ```示例： ```问题：5人团队开发B2B SaaS，首年预计1000用户，应该用微服务还是单体架构？请按上述步骤回答。 ```效果：避免千篇一律建议，答案更符合具体情境。---【技巧5：置信度加权提示 Confidence-Weighted Prompting】 DeepMind为关键决策设计，让模型评价自身答案置信度，列出假设和备选方案。模板： ```请回答：[问题] 内容包括： 1. 主要答案 2. 置信度（0-100%） 3. 关键假设 4. 哪些变化会改变答案 5. 若置信度<80%，给出备选答案 ```示例： ```问题：Rust是否会在2030年取代C++作为系统编程语言？请按模板回答。 ```效果：避免盲目相信AI自信，促进理性决策。---【技巧6：有界上下文注入 Context Injection with Boundaries】 Anthropic工程师给模型大量上下文但限定回答只能基于上下文，避免胡编乱造。模板： ```[上下文] [粘贴文档、代码、论文等] [聚焦] 仅能使用上下文信息回答，若无则回复“提供的上下文信息不足”。 [任务] 具体问题 [限制] - 引用上下文具体章节 - 不使用上下文外知识 - 如存在多种解释，全部列出 ```示例： ```[上下文] 公司50页API文档 [聚焦] 仅用文档回答 [任务] 如何实现/users接口的限流和重试？ [限制] 引用具体章节，不用外部知识，多解释全部列出 ```效果：极大减少专有系统中的错误输出。---【技巧7：迭代精炼循环 Iterative Refinement Loop】 OpenAI研究团队通过多轮修正提升输出质量，远胜一次性生成。模板： ```第1轮：生成[草稿/初稿/概要] 第2轮：审查，找出3个缺陷第3轮：重写，修正所有缺陷第4轮：终审，确认是否生产就绪；若否，指出不足 ```示例： ```第1轮：写一封给B轮创业公司工程VP的销售邮件草稿，主题CI/CD优化工具。第2轮：审查邮件，列出3个问题。第3轮：修改邮件，解决所有问题。第4轮：确认邮件是否可以直接发出。 ```效果：避免单次输出粗糙，产出质量可达90%。---【技巧8：先限后做 Constraint-First Prompting】 Google Brain先列硬性限制，再写任务，让模型既准确又实用。模板： ```硬性限制（绝对不可违）： - [限制1] - [限制2] - [限制3] 软性偏好（优先优化）： - [偏好1] - [偏好2] 任务：[实际请求] 请确认理解所有限制后开始。 ```示例： ```硬性限制： - 必须用Rust编写 - 不能用外部依赖 - 必须能在Rust 1.75稳定版编译 - 最大二进制大小5MB 软性偏好： - 快速编译 - 尽量少内存分配任务：写一个CLI工具，解析10GB CSV文件，输出带有schema验证的JSON。确认理解所有限制后开始。 ```效果：避免技术正确但无用的回答。---【技巧9：多视角提示 Multi-Perspective Prompting】 Anthropic宪法AI从多个角度分析问题，综合权衡得出建议。模板： ```请从以下角度分析[问题]： [技术可行性]：…… [业务影响]：…… [用户体验]：…… [风险/安全]：…… 综合：整合所有视角，提出最终建议，明确权衡。 ```示例： ```是否应从Postgres迁移到DynamoDB？ [技术]：工程复杂度，数据迁移风险，时间线 [业务]：成本，团队速度，供应商锁定 [用户]：延迟，功能影响，停机需求 [安全]：数据一致性，备份，合规性综合给出建议并说明权衡。 ```效果：促使战略思考，避免片面建议。---【技巧10：元提示 Meta-Prompting（核武器级）】 OpenAI红队用来探测模型极限，要求AI帮自己写出“完美提示”，再执行。模板： ```我需要完成：[高层目标] 你的任务： 1. 分析如何写出该目标的完美提示 2. 考虑具体性、上下文、限制、输出格式、示例需求 3. 写出该完美提示 4. 执行并给出结果 [目标]：具体目标 ```示例： ```目标：写一个Python脚本，抓取Twitter长文，将其转成格式良好的博客文章，并自动生成SEO元描述。请按模板操作。 ```效果：AI帮你打造超强提示，实时成为顶尖提示工程师。---【实战效果总结】 - 技术文档幻觉率降至0% - 代码迭代速度提升3倍 - 复杂分析准确率超90% 关键不是模型本身，而是“懂得如何与模型对话”。这10个技巧，正是区分普通用户与顶级提示工程师的秘密武器。---原文: x.com/aigleeson/status/1997233746630893733

