prompt

程序员柒叔

Langfuse 项目概览项目名称：Langfuse 版本：3.140.0 开源协议：MIT License 官方网站：https://langfuse.com GitHub 仓库：https://github.com/langfuse/langfuse 项目类型：开源 LLM 工程平台（Full-stack Web Application）

Nano Banana Pro - Comprehensive Prompt CollectionThis project is licensed under the MIT License.OpenAI faces its darkest hour.

Prompt工程进阶:用角色扮演让AI成为领域专家你有没有想过,同样是ChatGPT,为什么有人能让它写出媲美专业作家的文案,有人却只能得到平淡无奇的回答?

OpenAI官方Prompt工程六大原则:从入门到精通如果你问我:“怎样才能让ChatGPT给出更好的回答?”,我的答案是:看OpenAI的官方指南。2023年12月,OpenAI正式发布了《Prompt Engineering指南》,这份文档浓缩了他们在大模型应用上的最佳实践。不是网上那些零散的技巧和经验,而是来自源头的官方标准。

MiniMax M2.1与GLM4.7的对比分析：哪个更强？随着人工智能和机器学习技术的飞速发展，各大厂商不断推出新的模型以满足日益增长的需求。在国内的AI模型领域，MiniMax M2.1与GLM4.7无疑是两款备受关注的代表性模型。在本文中，我们将对这两款模型进行深入的比较，分析它们的优缺点，帮助大家更好地理解它们的应用场景。

大数据追光猿

【Prompt】Prompt Caching：原理、实现与高并发价值在大模型（LLM）应用爆发的今天，成本高、延迟大、资源消耗重成为落地的核心瓶颈。而 Prompt Caching（提示缓存）正是解决这些问题的关键技术之一。

Agent基础：大模型交互与推理技术Prompt 工程、Function Calling、ReAct、Self-Refine以下是对四个紧密关联的大模型交互与推理技术——Prompt 工程、Function Calling、ReAct、Self-Refine——的系统化讲解。它们常被组合使用以提升大语言模型（LLMs）在复杂任务中的表现，尤其在构建智能 Agent 时。

用 Figma Make 提示词生成可交互应用原型：从入门到避坑这篇文章是为了分享本人在使用提示词的方式在Figma Make 快速产出可交互、可演示、可对接的应用原型时，所形成的经验总结和坑点补救指南。

semantist@语校

第五十七篇｜东京银星日本语学校的数据建模：高密度城市中的学习节律、制度边界与 Prompt 接口设计系列延续：日本语言学校结构数据工程关键词：东京银星日本语学校、东京中央区、教育数据建模、语言学校制度、学习节律、结构化字段、Prompt 设计、语校网

Figma Make 提示词设计：从布局、组件、交互到风格在网上看到了很多网友对于Figma Make 提示词的看法，总结来说：想到哪说到哪，每次需要生成与以往设计类似的设计需求时，还需要重新进行撰写提示词，而且生成的页面结果和以往的页面不一致，还出现组件乱、交互缺、风格飘等问题。在我使用Figma Make进行设计产品原型时，也深有体会，但有了些自己的经验总结：把提示词规范化，固定结构进行描述，常用组件的描述进行收纳归档。从而形成自己“可复用的 Prompt 框架”，让你从“描述很散”升级到“可稳定复刻、可迭代交付”的写法。

自不量力的A同学

Prompt Fill v0.5.0 发布Prompt Fill v0.5.0 是一个专为AI绘画（如Nano Banana、Stable Diffusion）设计的结构化提示词（Prompt）生成工具。它最大的特点是将复杂的Prompt编写过程简化为“填空式”交互，大大降低了使用门槛。

【深度长文】大模型应用开发指南：从概率原理到对话系统架构解析摘要：本文旨在揭示大语言模型（LLM）应用开发的底层逻辑。我们将摒弃浅层的提示词技巧，从 Token 预测的概率本质出发，解析 Prompt 的工程化结构，并深入探讨基于 LLM 的对话系统（Dialogue System）架构设计。最后，针对“私有数据库与公有模型结合”及“负向约束”等工程难题进行实战分析。

前端程序猿之路

AI大模型应用开发之Prompt 工程新手友好、可记忆、可复用用更好的提示词，显著提高任务准确率让模型“明白你是谁、要干什么、怎么才算干得好”。

上下文工程是什么，和Prompt、普通上下文区别上下文工程是一个比Prompt工程更广泛的概念，它涵盖了多轮对话中所有信息的组织和管理，而不仅仅是单次请求的提示词设计。

Vibe Coding提示词（Prompt）常见的6个坑很多人用Vibe Codng平台生成 UI，都会有一个相似的困惑：同样是 AI，为什么别人生成得又快又稳，我的却总是差点意思？

受伤的僵尸

Prompt工程-论文润色条件：gpt4及以上Could you please help me to ensure that the punctuation marks are correct in the following text? Do not try to improve the text, if no mistake is found, tell me that this paragraph is good. If you find mistakes in punctuation marks, please list

【快速入门】提示工程（PE,Prompt Engineering）：大模型时代的自然语言编程范式在人工智能从传统的判别式模型（Discriminative AI）向生成式模型（Generative AI）演进的过程中，人机交互的接口发生了根本性的位移。我们不再通过点击图形界面（GUI）或编写确定性的代码逻辑来指令机器，而是进入了语言用户界面（LUI）的时代。

《Prompt Engineering》报告地址：提示词工程白皮书这份《Prompt Engineering》白皮书是谷歌2025年发布的权威指南，涵盖提示工程的核心概念、技术、配置和最佳实践，非常适合从零开始系统学习。以下是为你梳理的学习路径+核心知识点+实操建议，帮你高效掌握：

【AI进阶】拒绝“人工智障”：掌握提示词工程（Prompt Engineering）的6大核心技巧在大语言模型（LLM）爆发的今天，很多人会发现：同一个模型，在不同人手里，效果天差地别。有人能用它写出高质量的代码和研报，有人却只能得到废话连篇的回答。

LLM函数调用（Function Call）：智能扩展AI能力2023年6月13日 OpenAI 公布了 Function Call（函数调用）功能，Function Call 允许开发者向 GPT-4 和 GPT-3.5-turbo 模型描述函数，模型会智能地选择输出一个包含调用这些函数参数的JSON对象。这是一种更可靠地将 GPT 的功能与外部工具和 API 相连接的新方法。