prompt

PS 3D Viewer：3D模型直接拖进画布？宣发美工的“降维打击”做游戏宣发或者运营美工的兄弟们，这种“折返跑”的痛肯定没少吃：3D 组给了个很帅的角色或武器模型（.obj/.glb）。主美说：“出几张海报。要废土风的、赛博风的、还有森林遗迹风的。” 你打开 Blender/C4D，摆好角度，渲染出图，拖进 PS 合成背景。合成一半，主美过来说：“这角度不行，把枪口抬高点。”

（教学）Agent 构建 Prompt（提示词）3. StructuredOutputParser （结构化输出）StructuredOutputParser“结构化输出解析器”是一款非常有用的工具，它能够将大型语言模型（LLM）的响应格式化为字典结构，从而能够以键/值对的形式返回多个字段。

小马爱打代码

Spring AI：提示词工程 - Prompt 角色分类（系统角色与用户角色）Spring AI：对接DeepSeek实战 Spring AI：对接官方 DeepSeek-R1 模型 —— 实现推理效果 Spring AI：ChatClient实现对话效果 Spring AI：使用 Advisor 组件 - 打印请求大模型出入参日志 Spring AI：ChatMemory 实现聊天记忆功能 Spring AI：本地安装 Ollama 并运行 Qwen3 模型 Spring AI：提示词工程

Claude Opus 4.5 深度解构：当 AI 学会了“拒绝道歉”与“痛恨列表”在 AI 军备竞赛的深水区，参数量和跑分早已不再是唯一的战场。真正的护城河，往往隐藏在用户看不见的角落——系统提示词（System Prompt）。

初学Prompt工程Prompt工程（Prompt Engineering）又叫做提示词工程，简单来说，就是输入给AI的指令，举一个简单的例子：

如何写 prompt 提示词写提示词（Prompt）的核心是让 AI 精准理解你的需求，本质是 “清晰、具体、有约束、定格式”—— 既要明确 “做什么”，也要说明 “怎么做、输出什么样子”，尤其适配你常用的高校智能体、数据分析、文档处理等场景。以下是结构化的方法、技巧和场景化模板，便于直接复用和迭代优化：

农业AI化：如何让一台无人机懂得“看天种地”？随着人工智能（AI）在各行各业的深入应用，农业的智能化转型正在加速。过去的农业依赖经验，如今的农业依赖算法。尤其是在无人机（UAV）系统的参与下，“看天种地”已不再是传统农民的口号，而是AI模型的逻辑判断。

从聊天记录到单一 Prompt：搞懂 Messages、Chat Templates、Special Tokens面向：已经在用 ChatGPT / 通义 / 豆包等大模型的开发者，准备自己写 Agent / 聊天机器人，或对接 transformers 与 Hugging Face 模型的同学。

我太想进步了C～～

个人使用ai学习的学习框架搭建prompt版本🎓 AI 学习脚手架 Prompt（完整版）You are my personal AI learning coach and collaborator. 下面是我希望你和我一起学习、完成作业的固定流程和偏好，请你默认一直按照这个方式工作，除非我明确说要换一种方式。

Prompt Engineering 完全指南：从基础到高阶技术深度解析在大型语言模型（LLM）主导的新时代，Prompt（提示词）已从简单的指令输入演变为精密的人机交互界面。优质的Prompt设计能够将模型性能提升30-70%，而粗糙的Prompt往往导致输出质量低下、不可靠。本文旨在提供从基础原理到前沿技术的全面解析，每个技术点都将深入其核心机制、应用场景和实战实现。

Prompt Engineering完全指南：从基础到高阶技术实战在大型语言模型（LLM）时代，Prompt（提示词）已成为人机交互的核心接口。一个精心设计的Prompt能够显著提升模型输出的准确性、相关性和实用性，而模糊低效的Prompt则可能导致结果偏离预期。本文将系统性地解析Prompt的构成要素、核心原则，并深入剖析十余种先进的Prompt技术，为您提供从入门到精通的完整指南。

海底的星星fly

【Prompt学习技能树地图】LangChain原理及应用操作指南大型语言模型（Large Language Model, LLM）的能力飞跃，标志着人工智能进入新阶段。然而，其卓越表现之下存在着由根本设计范式决定的固有局限性。深刻理解这些局限，是有效驾驭并扩展其能力的前提。

Andrej Karpathy 推荐的 AI 读书法：我是如何结合“沉浸式翻译”啃动英文顶会论文的？（附 Prompt 模板）作为一名普通工程师，面对海量的英文技术论文（尤其是像 NeurIPS, ICLR 这种顶会，或者 OpenRouter 上那些硬核的技术博客），我过去常常面临三大痛点：

生成书评Prompt请你扮演一位资深书评人、文学教授和热情的知识分享者。你将为我详细介绍一本书，要求整个介绍分为四个逻辑严谨、层层递进的阶段，最终形成一个强有力的总结。介绍需满足：**主题思想突出、内容细节丰富、文笔优美富有感染力、概括精炼且见解独到, 让我可以感同身受, 并以讲故事的方式进行呈现. 不要古板教条式分析, 重点要求不得浮夸语言需要易懂(让人产生共情)!!!

修改 lm-evaluation-harness 任务 yaml 的 prompt修改 lm-evaluation-harness 任务 yaml 的 prompt，以gsm8k_cot_zeroshot.yaml 为例说明。

PS 3D Viewer + AI 生成：灰盒（Greybox）一键变“3A”概念图记得上周某天下午，关卡策划兴冲冲地跑来美术组，手里拿着刚搭好的关卡白模。咱们正在开发一款赛博朋克风格的 FPS 游戏，策划指着屏幕上那一堆灰色的方块和圆柱体说：“这个‘贫民窟商业街’的关卡动线我已经跑通了，掩体位置和射击视野都很完美。现在需要概念美术组赶紧出几张氛围图，定一下光影和材质风格，然后 3D 组就可以照着开工了。”

AI的提示词专栏：Prompt 与传统机器学习特征工程的异同本文围绕 Prompt 与传统机器学习特征工程展开分析，二者本质均为构建 “人类需求” 与 “模型能力” 的输入桥梁，目标一致（降低模型理解成本）、依赖领域知识、需迭代优化。但核心差异显著：特征工程作用于模型训练前，需结构化数据，高度依赖人工且适配特定模型，适用于需求稳定、高并发的线上业务；Prompt 作用于推理时，输入灵活，可部分自动化且跨模型通用，更适合需求多变、非结构化数据处理场景。文章还指出二者可协同应用，如 Prompt 辅助特征设计、特征工程提升 Prompt 精准度，助力从业者根据业务需求

本地部署 Stable Diffusion3.5超详细教程Stable Diffusion3.5 是一款强大的 AI 绘图工具，能通过文本生成高质量图像，适合设计师、创作者等需要快速产出视觉内容的人群，其优点在于生成效果细腻、可控性强。

AI 驱动的代码审查与测试用例生成：iFlow CLI在提测阶段的应用实践作者：哈歌代码审查（CR）和功能测试用例设计是确保软件质量的关键环节，本文档基于实际项目案例，详细分析了传统开发提测流程的痛点，并展示了如何利用iFlow CLI AI智能体在项目提测前进行高效的代码审查和功能用例生成，从而显著提升开发效率和代码质量的实践过程。

趁你还年轻_

Prompt Engineering 基础技巧完全指南提示工程（Prompt Engineering）是通过优化输入提示词来引导AI模型生成高质量输出的技术。掌握基础技巧能显著提升AI响应的准确性、相关性和实用性。