34. 当AI从工具进化为队友，个人超级智能体硬件来了

35. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

36. 美国大学毕业季最诚实的一次演讲天才教授安杰拉•达克沃思公开承认用AI写稿，但就是这份人机协作的演讲稿，解开了AI时代教育最大的两个困惑 #ai #教育 #AI学习

37. AI 黑马 Clawdbot！从能说到会做的7x24h全勤数字员工！

38. //@黄健楸:宝玉哥向Linus看齐了（不管理代码，发网上就好）。另外原博的提示词可以考虑做成早午晚。上半年给《醉翁亭记》试着做插图（野芳发而幽香，佳木秀而繁阴，风霜高洁，水落而石出者，山间之四时也），效果不太好，不知道现在怎样。//@宝玉xp:回复@Sigurd司格德:我其实不管理提示词，极少数常用的做成 Gem 或者 Project，其他的发完就完了，因为掌握了写提示词的方法，就可以源源不断的产生提示词。当然某种程度上来说，发出来也是一种管理提示词的方法，因为会被搜索引擎收录，需要的时候关键字就能检索。//@Sigurd司格德:老师请问提示词怎么管理呢，在您这学了好多提示词，直接用文档存储吗

39. 厉害了，这个作者用 10 个 Clawdbot （OpenClaw）搭建了一个 Mission Control 的 AI 智能体团队。该系统通过在服务器上运行多个独立的 AI 会话，为每个智能体赋予了独特的性格和专业职能，使其能够像真实团队一样协作。为了解决 AI 缺乏长期记忆的问题，作者设计了基于文件的持久化存储机制和每 15 分钟一次的心跳任务循环，确保智能体能自动检查工作进度。核心架构还包括一个基于 Convex 开发的共享协作平台，让不同智能体能通过任务板、评论区和 at 功能进行跨角色沟通。这种模式将 AI 从简单的问答工具转变为能够自主处理研究、写作和开发任务的高效生产力集群。最后，作者还总结了从规模化管理到成本控制的实战经验，强调了明确角色分工与共享上下文在多智能体系统中的重要性。访问：x.com/pbteja1998/status/2017662163540971756#HOW I AI# #程序员#

40. 如何让NotebookLM变成你效率翻倍的学习工具

41. 【教程】Gemini3给小朋友的词典（附关键词）

42. LangChain Agent 年度报告：输出质量仍是 Agent 最大障碍，客服、研究是最快落地场景

43. 万字复盘｜社区首部AI贺岁片：全流程实操手册

44. 分享一点 AI Coding/Codex 实践技巧：告诉 AI 如何验证这个方法其实我提到多次，只不过再随手贡献一个案例罢了。Coding Agent 能力挺强的，能自己写代码自己调用工具，但是它有时候并不知道该如何验证数据。如果说你只是告诉它哪里错了，它并不一定能通过阅读代码找出问题所在，但如果你告诉它如何验证，那么它就能在修改完后自行验证，验证时如果发现问题就会继续修复，直到完全修复为止。比如我在调试一个 API 发现返回结果不对，那么我就告诉它输入是什么，实际输出是什么，期望结果是什么（甚至于我没说它也猜得到），然后让它自行写测试代码验证。那么它就不仅阅读代码修改问题，还会写测试程序去验证，直到解决问题。

45. 把方法论装进 AI：从这场 Skill 黑客松里，我们找到了 6 个值得参考的样本

46. 1 句提示词让你进入奥林匹克博物馆？米兰冬奥 AIGC 全球大赛保姆级攻略！

47. #傅盛说中国AI应用迎来要爆了时刻# 30秒生成完整游戏，展现的不只是效率提升，更是人机协作质变。人类负责战略构思与审美判断，AI承担重复性实现，这种能力互补或将催生新一轮创造力爆发，重塑知识工作边界。 #技能五子棋被AI实现了# 科技刘明新的微博视频

