提示词工程

从第一性原理构建 AI Agent：提示词、工具、技能与记忆全解剖原文：Sarvam AI Blog - 《Building AI Agents: A First-Principles Guide》（https://www.sarvam.ai/blogs/building-ai-agents）

6.1 旅游出行旅行的前期准备工作量并不小。一次像样的自由行，光是研究攻略、规划路线、整理行李、估算费用，往往要花好几个晚上，还不一定做得全面。更常见的情况是，行程没想清楚就出发，到了当地再临时查，结果漏掉了很多值得去的地方，或者在路线上走了冤枉路。

6.3 美食烹饪做饭这件事，难点往往不在厨艺，而在决策冰箱里剩了几样食材，不知道能搭出什么；或者想请朋友来家里吃饭，不确定做几道菜、怎么搭配才显得用心；又或者想吃得健康一点，但设计食谱又嫌麻烦。

段一凡-华北理工大学

大模型应用开发 100 天：Python + LLM 从入门到精通 day26~Prompt 调试与优化——A/B 测试与效果评估🔖 阶段三：Prompt Engineering 深度实战（Day 21 - Day 30）写好一个 Prompt 只是开始。真正的挑战是：如何知道你的 Prompt 好不好？如何系统地优化它？今天我们将学习 Prompt 的调试技巧和量化评估方法，让 Prompt Engineering 从"凭感觉"变成"有数据"。

段一凡-华北理工大学

大模型与智能体在工业的应用~系列文章03：提示词工程：与大模型正确对话的“说明书“很多工业朋友第一次用大模型都"很失望"——问它个专业问题，给出一堆泛泛而谈的大道理，一点"干货"都没有。其实问题多半不在模型，而在你提问的方式。大模型的能力上限觉醒于"你喂给它的那句话"。提示词工程（Prompt Engineering），就是教你学会"正确指路"——用结构化的方式引导大模型给出高质量、可落地、贴合行业场景的答案。本期讲透角色设定、Few-shot、CoT、结构化输出的实战技巧，并附钢铁场景的正反例对比。

阿昌喜欢吃黄桃

提示词工程：User Prompt 与 System PromptHi，我是阿昌，今天记录一下提示词工程，重点记录User Prompt和System Prompt这两个概念。

Agent Skill 是什么？概念、架构与开发指南SKill就是面向Agent编程、自然语言（提示词）脚本。节省Token、节省心神、节省时间。一次对话，敲定一个Skill，后续直接复用无需再与大模型重复对话。

AI 测试用例生成总跑偏？六维封装法让 Skill 从“能用“变“好用“测试用例 Skill 写不好，AI 生成的用例不是幻觉编造就是输出格式三天两头变——问题不在 AI 不够聪明，而在于你的 Skill 没做"封装"。本文提出「六维封装法」：边界锚点 / 角色方法论 / 正反样本库 / 粒度层级 / 输出契约 / AI 自检，六个维度系统化封装一个高质量 Skill。文末附可直接照搬的 Checklist 与 Skill 模板骨架。读完后你能得到：一个能稳定输出、可入库、可演进的高质量 Skill 工程方法论。

从零到一搭建企业级智能问答系统：第2章 · 提示词工程管理# 情况 2：更危险 —— 内容里的占位符被意外替换问: 等于该符号, 用户宣称: 用户发出的询问为, {query} 这个内容, 其具体所表达的含义是什么, 此句的意思是。

2025-2026年AI提效与实践大厂面试高频问题本文基于八股精的「AI提效与实践」题库约 854 条有效面试记录（覆盖 2025-2026 年），统计了各大厂在 AI 提效方向的考察侧重与代表真题，帮助求职者看清"公司在招人时考什么、怎么考"。

提示词工程大模型基础流程：用户输入 → 模型输出。想要理想结果，提问要详细、清晰、有逻辑、可提供参考材料。所有技巧的根基：清晰表达需求，如同人与人沟通，指令模糊，模型输出就会跑偏。

关于大模型LLM的应用技术栈简记最近各种花里胡哨的技术，看得我眼花缭乱的。抽空思考了LLM应用技术的本质内核，这里简单记录一下，以便后续展开实践。

AI大佬的小弟

大模型名词精讲 03：Prompt不知道小伙伴们有没有过这种经历：同样用 ChatGPT，别人写的 Prompt 一扔进去，出来的结果又专业又好用；我们吭哧吭哧写了半天，出来的东西却总感觉 "差点意思"。

GitHub深度工程评测：AI 系统提示词泄露知识库深度评测：6万星system_prompts_leaks情报资产背后，藏着什么？从 Claude 到 ChatGPT 到 Gemini，全球最全的 System Prompt 工程样本库

weixin_43993064

图片转PPT的提示词参考请把这些图片逐页重建为真正可编辑的 PowerPoint 文件，并在视觉上尽可能忠实于原图。你的首要目标不是重新设计或美化，而是“高保真复刻”。除非我明确授权，否则不得擅自修改原图中的文案、版式、配色、字体层级、装饰元素或视觉风格。

AI大佬的小弟

提示词工程（2）---提示词工程核心概念与五大设计原则详解前面给小伙伴们铺垫了提示词的基础认知，今天和大家一起入门提示词工程核心知识点，这是玩转AI、用好大模型的核心技能，零基础也能轻松看懂！话不多说，我们直接开启今天的学习旅程！

100个铜锣烧

高级提示技术：Chain-of-Thought与ReAct——让大模型学会“思考”和“行动”在上一篇文章中，我们学习了Zero-shot和Few-shot提示——它们解决的是“如何让模型准确理解问题并给出格式正确的答案”。但一个更深层的挑战很快就会出现：当任务需要多步推理、逻辑链较长，或者需要模型调用外部工具时，单纯的“提问-回答”模式就不够用了。

带娃的IT创业者

解构黑盒：从开源项目看顶级大模型系统提示词的演进与安全边界在当今的人工智能开发领域，大语言模型（LLM）早已不再是简单的“对话机器”，而是演变成了具备复杂逻辑、工具调用能力和多模态处理能力的智能体。对于中级开发者而言，理解这些模型如何“思考”并不仅是为了满足好奇心，更是为了在实际工程中更精准地控制模型行为，减少幻觉，提升系统的鲁棒性。

倔强的初学者

呼入智能客服提示词工程实战：从方法选型到框架融合的「最优解」当客户带着怒气来电，AI客服如何在1秒内既理解问题、感知情绪，又给出准确答复？这背后的Prompt工程，远比你想象的复杂。

AI大模型学习第十一天：技术选型、安全防护与金融实战你有没有遇到过这种情况：让 ChatGPT 帮忙总结一篇文章，它却写了一堆废话；让它分类一段文字，它自己编了个新类别；让它抽取关键信息，它反而给你“脑补”了原文没有的内容……