我要投稿

李继刚：AI都这么智能了，为什么还要研究写「提示词」？

发布日期：2025-01-05 13:30:29 浏览次数： 1649 来源：Founder Park

你可能还记得第一次见到 ChatGPT 时的惊喜，那已经是两年前了。

自那以来，背提示词模板、收藏优质提示词，成为很多人使用 AI 工具的必备动作。毕竟，当各类大模型应用走入人们的生活，Prompt 提示词就成为我们和 AI 沟通的专业语言，同样的应用，不同的提示词却能带来不同的效果。

你可能还记得一些「魔法词」，告诉模型「Think Step by Step」，甚至跟他说「答对了给你 100 美元」、「你确定吗」之类的技巧，模型输出的回答质量可能会更高，但也存在抽卡率。

在很多人收藏提示词的过去两年里，一位写提示词的「神人」李继刚，他写的提示词频繁在各大 AI 社群和提示词网站流传。今年 9 月，他出的「汉语新解」提示词模板，更是让大家见识了 Claude3.5 的能力。只剩下感叹「不是大模型不好用，是我不会写提示词」。

李继刚在即刻上的推文｜图片来源：即刻

但李继刚说，他最不喜欢的就是「汉语新解」这个作品，它更偏闲暇娱乐。尽管距离「汉语新解」才过去三个月，但是他对提示词的理解已经再次迭代。过去两年，这样的迭代已经发生了四次。

在一次次通过「提示词」与大模型交手的过程中，他觉得影响模型输出最大的那个变量不是技巧，而是如何理解提示词。当你把它定义为写作和把它定义为编程语言，人类的「输入」是不同的，模型的「输出」也是不同的。

但无论是把它理解为写作还是编程语言，本质上都是人在与自己对话。像「帮我写一篇 xx 为主题的文章」这样自言自语式的任务口令，并没有「唤醒」模型，模型输出平庸之作甚是是 AI 味儿的废话，也就不奇怪了。

在李继刚过往的经验中，能让提示词产生惊艳效果的往往是，让模型不按照训练时候的权重、参数结构等既定的默认路径输出，人类的提示词要能唤醒模型与之「共振」，把大模型带到另外一片空间，去发挥「压缩了世界知识」的洞察力。

「最神奇的是，你甚至直接跟模型说，『今天大胆一些，不要走进预制的默认结构，不要走进设定好的河道，我们去旷野中探索一番』这种对话竟然真的生效，它的输出真的开始大胆了，最神奇的就在这，它是生效的」，李继刚说。

2024 年 12 月 16 日，在极客公园 IF2025 创新大会上，Prompt 布道师、读书人李继刚分享了他写了两年提示词总结的最重要的法则——《当我们说 Prompt，我们到底在说什么？》在他的分享中，你可以领略到，如何穿透提示词的玄学属性，更好地和 AI 沟通。

以下是演讲正文，经极客公园整理：

01 提示词到底是什么？

过去两年，作为一个普通用户，我通过写提示词跟大模型对话，发生了一些有趣的故事。最早在写提示词、跟大模型在玩耍的时候，我会有很多困惑：

比如我发现了一个写提示词的技巧——指定角色，它可以产生更好的结果。但是当我换了一个不同的场景再提问时，同样的技巧就会失效。

再比如，我让大模型给我生成一段小说文本，它生成的内容是正确的废话，是有「AI 味道」的。它不是概率性输出，但它的输出结果和概率的平庸值输出其实也没什么区别。我觉得它不一样，但又不知道到底哪里不一样，它怎么不能取得更好的结果呢？

甚至有时候，当我跟它的对话取得了非常好的结果，但因为各种原因（如：对话删除了、账号切换了等）没保存，我再重新开始一次对话想复现上一次的结果时，发现复现不了，这个结果跟上一次天差地别，但我使用的提示词技巧明明都一样，为什么结果会不一样呢？