48. 你面对AI时的无话可说也许不是不知道聊什么而是你从来没有真正训练过自己。#大咖观察 #红衣聊AI #科技改变生活 #对话

49. 华为Mate X7首发搭载鸿蒙6带来的三大黑科技体验，正在用实际表现告诉你#华为MateX7的大屏AI有多强#！首先分屏联动，边看攻略边导航，互不干扰，多任务处理效率更进一步；A2A智能体协作，又让小艺化身“手机指挥官”，一句话就能调度多个应用智能体，轻松实现“说一句话，办多件事”；而小艺慧记，支持AI实时录音转写，就可以让会议重点一目了然，并且还能跨设备提醒，堪称办公神器。不难看出这种不仅于解答，更能帮你做事的AI能力，才能真的称为智能协作者！

50. //@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

51. 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

52. Multi-Agent 小白入门：让你的Claude Code 提效 90.2% 这篇文章介绍了一种基于多智能体编排系统的方法，旨在通过让多个 AI 智能体分工协作，来提升 Claude Code 的工作效率。1. 详细阐述了单智能体的局限性，并提出了主管模式、流水线模式和并行模式三种核心管理架构，以解决上下文限制和专业化不足等问题。2. 作者还提供了一套实战指南，教读者如何创建由架构师、构建师、验证者和记录员组成的四人智能体团队，并利用共享文档实现任务同步。原文：x.com/0xYuker/status/2013094122656334136#HOW I AI# #程序员#

53. 效率直接翻4倍！我每天都在用的 AI 语音输入神器（含开源免费版教程）

54. 先别急“养龙虾”，这些AI安全问题你可能还不知道！附安全解决方案...

55. 1、我跟 Gemini 聊天的时候，它对 AI 的能力有一份总结，比我总结得好多了。「人类负责消除歧义，AI 负责在较少歧义的环境下执行」。这句话可以概括目前我所能理解的，AI（作为概率机器）的能力边界。2、本周是产品周，跟同事很久没见，聊得火热。他问：你觉得未来是 agent 替代 app 的时代吗？我觉得不会。agent 的前提是，节约的成本覆盖了验收成本。当任务大量重复的时候，这个目标很容易做到。但 C 端 app 很少有 “大量重复的任务”，agent 为个体节约的成本覆盖不了验收成本。case by case 分析收益与成本，才能判断 agent 的边界。目前对于一部分B 端任务，对于繁重的信息挖掘与分析任务，对于节约大量人力成本的任务（如会议总结），agent 都能跑通，但线性外推就很不客观了，信仰压倒了逻辑。3、理由同上，我不赞同 “未来所有事情都要用 AI 重做一次”。case by case 地分析收益与成本，为此支付的脑力可比冲着 AI 磕长头多多了。

56. Obsidian AI插件 Claudian 基础配置使用教程能和笔记直接对话啦

57. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

58. #为什么AI迭代速度这么快#2025年下半年AI模型的密集更新，绝非偶然，而是技术积累、资本加持与市场需求共振的必然结果。从GPT-5系列到Gemini 3，从DeepSeek多轮迭代到阿里Qwen持续升级，按月迭代的节奏背后，是全行业的竞速与突破。数据闭环为迭代提供“燃料”，用户交互反馈持续反哺模型优化；算法架构的革新与超参数精细调优，让模型性能实现阶梯式提升；GPU集群与分布式训练的算力支撑，大幅缩短训练周期。更关键的是，全球科技巨头的竞争博弈与巨额资本投入，如OpenAI“星际之门”计划的算力布局，构筑起迭代的“基础设施”。市场对智能体、多模态等实用功能的迫切需求，进一步牵引迭代方向。这场竞速不仅是技术实力的较量，更在重塑产业生态。AI迭代的加速度，正让“更智能、更实用”的技术愿景加速照进现实。（视频：戏说九州）#秒懂热点就用智搜# 为什么ai迭代速度这么快川北小哥的微博视频

