prompt

prompts.chat:02-anatomy-of-effective-prompt一个有效的提示词通常包含以下部分中的一部分或全部：让我们逐一详细审视每个组件。设定角色可以让模型的回复聚焦于某个特定的专业领域或视角。

prompt engineer，context engineerPrompt Engineering（提示工程）和 Context Engineering（上下文工程）是 LLM 应用开发中两个紧密相关但层次不同的学科：

城事漫游Molly

用AI提炼研究问题与假设的完整提示词——从模糊想法到精准RQ/Hypothesis，AI辅助精化全流程📌 写在前面研究问题（Research Question, RQ）和假设（Hypothesis）是整个科研过程的基石。它们就像灯塔一样，照亮你数据收集的方向、分析的焦点、论文写作的逻辑。

提示词（Prompt）介绍：核心概念、主流框架与权威认证提示词（Prompt）是与大型语言模型（LLM）或生成式 AI 进行交互的核心指令。它是一段精心设计的文本输入，用于引导 AI 模型生成符合预期的、高质量的文本、代码、图像或其他格式的输出。

岁岁养乐多

Claude Code 的 Prompt 工程：从静态分离到缓存优化的深度解析揭秘一个 AI 编程助手如何在每次请求都发送完整提示词的情况下，依然保持惊人的响应速度和低廉的成本作为一款基于 Claude 模型的命令行编程助手，Claude Code 在效率与成本控制上的表现令人印象深刻。它能够在每次 API 调用都发送完整系统提示词的前提下，依然保持极快的响应速度和较低的使用成本。这背后的秘密，是一套精心设计的 Prompt 工程体系。

提示词基础：什么是Prompt以及它为何如此重要读完这篇文章，你将掌握：很多人一听到"Prompt"这个词，第一反应是"输入框里打字的地方"，第二反应是"把想问的问题写进去就行"。这个认知从操作层面没错，但从本质层面错得离谱。

提词的艺术：Few-shot、CoT、Function Calling、ReAct 与自洽性 —— Prompt 工程六技Prompt 工程是释放大模型能力的关键技术。本文从 Few-shot 学习、思维链 CoT、函数调用 Function Calling、ReAct 推理行动、自洽性 Self-Consistency、Prompt 模板工程六个切口，给出源码级实现与企业级 Prompt 决策框架。

学习日记525

【提示词工程 02 理解大模型】本章围绕大语言模型（Large Language Model, LLM）的底层运行逻辑展开，从文档补全的本质定位、文本分词的处理方式，到逐令牌生成的自回归机制，系统讲解大模型的工作原理、能力边界与典型特性，为后续提示工程的学习建立完整的理论基础。

内向的小熊猫

从 Prompt 到 Loop：理清 AI Agent 工程的概念演进如果说传统机器学习的调参是需要考虑特征权重与统计边界的寻优，而深度学习时代的调参是摸索网络架构与梯度下降的动力学，那么 LLM 时代的‘调参’就是 Prompt Engineering——通过自然语言的上下文来激活知识与对齐意图。

业务智能体实战笔记:分层消除不确定性(一)｜总纲:把不确定性从 LLM 侧转移到工程侧系列说明:这是「业务智能体准确率从 65% 到 85%」系列的第一篇,共 5 篇。首篇讲主线和全景,后 4 篇按四层方法论分别展开。文末有系列导读。

Agent Skill 是什么？不是保存 Prompt，而是 Agent 的可复用能力包很多人一听到 Skill，就以为它只是“把一段 Prompt 保存起来，下次继续用”。这个理解太浅了。

阿拉斯攀登

Prompt 工程与答案生成优化检索到了相关内容，不代表大模型就能答好。怎么让模型基于资料回答、不编造、引用来源、格式规范？这篇讲 RAG 的 Prompt 设计、减少幻觉的技巧、答案格式控制、以及常见问题的应对方法。

爱吃大芒果

AI 智能体工作流设计蓝图：将非结构化情绪记录转化为高精度的模型 Prompt 上下文在“AI-Native（AI 原生）”应用的浪潮中，我们正经历着软件交互范式的根本性重构。传统的应用程序是被动的“记录者”，它们忠实地将用户输入的数据存入数据库，等待用户主动去检索或查看统计图表。而接入了大语言模型（LLM）的现代应用，则被赋予了主动的“感知与共情”能力。

DSPy 采用笔记：先证明 LLM 程序合同，再谈 Prompt 优化# 试用 DSPy 前，先证明你的 LLM 流程有“合同”DSPy 很容易被讲薄。如果只说它是“更高级的 prompt 写法”，第一轮试用大概率会跑偏。更合适的问题是：你的语言模型流程能不能被表达成一个小程序，里面有明确输入、明确输出、固定样例、可查看 trace，并且允许优化器调整提示词，但不改变业务边界？

【4】Prompt 提示词工程

Vibe coding游戏实战：零代码编程五子棋小游戏说出来你可能不信——就在上个月，我一个连Python都没装过的文科生朋友，用AI花了不到半小时，做出了一款可以在浏览器里玩的五子棋游戏。不是我帮他写的，是他自己对AiPy说了几句话，游戏就出来了。

AI Agent 入门与实战：从对话到干活，理解下一代AI工作方式一、背景 2026年上半年，AI行业最重要的一次范式转移已经发生。从ChatGPT到Claude，从豆包到DeepSeek，我们熟悉的大语言模型正在从"对话工具"演变为"执行者"。这种新的AI形态被称为Agent——AI智能体。

Prompt工程设计实践：从基础模板到场景化策略本文基于2026年6月实践整理。Prompt工程的关键不是收集模板，是理解不同场景下的设计策略。梳理6个核心策略及对应模板。

AI Prompt 工程化设计最佳实践（Harness Engineering）大多数开发者与 LLM 交互时，是把 prompt 当作"自然语言对话"来写的：工程化的做法是把 prompt 当作代码来管理——有输入、有处理逻辑、有输出格式、有错误处理：

风雨中的小七

解密Prompt系列70. 从 MLA 到 CSA，聊聊大模型 Attention 的“瘦身”与“闪送”最近做了太多应用层的事，底层原理反而搁置了。趁着放假，围绕 Attention 机制，聊聊这两年注意力架构的技术演化路线。全文覆盖三个方向，每个方向都是上一个方向的"接力棒"：