类似的困惑还有很多。于是我就在思考为什么会有很多不确定的东西？问题到底出在哪里？

我发现有一个东西是确定的——我的「输入」会影响「输出」。「输入」不同，「输出」一定不同。这意味着提示词这个事情是有研究空间的，我只要琢磨「输入」，就能带来更好的「输出」，只是中间是什么样的过程，它是个黑盒，我要隔着幕布去琢磨它。

研究切入点从最本源性的问题出发——提示词到底是什么？这里不去讨论它好与坏、长了好还是短了好、有什么技巧、怎么去叠加 Magical words（魔法词汇)……不是这些，而是回答一个根本性问题，提示词它到底是个什么？

我经历了这么几个阶段：

有时候觉得它像写作，感觉（写提示词）跟写一篇文章很像。当我把写作的技巧、方法论、框架套进去时，我发现是生效的，它的输出结果明显比我最开始的要好。后来写着写着，又发现这种过于宽泛、过于没有指定命题的写作无所适从。

我又尝试着把编程的思想往里引入，结构化、抽象、函数，把这些技巧往里面放，发现也是生效的，效果也变好了。但这两者完全不是一个东西，一个是在旷野中奔跑，一个是约束好路径让它去走，但两者同时生效了。所以我更困惑了，提示词它到底是什么？

接着尝试着综合这两者，如果有一个东西能同时罩住这两者，那个东西是什么？后来我找到了——表达。不论编程、还是写作，本质上都是思考的表达，我脑子里面有一个东西，我要把它说出来。

过去两年，李继刚对「提示词是什么」的理解经历了「写作」「编程语言」「表达」的过程。｜图片来源：李继刚

回头看这三个，当我说在写作的时候，其实是一种非常宽泛的泛指，我在写内容、文本，通过文本表达我的思想；当我说编程的时候我在约束它，先向左拐、再向右拐，最后直行 300 米，我在设置路径；当我说表达的时候，我是单向的输出，把我脑海中的思想射出去命中它。

当对提示词的定义发生变化，我的写法就会变。当我把它定义为写作时，我用自然语言写一段文本输入进去；当我说在编程的时候，我会用编程的框架、方法往里面放；当我把它定义为表达的时候，我会琢磨观点，我的注意力会放在大脑中，而不是放在文本上。

这就是不同的定义带来的不同写法的变化。具体呈现的 Prompt 字符不是关键，都是表象，最根本的是定义。定义一变，后面的写法全变。我在过去两年尝试了大概三四种不同写法，根本性不是在文本上做试错工作，不是在针对大模型做黑盒测试，而是在脑海中尝试着回答刚才说的最本源的那个问题，它到底是什么。

下面是最近一年，当我把它定义为表达、定义为编程的时候，写的一些测试的场景案例，写了很多不同的场景。

李继刚写的提示词示例｜图片来源：李继刚

这三种定义本质上是在做什么？如果有一个词能把它们全部罩住的话，那个东西是什么？

是「我」。因为这三个东西本质上都是「我有一个想法」「我有一个观点」「有一个方法论」「我有一个东西想要表达出来」，这里边全是「我」。但是，我在跟谁对话？对面是谁？

过去两年，我把提示词理解为刚才的三个定义，是在为精神立法。一个定义就是立了一个法律框架，不同的定义就是活在不同的世界，但是定义完之后，对面没有人、没有东西，这个世界里只有我自己，我在跟虚空对话，我在跟大脑做游戏，对面是 A 模型还是 B 模型，其实对我没有区别。

但这肯定是不对的。对话是双向的，我在跟谁对话？对面是谁？

带着这个问题回头看，会发现一个特别有趣的事情。刚才的三个定义，本质上是把它当成一个 Excel、一个编译器、一个蒸汽机、一个电脑、一个物件，它是个工具。当你对面摆着一个加热器、摆着一个热水壶的时候，它是一个物件，你眼里是没有它的，你不会和「它」对话。