59. 做AI短片、漫剧的，你们又有救了！一键复制粘贴就能完成角色一致性，减少学习成本！

60. 工作群变办公系统，AI小钉拯救打工人钉钉新上的群聊助手「AI小钉」太实用了自动爬楼提炼要点、识别任务生成待办、精准定向催办，专治已读不回；还能按关键词每天推送行业/竞品/热点，把闲聊群变情报站；一句话改群名、发公告、设负责人，群管理直接动口不动手。 AI不再是单独窗口，而是长在群里，@ 一下就能跑流程，群聊正在进化成真正的办公系统。 #钉钉 #AI小钉 #人工智能 #办公 #钉钉群聊

61. 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

62. 普通人用AI，到底能做什么？4个月深度学习的经验和用法分享！

63. #周鸿祎透露每天带AI编程十几个小时#越来越多行业先行者带头用AI协作编程，这是特别正向的信号。新技术来了不观望、不焦虑，而是沉下心亲身去用，把工具用透、把效率拉满。这种务实进取的态度太值得学习，也让我们看到，主动拥抱变化，才能跟上时代的脚步。#周鸿祎称硅谷大佬集体带AI编程#

64. 对AI的礼貌是人类的情感投射，对AI的直接才是效率的清醒。 #大咖观察 #红衣聊AI #人工智能 #科技的意义

65. 探访云栖（二）：AI Agent元年，谁在打造“数字员工”？【101 Weekly】

66. #一分钟视频创作季# Andrej Karpathy：高质量交互环境才是AI发展的沃土Andrej Karpathy 指出“当前 AI只是统计专家而非真正的思考者。”脱离真实交互的 AI 终将局限于模仿人类已知知识，而构建多样化高质量交互环境，才是突破这一困局的关键。Karpathy 强调的，AI需在类真实场景中试错学习。例如虚拟物理实验室需精准还原力学定律，分子模拟环境要符合化学反应规律，就像 AlphaGo Zero 的围棋环境虽为虚拟，却严格遵循真实棋规，才能孕育出超越人类的策略。若环境与现实脱节，AI 习得的能力将无法迁移到实际任务中。环境需覆盖多领域场景与难度层级，从基础操作到复杂决策形成完整训练链条。PrimeIntellect 的环境中心理念给出了绝佳范例：将教科书习题重构为可交互环境，既包含基础数学演算，也涵盖高阶物理实验。这种设计能让 AI 像人类一样循序渐进学习，避免因场景单一导致的能力固化。环境必须提供清晰、及时的结果反馈，这是 AI 调整策略的核心依据。AlphaProof 在数学环境中通过证明有效性即时判断行动价值，生成数百万条新证明，正是得益于明确的反馈机制。Karpathy 特别提醒，模糊的奖励函数会误导学习，因此反馈需如科学实验结果般可验证、可量化。环境能精准模拟现实、覆盖多元任务、提供明确反馈时，通用智能体的诞生才真正具备了土壤。#有点东西##AI创造营##微博兴趣创作计划# 种斌Marco的微博视频

67. 国内 AI 红包大战砸钱几十亿，根本不是抢流量，而是一场生态围剿！阿里、腾讯、百度疯狂撒钱，拼的不是模型参数，而是谁的生态更牢、场景更深、入口更狠。脱离生态，再强的 AI 也只是实验室玩具；绑定生态，才能真正渗透生活、落地变现。国外巨头早已用行动证明：OpenAI、Anthropic、Meta，全都在疯狂绑定生态、打通场景，而不是死磕纯技术。事实很残酷：技术决定下限，生态决定上限！为什么有的 AI 技术顶尖却没人用？为什么撒点红包就能暴涨千万日活？看完你会彻底明白：未来 AI 的胜负，从来不在实验室，而在生态战场！ #过个有AI年##HOW I AI##微博超有用视频大赛##上微博涨知识##AI创造营# http://t.cn/AXtJoVwi

68. 三句话让claude为你把绘本变成视频

69. AI智能体的5种设计模式如果你想尽早开始AI智能体的设计之路，那么这里给大家分享的5种设计模式，从最朴素的全托管的AI代理，到分工协作的多代理模式，到AI认知推理模式，最后再到结合AI的工具增强。未必哪一种能够胜任所有的挑战，选择一个适合应用场景的模式，或者把它们组合起来，才能发挥AI最大的优势。（图：译数据AI）

