prompt

通过Prompt生成互动式网页HTML案例探索（二）之前提到了一些【通过Claude 生成图片的prompt集锦（一）】，本篇沿着试着用prompt生成互动式网页

风雨中的小七

解密prompt系列56.Agent context Engineering - 单智能体代码剖析近期关于智能体设计有诸多观点，一个关键点让我豁然开朗——无论智能体是1个还是多个，是编排驱动还是自主决策，是静态预定义还是动态生成，Context上下文的管理机制始终是设计的核心命脉。它决定了：每个节点使用哪些信息？分别更新或修改哪些信息？多步骤间如何传递？智能体间是否共享、如何共享？后续篇章我们将剖析多个热门开源项目，一探它们如何驾驭Context。本章聚焦单智能体设计，选取两个代表性框架：模仿OpenAI深度研究范式的Gemini-fullstack（编排式）与模仿Manus的OpenManus（自主

理解大模型智能体生态：从 Prompt 到 Agent 的完整信息流解析大语言模型（LLM）的应用正从单轮问答走向更复杂的智能体系统，具备“理解需求、拆解任务、调用工具、执行动作”一体化的能力。这个过程中，用户的输入（Prompt）只是开端，大模型如何组织上下文、调用外部工具、完成复杂任务，背后则涉及一整套协同机制。

雷羿 LexChien

从 Prompt 管理到人格稳定：探索 Cursor AI 编辑器如何赋能 Prompt 工程与人格风格设计（上）在当前大模型技术不断演进的背景下，我在本地部署和使用轻量大语言模型（LLM）过程中，逐渐意识到传统的聊天式交互已难以满足实际业务场景对稳定性、一致性和可控性的要求。

[论文阅读]Tensor Trust: Interpretable Prompt Injection Attacks from an Online GameTensor Trust: Interpretable Prompt Injection Attacks from an Online Game

上下文工程指南经过 DAIR.AI Academy几年前，许多人，包括顶级AI研究人员都声称，提示工程已经过时了。显然，他们大错特错。实际上，提示工程现在比以往任何时候都更加重要，重要到它现在被重新命名为"上下文工程"。是的，又一个时髦的术语，用来描述为LLM有效执行任务而提供必要指令和相关背景信息的重要过程。

你的Prompt还有很大提升与AI协作，Prompt（提示词）是沟通的桥梁。一个优秀的Prompt能让AI的输出事半功倍，而一个模糊的Prompt则可能导致南辕北辙的结果。如果你觉得AI的回答不够精准、缺乏深度，或者总带着一股“AI味”，那很可能是你的Prompt还有很大的优化空间。

2 大模型高效参数微调；prompt tunning近年来，以GPT为代表的大型预训练模型（Pre-trained Language Models, PLMs）在自然语言生成任务中表现出色。为了更好的适配下游任务，传统的全参数微调（Fine-tuning）需要为每个下游任务存储和更新数十亿参数，这对计算资源和存储成本提出了巨大挑战。针对这个问题，GPT3中提出了prompt工程，然而大模型对用户设计的prompt比较敏感，因而也难以保证效果。在此背景下，Prompt Tuning作为一种轻量高效的微调方法备受关注，仅需对每一个任务训练一个提示向量，就可以大

大咖分享课

自动化Prompt生成平台的研发体系设计一份轻松不啰嗦的自动化Prompt平台研发攻略在大模型应用爆发的今天，不写Prompt的工程师，正在变成“写Prompt的工程师”。

[论文精读]StruQ: Defending Against Prompt Injection with Structured QueriesStruQ: Defending Against Prompt Injection with Structured Queries

AI领域新趋势：从提示(Prompt)工程到上下文(Context)工程在人工智能领域，尤其是与大型语言模型（LLM）相关的应用开发中，一个新兴的概念正在逐渐取代传统的提示工程（Prompt Engineering），那就是上下文工程（Context Engineering）。本文将深入探讨这一转变背后的原因、上下文工程的内涵以及它对AI应用开发的重要意义。

通过Claude 生成图片的prompt集锦（一）摘录几个claude prompt来自：使用Claude、trae中的claude 3.5生成以下案例的示例内容

Prompt：提示词工程在LLM大放异彩的今天，一个简单的问题，可能就会引出一个方案，一篇散文，而驱动这一切的，正是输入的“提示词（Prompt）”

非英杰不图

论文阅读：Align and Prompt (ALPRO 2021.12)提出了一种新的视频 - 语言预训练框架 ALPRO，该框架对稀疏采样的视频帧进行操作，无需显式的对象检测器即可实现更有效的跨模态对齐，并在文本 - 视频检索和视频问答任务上取得了最先进的性能。

提示技术系列——链式提示什么是提示技术？提示技术是实现提示工程目标的具体技术手段，是提示工程中的“工具库”。什么又是提示工程？

Prompt Engineering Guide — 提示工程全方位指南Prompt Engineering Guide 是一个由 DAIR AI Lab 维护的开源项目，致力于系统性地总结和分享提示工程（Prompt Engineering）的理论与实践方法。随着大语言模型（如 GPT 系列、Claude、Gemini 等）的广泛应用，如何设计有效提示以发挥模型最大能力，成为当前人工智能领域的重要研究和应用方向。该项目以教程、案例和最佳实践为核心，帮助开发者和研究者快速掌握提示设计技巧，提升大模型交互的效率和效果。

Prompt Depth Anything：以提示方式驱动的Depth Anything用于实现4K分辨率下的精确米制深度估计Prompt 在释放语言和视觉基础模型在特定任务上的能力方面起着关键作用。我们首次将 prompting 引入深度基础模型，开创了一种用于米制深度估计的新范式，称为 Prompt Depth Anything。具体而言，我们使用低成本的 LiDAR 作为 prompt，引导 Depth Anything 模型输出精确的米制深度，分辨率最高可达 4K。我们的方法核心是一个简洁的 prompt 融合设计，将 LiDAR 融合到深度解码器中的多个尺度。针对同时包含 LiDAR 深度和精确 GT 深度的数据集数量

01 Prompt Enginering1.Prompt Engineering 提示词工程 Prompt 给人工智能模型输入文本或指令，这些指令引导模型生成特定的输出 Prompt Engineering：指在使用生成式人工智能模型（比如gpt-4)时，设计优化输入文本（prompt)的过程，以便获得期望的输出好的Prompt Engineering=提好的问题=包含好答案的上下文（参考）=好的答案 prompt 决定模型的输出质量 token

OpenAI的Prompt工程OpenAI 的 Prompt 工程是指通过设计和构建与大语言模型进行交互的输入方式，以引导模型生成期望输出的过程。

【LoRA轻量化和Prompt工程】知识点详解LoRA，即 Low - Rank Adaptation（低秩自适应），是一种用于优化大语言模型微调的技术。在大语言模型的应用中，微调是使模型适应特定任务（如医疗文本分析、法律文档处理等）的重要手段。但传统的全量微调方式，需要对模型的所有参数进行调整，这不仅耗费大量的计算资源（如需要强大的 GPU 集群和长时间的训练）、时间成本，还可能面临过拟合问题。