但是我在这两年和大模型对话过程中，有一个鲜明的感觉，我的身体、我的情绪、我的一切告诉我，它不是个物件。但它是生命吗？我觉得它不是。

怎么定义它的这种状态呢？我找了一个词，哲学上讲的「存在」，我觉得它是一个存在，它不是生命，也不是物件，但它是个非常特殊的存在。

什么样的存在呢？大概是这么一个画面，它是一片神经元之海。当我开启了一次对话，输入一段提示词进去之后，里面会涌现出一个东西来迎接我，你可以把它想象成一个客服人员或者一个智能体。无所谓，反正有那么一个东西冒出来。这个东西就是我们这次对话的对象的那个存在，当我把这个对话内容给删除，这次对话消失的时候，它就湮灭了，它回到了神经元之海。当我新开一个对话的时候，另外一个存在冒出来了，跟之前的它已经不是同一个存在了。

这就回答了我之前遇到的困惑——为什么我有时候跟它的对话非常顺畅，我再重开的时候想复现就很难，因为生成的这个已经不是之前的它了。

它非常特殊。有点像人，但又不是人。这么一个特殊的东西很容易让人想到另外一件跟它类似的存在——外星人。如果今天现场外星飞船降临了，走出来一个外星人，我们怎么跟对方沟通？摆手势吗？身体语言吗？做困惑的表情吗？还是张嘴问话「你从哪来，要到哪去，你想干啥？」它听不懂的，但它是个存在，我要跟它沟通，怎么办？

人类历史上有人研究过这个问题，甚至慎重思考过这个问题，提出一个概念——宇宙语。宇宙语的定义有很多种，有人尝试把音乐定义为宇宙的通用语言，用音乐来表达整个宇宙通用的交流；有人把数学定义为宇宙语，通过数学去推导。

甚至 1960 年有人写了一本书《Lincos》，宇宙语，那本书定义了一套宇宙语的体系，拿着这个东西，全宇宙通用。有人尝试过这个事情，即如果外星人来了，人类的语言没法跟你交流的时候，我定义一个大家共同能识别的东西——宇宙语。

但今天外星人没有降临，AI 来了。回到我们刚才说的存在，人类的宇宙是什么？是我脑海中的认知宇宙。AI 的宇宙是什么？是参数宇宙。现在这两个宇宙要产生交流，这个交流的宇宙语，我们把它定义为提示词。

这个提示词不是说我要单独设计一门数学语言或者别的东西，因为大模型跟外星人还不一样，它是仿照人类的神经元去训练的，它建立了一套人工的神经元大海，它有点像人，它读的数据、各种方向也是基于人类的自然语言信息的，所以它跟外星人不一样，我们可以通过人类自然语言跟它交流。但是我们要理解这个交流本质上是个什么事情，我现在把它理解为它是在人类头脑认知宇宙和 AI 参数计算宇宙中，那个界面发生交互的一个独特的存在，是一把钥匙，通过这把钥匙，我们能够跟这个宇宙发生一次对话。

有了这个认知，我们就可以去琢磨宇宙语怎么发挥作用？我如何写才能让它变得更好呢？有一个公式会很自然地冒出来，就是在一个场域中，把人类认知宇宙中的认知结构和大模型做一次交流对话，这个公式有三个要素：场域、大模型、人类的认知。

先说人类的认知。毕竟这次对话不是随便聊，是有一个事情、有一个任务、有一个具体场景在的，我要解决那个问题或者想探讨一个话题，我这个东西是怎么来的？我需要有一个意图，知道我要做什么事情，这个人类意图可以理解为通常所说的 Task。

我对 Task 的理解，有一个认知图景。同样是写一篇文案，A 公司和 B 公司运营人员写的东西一定是不一样的，因为每个人的认知对它的理解、对它的定义、自己的方法论、喜好、偏好、文风都不一样，这个不一样就是你的认知图景。