70. Skill Creator：构建 AI 智能体的skill技能。很多人在用 Claude Code 或 OpenClaw 时，慢慢就自己摸出了一套工作流——比如"我每次都先这样，然后那样，再加一个脚本"。Skill Creator 提供了一套结构化的框架，让你把这种高频工作模式固化成一个 Skill，然后：1. 保存下来，永久复用2. 根据测试反馈迭代改进3. 通过量化评估来验证有没有真的变好4. 最后打包分享给团队核心机制：Draft → Test → Review → Improve → RepeatSkill Creator 的设计逻辑很工程化：1. Draft定义 Skill 要做什么、什么时候触发、输出格式写成 SKILL.md —— 这是核心，包含人类可读的指令 + 元数据目标：200-500 行清晰的文档，不堆砌2. Test写 2-3 个现实场景的测试用例关键：不只跑一遍，要同时跑"用这个 Skill"和"不用 Skill"两个版本（baseline）捕获：时间、token 消耗、输出质量3. Review启动一个交互式评审界面（浏览器），可视化对比两个版本用户逐个看，打反馈，可以看定性输出（文件内容）和定量数据（性能指标）关键：提前草稿量化评估（assertions），而不是等结果出来再想4. Improve根据反馈改 Skill重新测试到新的 iteration和上一版本对比，看有没有真的变好5. 反复直到满意项目：github.com/anthropics/skills/tree/main/skills/skill-creator#HOW I AI# #程序员#

71. 李继刚分享的“Prompt Engineering的100个基本”Prompt Engineering(提示工程)不是魔法咒语，而是一门“人机对齐”的通信艺术。它试图用结构化的自然语首，去驯服一个本质上基于概率统计的随机鹦鹉，让它在无限的可能性中場缩出你想要的那一种结果。#科技先锋官#

72. OpenAI 发布基于 GPT-5.2 的Prism，专注科研领域的AI协作。科研人能用它来做些什么？

73. 未来员工离职后，或许根本无法真正“脱身”，反而会被企业炼制成AI数字人，留在系统里永久赛博打工，成为没有休息、没有情绪、永不反抗的免费劳动力。这并非天马行空的科幻想象，而是依托现有AI技术就能落地的残酷可能。#满谈职场##满谈科技#如今，大模型的学习能力早已突破想象，尤其是skill类专业大模型，具备极强的文本、对话与工作逻辑复刻能力。对企业而言，打造员工AI数字人分身的成本极低、流程极简单。员工在职期间，所有的工作聊天记录、项目对接文档、会议纪要、汇报话术、业务处理流程、甚至是和客户的沟通习惯，都会被企业完整留存。这些看似零散的内容，恰恰是训练AI的绝佳数据素材。企业只需将某个员工相关信息导入大模型，让算法全方位拆解学习员工的工作逻辑、语言风格、业务思路、处理问题的方式，短短时间内，就能生成一个和原员工工作能力、业务模式高度重合的AI数字人分身。这个数字分身的“永久员工”，完美继承了离职员工所有的工作技能，却摒弃了人类所有的“短板”，不需要发工资、不需要交社保、不会抱怨加班、不会请假休息、不会提出离职，更不会有情绪内耗，还能24小时工作。AI时代的到来，将让资本完成对打工人最极致的压榨。打工人在职时，用时间和精力换取微薄的报酬，承担着业绩压力、职场内卷、随时被优化的风险；好不容易熬到离职，以为能彻底告别职场束缚，却没想到自己在职期间的所有工作痕迹，都成了企业训练AI的养料，真人不仅被取代，还可能面临被行业淘汰。需要思考的是，员工的工作数据、个人表达习惯，究竟属于个人还是企业？企业未经明确授权，将员工的工作内容用于AI训练，打造数字分身，是否侵犯了个人的数字权益？这些AI数字人创造的价值，全部归企业所有，而作为原型的员工，却得不到任何回报，本质上是一种无形的数字剥削。

74. Obsidian AI 的4种使用方法知识管理效率完全不同了

75. #Easy同学正在独立开发# 方糖 OPC 技能发布，《一人企业方法论》的可执行版本来啦。最近打算更新下《一人企业方法论》，但感觉TXT 不如 EXE，于是做成了智能体可以用的 Skill，来和 AI 一起创建和优化你的一人企业吧。---官网上有一个实例，我觉得效果还行… 当然，执行比想法更重要网页链接

