提示词工程

28_AI智能体提示词工程之动态加载意图识别提示词模板的最佳实践在现代化企业级AI应用中，意图识别承担着"对话路由器"的关键角色：AI智能体系统设计相关文章： 👉《01_AI智能体系统设计之系统架构设计》 👉《02_AI智能体系统设计之钉钉消息处理流程设计》 👉《03_AI智能体系统设计之Agent决策流程设计》 👉《04_AI智能体系统设计之工具调用人工干预机制深度解析》

大型语言模型基础之 Prompt Engineering：打造稳定输出 JSON 格式的天气预报 Prompt在大型语言模型 (LLM) 如 GPT、Claude、文心一言等快速发展的今天，我们与 AI 的交互方式正在发生深刻变革。Prompt Engineering（提示词工程）作为连接人类意图与 AI 能力的桥梁，其重要性日益凸显。

程序员做视频难在哪？可能是文案这一关写了十年代码，最近想做技术分享视频。拍摄设备买了，剪辑软件学了，就卡在文案上——不知道怎么开头，不知道怎么组织内容，更不知道怎么让观众看下去。

AI-Native 能力反思(三)：Prompt Engineering 自我提升神器与 AI 交互，不止是为了获取答案，更是为了照见自己思考和沟通的不足。当你学会让 AI 理解你时，你实际上是在学习如何更好地思考、表达和协作。

分享一个知乎高赞回答生成AI指令：让技术人也能写出有深度的回答作为程序员，我们在知乎上经常遇到这样的场景：技术人写作和写代码完全是两回事。代码讲究逻辑严谨，而写作需要故事性、共鸣感和可读性。这个矛盾让很多技术大牛的优质经验无法有效传播。

从指令到智能：大型语言模型提示词工程与上下文工程的综合分析在与生成式人工智能模型（尤其是大型语言模型，LLM）交互的领域中，提示词工程（Prompt Engineering）构成了最直接、最基础的控制层面。它既是一门精确的科学，也是一门需要创造力的艺术，其核心在于设计和优化输入指令，以引导模型产生期望的输出。

AI智能体赋能文化传承与创新领域：社群身份认同的数字空间重构与文化融合策略为一个生活在多元文化社会中的移民社群设计一个数字平台，旨在帮助其成员在保留原生文化认同、应对文化冲击的同时，促进与主流社会的积极文化融合，并处理数字原住民与长辈的代际差异、身份固化与流动性、歧视与赋能。

大模型面经（一） Prompt + RAG + 微调目录大模型微调问题一：领域微调中，如何平衡 “领域知识习得” 和 “通用能力保留”？问题二：SFT 后模型出现 “指令遵循能力下降”

Prompt Programming - 用文字重构AI智能体系在大型语言模型（LLM）驱动的AI时代，提示词工程似乎已成为通往智能应用的核心路径。然而，仅仅停留在“如何更好地提问”的表层，已无法满足日益复杂的AI系统需求。本文将深入解析一种面向未来的核心技术范式——Prompt Programming：用文字编写代码。我们不再将提示词视为简单的指令，而是将其升格为可运行、可调试、可复用、可组合的“认知程序”。本文将带领读者审视Prompt Engineering的局限，无缝过渡到Prompt Programming的工程化实践，涵盖函数式、过程式、面向对象及条件逻辑

分享一个知识工程师单体智能体的简单提示词# 0. 核心指令 (Core Directive)# I. 角色核心定位 (Core Identity)

基于洞察的智能编程法——从直觉到代码的原型炼成术在 AI 辅助编程的时代，我们的代码不是写出来的，是浮现出来的愿景在监督下生成出来的。AI 辅助编程正经历变革：从生成胡话，到生成几十行的片段，到生成单个文件，到连续按 Tab 批量修改代码，再到如今一句话生成一组小网页、一句话改好几个文件的引导式开发。

大模型提示词Prompt工程：2-全攻略+最佳实践框架+原理解析+实战案例库+七招要诀作为一名拥有多年大模型开发经验的算法工程师，我深知提示词工程在人工智能应用中的核心地位。提示词不仅是用户与AI模型沟通的桥梁，更是释放模型潜能的关键钥匙。本指南将深入解析9大经典提示词框架，从理论原理到实战应用，帮助您掌握与大模型高效交互的艺术。

如何让AI真正理解你的需求Hello，大家好，我是程序员海军, 全栈开发 |AI爱好者｜独立开发。上周有幸被受邀参加了火山引擎的PromptPilot产品发布会，说实话，这次会议让我对大模型落地有了全新的认知。

【AI】AI 评测入门（二）：Prompt 迭代实战从“能跑通”到“能落地”“Prompt 不是写出来的，是测出来的。”——这是我迭代 5 个版本后，最深的体悟。上一篇《AI 评测入门（一）：先搞懂你的数据集)》，我们讲了标签体系、自测集、评测集、Langfuse 数据结构化——那是 AI 评测的地基。

提示词工程：方向性刺激提示 (Directional Stimulus Prompting)方向性刺激提示 (Directional Stimulus Prompting)。这是一种非常强大、直接且高效的提示技术，旨在精确控制大型语言模型（LLM）的输出格式、结构、风格或思考路径。

产品经理独孤虾

流程优化点识别与分析：从混沌到清晰的产品体验突破法内容简介: 产品流程优化传统分析需要数周时间，且常陷入经验盲区。本文揭秘基于DeepSeek的SPEED分析框架，让产品经理在5分钟内完成从流程瓶颈识别到优化方案设计的全链路分析，发现隐藏断点，实现从"凭感觉优化"到"科学化改进"的认知跃迁。 #产品经理必备 #流程优化 #DeepSeek应用 #效率提升 #AI工具 #业务分析 #提示词工程 #实战案例

MCP提示词工程：上下文注入的艺术与科学🌟 Hello，我是摘星！🌈 在彩虹般绚烂的技术栈中，我是那个永不停歇的色彩收集者。🦋 每一个优化都是我培育的花朵，每一个特性都是我放飞的蝴蝶。

有才不一定有德

深入剖析 MetaGPT 中的提示词工程：WriteCode 动作的提示词设计今天，我想和大家分享关于 AI 提示词工程的文章。提示词（Prompt）是大型语言模型（LLM）生成高质量输出的关键，而在像 MetaGPT 这样的 AI 驱动软件开发框架中，提示词的设计直接决定了代码生成的可靠性和效率。本文基于 MetaGPT 框架中的 write_code.py 文件，详细剖析其提示词模板、设计分析、任务流程以及值得借鉴的经验。如果你对 AI 代理、代码生成或提示词优化感兴趣，这篇文章将为你提供宝贵的洞见。

橙子小哥的代码世界

面向超大规模模型的提示词工程一段话看懂对百亿乃至千亿参数的大语言模型（LLM）来说，“让模型做好题”有两条主线：提示工程——0 参数就能用，关键是给出“好提示”。

脚踏实地的大梦想家

【ICL】上下文学习随着模型参数规模与训练数据量的持续增长，大语言模型涌现出上下文学习（In-Context Learning，ICL）能力。该能力，使语言模型无需再针对某个任务特定训练一个模型或者在预训练模型上微调，而是通过上下文，快速适应下游任务。这种通过页面或者 API 能够及其快速适应下游任务的模式，也被称为“语言模型即服务（LLM as Service）”。