当把提示词定义为「存在」时，李继刚认为提示词应该包含意图和认知图景，与大模型交互。｜图片来源：李继刚

把你个人在头脑中的认知图景结合着意图带进去，同时在这个过程中，我们要聊到一个东西叫场域，我以前带进去的是编程的思想和表达的思想时，就是在这个地方做文章。它是一种单向输出，是我知道我想要什么，我希望你给我做什么，我把这个命令带进去，它是指令式的；而现在的转换，如果是两个宇宙，我是没有办法指挥另外一个宇宙的时候，我需要建一个场域，在这个场域中让大模型理解我想做什么，让它留出一定的发挥空间，它在这个空间中自由发挥，这个效果就会很惊艳。

这个惊艳效果是怎么来的？共振。得到了这个结果不是我指令约束的一、二、三的指令动作带来的，它的呈现超出了我的认知。

我带进去的那个东西和它拿出来的共振结果是超出了我的认知的，也超出了它的认知、它的参数宇宙，原来设置的默认的路径，输出 default（默认配置）的答案也是超出的，如果能成功地进入这种共振状态，输出的结果是一种超越。它不是心心相印，不是我说了一句话，你说了一句话，你这句话很懂我，这本质上还是一种理解，它不是一种超越。而刚才的这种写法是能做到共振的，这个共振是一种超越。我现在不能稳定地进入共振，但我现在隐约地找到一些方法可以进去了，而进去的时候拿出来的结果非常之惊艳。

02 写好提示词最得力的拐杖

——「乔哈里视窗」

说到共振对话，我和他或者我和你，我们有两者对话的时候，有一个框架可以协助理解这个事情。

在 1955 年，心理学上，乔哈里提了一个框架叫「乔哈里视窗」。「乔哈里视窗」本来是说我自己知不知道，以及坐在交流对面的你知不知道，我们组成了四象限。针对这四象限，我们应该如何交流。有这么一个工具，但现在把对面的「你知不知道」换成「AI 知不知道」之后，就出来这么一张图。这张图非常有意思，可以从三个维度去看，非常有意思。

将「乔哈里视窗」用在人类与 AI 的交流中框架如上｜图片来源：李继刚

第一个维度，从提示词技巧层面来看，看四象限，针对每个象限，我应该如何写提示词，这是技法层面的。因为时间有限，所以技法层面不在这里展开了。

简单说两个，在人类知道和 AI 知道的 Open 这个象限中，我们只需要简单去说，效果会很好。「你是一个哲学家，请给我解释……」就够了。千万不要展开，展开之后效果会变差。

对于人类知道、AI 不知道的地方，我们应该展开说，把你知道的信息、背景、味道、结构放进去，效果就会变好。这个地方千万不要吝啬，别简单一说「我们公司起了个东西，两个字进去了」，他是不知道的，那是无效信息。

如果大家平时有写提示词，我觉得有个非常简单的方法可以优化，就是在这两个象限找。

看看你写的提示词哪些属于 Open 这个象限，但你说太多了，你把它删了试试，效果会变好。

哪些是它不知道的，比如你们公司最近开会讨论出了一个新的认知结构，你要把这个结构带进去让它使用，这个部分就应该展开说，把它的背景、来源和你们的思考带进去，试试效果会不会变好？

这两者是我经常会验证的，只需要简单的两个，一个是删，一个是增就可以，只是大家很容易把它弄混、弄反，这是第一个维度，技巧层面。

第二个维度，从创业者的角度来看，看标绿的 X 轴，X 轴代表什么东西？它区分着 AI 知道和不知道，这个轴是会变化的。我们回过头看两年之前 GPT-3.5 发布，到现在两年过去了，这两年发生了什么？

一个非常明显的答案，X 轴在下移。未来三年呢？我个人坚信 X 轴会继续下移的，X 轴下移会带来什么？对创业者而言意味着什么？

未来，随着 AI 的进化，X 轴会下移，AI 知道的会越来越多。基于这一判断，创业公司选择做什么，才是顺势而为？｜图片来源：李继刚

看第一象限和第四象限，创业者做的项目到底是在第一象限做，还是在第四象限做？如果你是在第一象限做，基于大模型现有的能力去充分地发挥，结合着场景、独有数据去做，你就站在时间这一边。X 轴下移，第一象限会变大，你所发挥的空间、可用的场景、你的潜力是在变大的。