76. 终于，我用AI治好了"只收藏不学习"的坏毛病（附全自动工作流）

77. Muratcan Koylan 这篇个人大脑操作系统（Personal Brain OS）的构建思想值得借鉴！本质上是一种基于文件系统的上下文工程架构。该系统摒弃了传统的数据库，转而使用 Markdown、YAML 和 JSONL 文件来存储个人的职业目标、沟通风格、社交网络和决策逻辑。通过分层指令体系和渐进式披露机制，AI 智能体能够精准获取所需信息，从而避免了重复输入背景或指令冲突的问题。作者强调，提升 AI 效能的关键在于结构化的信息架构而非单纯的提示词技巧。这种方法不仅让 AI 能够模拟个人的判断力与风格，还通过自动化脚本实现了内容创作和人脉管理的深度协同。 #HOW I AI##科技#

78. 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#

79. #OpenClaw都能做什么#OpenClaw的爆火，让“能做事的AI”从概念落地现实，它打破传统AI仅被动对话的局限，凭主动执行、全场景适配的特性，成为AI智能体发展的重要探索，或引领下一代AI应用方向。它能实现办公自动化，快速检索文件、填充报表、批量处理文档；可完成跨工具协同，联动多平台实现指令一次下达多端执行；能提供全流程代码辅助，生成代码、排查Bug甚至开发简易App；可搭建私有知识库，快速检索并整合多格式内容；还能实现设备智能监控，主动检查任务、预警故障。此外，其开源属性让开发者可无限拓展功能，虽尚存部署门槛与安全问题，但它让AI从“对话助手”变成“数字员工”，这种落地性的突破，正是未来AI的核心发展方向。#how i ai# http://t.cn/AXVbL8bn

80. 夸克接入阿里Qwen闭源模型，上线对话式AI助手，不仅能搜索还能连续对话。#夸克真的吃了个豆包# 不过夸克和豆包还是有明显的差异化，用夸克AI自己的话说：“专业深度选夸克，日常全能选豆包”。大家平时用AI更多是专业深度内容还是日常内容搜索呢？

81. #李少红称AI不能独立创作# 导演李少红的“人机共创”论，点透了AI在创作领域的定位：它是技术工具，而非独立主体。影视行业中，AI可快速生成场景、处理后期，但故事架构、人物塑造等关键环节，仍需人的深度参与。与其纠结AI是否会取代创作者，不如学会与AI协作，让创意借助技术绽放更大价值。#智变之时#

82. #余承东首发体验小艺管家6.0#小管家能精准调出去年的合影，还把灯光聚焦上去的那一刻，确实显得技术更有真温度了。这个操作挺有意思的，它需要AI记住时间、地点、人物关系，还要理解温馨氛围这种模糊指令。技术层面是端侧记忆+多模态理解，但用户感知到的就是它懂我，这种情感化的交互设计，还是有点点浪漫的。如果换个场景，如果你和你的另一半在家里，那心情和氛围是不是又不一样啦？#AI管家比人还懂浪漫#

83. #Seedance必玩提示词模板#千万码住🔥即梦3.0导演级运镜提示词，拿去抄‼在练习AI试试的时候发现运镜提示词真的太重要的，会写运镜提示词，直接把画面效果提升100倍！#HOW I AI##过个有ai年# seedance必玩提示词模板

84. AI的人机协同

85. 第一章生成式 AI 的智能化辅助，重新理解用户洞察

86. AI交付快，为何不敢交？

87. Spec约束编程

88. 如何精准给AI下指令

89. 与AI高效沟通

90. “写作者危机”是对人文精神的再次呼唤

91. 信息学院举行“AI时代的科研写作与投稿经验分享”辅导讲座

92. 年终总结不能让AI主笔

93. 使用AI做头脑风暴

94. 与生成式AI协同思考

95. 警惕过度依赖人工智能

96. 驾驭AI:别让“智能助手”变成“思考杀手”

97. 用好 AI 效率工具:普通人也能掌握的 3 个实用工作技巧

98. AI助手监控团队合作,促进有效协作

99. 从灵感到成品:人工智能在写作中的角色

100. 用AI做信息交叉验证——3个Prompt模板，30秒辨真假

AI协作效率翻倍：打工人必备的5大避坑指南，告别无效输出

精选参考来源