prompt

从 Prompt 到 Loop：AI 工程到底在卷什么半年前的我还天天琢磨怎么写 prompt。现在更常问的问题是：怎么让这个 AI 自己跑起来、自己检查、自己接着跑？

Loop Engineering — 从“写 prompt“到“设计循环“，AI Agent 的下一次进化“I don’t prompt Claude anymore. I have loops running that prompt Claude and figuring out what to do. My job is to write loops.” — Boris Cherny, Head of Claude Code at Anthropic

在路上走着走着

Prompt Engineering 入门指南：从原理到上手5 分钟搞懂什么是 Prompt Engineering，附 3 类实战场景模板。Prompt Engineering 不是"写一句好的 prompt"，是"怎么让 LLM 稳定输出你想要的结果"的工程。

GEPA 架构拆解：让 Prompt 和 Skill 优化不靠玄学拆解 GEPA 如何用轨迹反馈、Pareto 前沿和模块合并，让 Prompt 优化更稳、更可审计。原文链接：AI 小老六

从写 Prompt 到Loop Engineering：AI 编程的下一次跃迁过去两年，我们使用 AI 编程助手的方式是一问一答、反复检查、来回修正，像打乒乓球。现在，一种叫 Loop Engineering（循环工程）的新范式正在成型：你不再亲自提示 AI，而是设计一套系统——它定时启动、自动发现任务、分配子智能体、检查结果、记录进度，然后决定下一步。这篇文章拆解了构成一个循环的五个核心组件（自动化、工作树、技能、连接器、子智能体），用通俗语言 + 代码示例 + 工具对比表，帮你理解这个正在改变 AI 编程工作流的新概念。

从 Prompt 到 Agent：LangChain 究竟解决了什么问题直接调 OpenAI API 就够了，为什么还要 LangChain？简单场景确实不需要。但当应用从「一个 Prompt」长成「可用的 AI 系统」，复杂度会集中在组件协作上：Prompt 管理、结构化输出、Tool 接入、RAG、多步编排与调试。

Context Engineering：比 Prompt Engineering 更重要的上下文工程很多人做 AI 应用，第一反应是改 Prompt。但线上 Agent 出错，往往不是 Prompt 写得不够玄，而是模型看到的上下文不对。

从 Prompt Engineering 到 Loop Engineering：AI 编程正在进入“闭环工程”时代最近，Addy Osmani 发布了一篇题为《Loop Engineering》的文章。文章中有一句非常值得关注的话：

取个鸣字真的难

Image2 生成 PPT 的最后分水岭：Prompt最反直觉的一点是：最后几乎没打开 PowerPoint 去救版式。不是先让 AI 写大纲，再把内容塞进模板；也不是让它吐一堆 HTML、SVG、PPTX 对象，最后人类继续拆文本框、挪图层、修页脚。

【LLM 应用优化】Prompt Caching：LLM 调用成本降 90% 的底层机制与实战策略同一条 System Prompt 被发送上万次，每次都从零计算——Prompt Caching 通过复用 KV Cache 中间状态，将重复前缀的输入成本降至 1/10，首 Token 延迟降低 50%-85%。本文从 Transformer 推理机制出发，拆解三大厂商的实现差异，并给出从 0% 到 80%+ 缓存命中率的实战步骤。

SKILL 第一定律：说点 AI 不知道的最近 SKILL.md 概念很火，市面上涌现出了一批又一批 skills，但良莠不齐。想必针对总体的工作流、方法论，许多人已经找到了自己喜欢的 skill；但细化到每一个具体的应用场景，我们又是否能有耐心去翻找、筛选？

风雨中的小七

和AI一起搞事情#7. 给游戏NPC接入Hermes？上一周一直在搞图片拆PSD图层、海报文字编辑的功能，有一阵没做游戏了，咱接着回来做中医游戏。好了不废话，这期咱们聊聊怎么给游戏NPC装个"智能大脑"，顺便看看开发过程中Hook这个老朋友的新玩法。

企业做 AI 搜索优化时，Prompt 问题池应该怎么设计？一种智能体系统实现思路在传统 SEO 时代，企业最关心的是关键词：用户搜什么词，页面就围绕什么词做标题、描述、内容和外链。但进入 AI 搜索时代之后，用户的行为发生了明显变化。

倔强的初学者

呼入智能客服提示词工程实战：从方法选型到框架融合的「最优解」当客户带着怒气来电，AI客服如何在1秒内既理解问题、感知情绪，又给出准确答复？这背后的Prompt工程，远比你想象的复杂。

【人工智能学习260612-软件测试篇】小工具实现 [特殊字符] Prompt工程 + RAG思路 + API调用 + 自动化测试把前面的能力真正串起来，做一个“更像工具”的版本👇✅ 输入接口文档 ✅ 自动生成测试用例（给人看） ✅ 自动生成 pytest 脚本（可执行） ✅ 自动跑测试 + 出报告

ChatGPT Prompt Engineering for Developers - Iterative Prompt DevelopmentIterative Pompt DevelopmentPrompt guidlinesIterative Process

从 Prompt Engineering 到 Loop Engineering：AI 工程范式的演进过去三年，AI 应用工程化经历了四个关键阶段，每一次都是抽象层级的跃迁：这四者不是替代关系，而是叠加包含。新范式解决旧范式无法处理的问题，实践中往往共存。

Few-shot Prompting：让模型从示例中理解任务与其反复解释“应该怎么做”，不如给模型看几份合格样例。 Few-shot Prompting 的本质，是利用上下文中的 demonstrations 暂时建立一套任务规则。

段一凡-华北理工大学

LangChain框架在高炉炼铁智能化领域的应用~系列文章02：从Prompt开始，让大模型听懂高炉的“黑话“专栏：《LangChain框架在高炉炼铁智能化领域的应用》前情回顾：上期我们搭建了第一个"高炉助手"，但AI刚进场时就是个"钢铁小白"😂 本期重点：Prompt Engineering —— 如何让大模型变成"炼铁专家"

Prompt Engineering完整教程Prompt Engineering 不是研究“神奇咒语”，而是把目标、规则、上下文、示例和验收标准组织成模型能稳定执行的任务说明。真正可靠的 Prompt，应该像代码一样可测试、可版本化、可维护。