提示词工程

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）”。

Prompt 工程在编写 Prompt 时，我们可以使用各种标点符号作为“分隔符”，将不同的文本部分区分开来。分隔符就像是 Prompt 中的墙，将不同的指令、上下文、输入隔开，避免意外的混淆。你可以选择用```，“”"，< >，，: 等做分隔符，只要能明确起到隔断作用即可。

大模型提示词推理架构对比：ReAct/CoT/ToT人工智能（AI）已不再只是一个流行词——它是驱动现代问题解决的引擎。但AI究竟是如何“思考”的呢？这就涉及到了推理框架。在本文中，我们将探讨三种关键框架：ReAct（推理与行动）、思维链（Chain-of-Thought, CoT）和思维树（Tree-of-Thoughts, ToT）。你可以将这些框架视为AI用来应对挑战的“思维模式”。每种框架都提供了独特的工具，帮助AI分解复杂问题、进行推理并适应新情况——所有这些都以一种模仿人类思维的方式完成。

大语言模型提示技巧（八）－防止胡说八道自然语言往往充满歧义和模糊性，模型在学习时可能会产生误解或错误理解一些概念，导致生成不准确的信息。为了尽量减少这些问题，研究人员和工程师会使用更大规模、更多样化和更准确的训练数据，调整模型架构，以及使用更先进的训练技术。但是自然语言本身就是复杂且充满挑战的，完全消除这些问题可能是非常困难的。所以，在使用大语言模型时，我们会发现它有时候会编造一些胡说八道的信息。上述两个模型的回复信息都完全是虚假的，但模型会一本正经地给出回复，甚至介绍了实现原理。可见“胡说八道”是大语言模型的通病。甚至曾经有人在法庭文书中

大语言模型提示技巧（七）－扩展扩展是将较短的文本，例如一组提示或主题列表，输入到大型语言模型中，让模型生成更长的文本。我们可以利用这个特性让大语言模型生成基于某个主题的电子邮件或小论文。通过这种方式使用大语言模型，可以为工作与生活提供诸多便利，而即便不能获得满意的结果，大型语言模型也将是一名优秀的头脑风暴的伙伴。当然，如果以不负责任的目的使用这种功能，也可以快速产生大量垃圾内容，所以我们在使用大语言模型时须谨记我们的社会责任。继续以本系列文章前面曾使用过的网购客户评价为例，利用扩展可自动生成对评价的回复，提升客户购物的良好体验。你

大语言模型提示技巧（六）－文本转换大语言模型是基于自然语言的人工智能，所以它在语言上的表现相当出色，使用大语言模型进行可以进行诸如翻译、语气转换、润色、语言评价、扩写、润色等语言处理，对于日常文字工作，它是一名合格甚至优秀的私人秘书。（一）翻译在不同语言之间进行翻译是众多大语言模型都支持的特性，相对于翻译软件而言，语言模型的翻译往往更加出色，并且它可以根据指定的场景翻译出更地道的语言。请将以下由双引号包含的文本翻译成中文，分别展示成正式与非正式两种语气： "Would you like to order a pillow?" 上述示

大语言模型提示技巧（五）－推断大语言模型具备从文字中推断情感和主题的能力。这种能力可用于获知客户对产品评价的情感、新闻或媒体文章的主题或倾向等。大语言模型的这种推断能力可被应用于舆情分析等场景。推断可以看作是模型接收文本作为输入并执行某种分析的过程，其中涉及提取标签、提取实体、情感分析等。如果想要从一段文本中提取正面或负面情感，在传统的机器学习工作流程中，需要收集标签数据集、训练模型、确定如何在云端部署模型并进行推断。传统机器学习的这种做法也能达到还不错的效果，但是显然这个过程需要大量工作，而且对于每个不同任务，如情感分析、提取实体