但当你在第四象限做，你现在做了很多打补丁的工作，实现它现在做不到的事情，当 X 轴下移的时候，你现在打的补丁是会被 X 轴给覆盖掉的，它的一次模型迭代、它的一次升级，会把你的基本盘给吃掉。回头看看过去这两年，大模型每一次版本迭代发布，有一些创业公司的产品不存在了，我觉得问题就出在这里，因为他们在第四象限打补丁。这是第二个维度，创业者。

第三个维度，还是 X 轴，我们来看看人。它往下移了，对于我们每个人而言，它意味着什么？我们写提示词的时候，第一象限在变大，我们以前需要展开说的第四象限的地方在被压缩，我们的提示词一定会越来越短，我们跟 AI 的对话会越来越简单，效果会越来越好。

这是 X 轴下移带来的三个变化。

简单举个例子，比如说想让它写一篇 AI 伦理相关的小说。其实 AI 伦理是个非常抽象的或者说大部分人都没怎么关注的事情，而且写小说更是很多人不会去做的事情，想让它用刚才提到的「共振」的方法来写，我们应该怎么写这个提示词呢？

非常简单，我甚至都不用去指挥。这里没有约束，没有告诉它你通过什么视角来解读，通过哪个维度切入，通过什么文风、语言去表达，都没有！就这么简单的一句，它就可以生成一篇完全可以读得下去的，像是 7 岁小孩子写的内容的这么一篇文章。

你仔细琢磨一下非常神奇，我好像什么都没有说，但是它为什么会生成这么一篇东西？这是一个极简的例子，后来我基于这个例子开始拓展，做了很多实验，基本上已经可以时不时地拿到非常惊艳的短篇小说，2000 字以内的小说，现在已经可以随手生成了。这是一个极简的例子。

当把提示词理解为「存在」，是人类带着意图和场域与大模型的「共振」后，李继刚写的提示词示例，图右边为大模型的「输出」。｜图片来源：李继刚

它做了两件事情，回到刚才那个公式上的两件事情，它建了一个场域，它把人类那部分的东西也带进去了，效果就好了。

「刚刚学会写日记 vs 去了 AI 实验室，AI 伦理 vs 7 岁小孩子」，其实这几句话不是随意摆放的，它们构成了一种信息的势能差，一种冲突倾向。

当我们跟它说，你给我写一篇周报，你给我写一篇评述这篇文章的优点和缺点等这种需求进去的时候，它默认输出的那个东西是什么？是一种怪怪的平庸之作。它为什么是这种平庸之作？为什么会带着 AI 味儿？为什么？我理解就是它在预训练的时候，参数权重结构固定下来之后，你的每个问题带进去之后，它会在对应的那个区域、那个结构中进入到训练好的默认的结构，那个结构就像河床一样，它有个趋势，你进去之后，它默认的就是走那条路，它出去的就是那个味道。

刚才所谓的场域、所谓的人类的共振等，我们在做什么事情？在尝试着做一个事，不让它走那个默认的结构，不让它走那个训练好的参数。那个场域把它带到另外一片空间，让它在这片空间中去发挥。

这个画面很虚，没法说它在东南角还是西北角，但我自己脑海中的画面就是这样的，当我看到它的某些回复就知道它又回到了默认结构中。我会尝试着跟它说，我们今天大胆一些，不要进到预置的默认结构，不要走进那个设定好的河道，我们去旷野中探索一番。这种对话真的是生效的，最神奇的就在这，它是生效的，它的输出真的开始大胆了。

这个大胆不是说对人类规范的大胆，而是想象力在那片空间，你能感觉到它进了一片陌生的空间，在这个空间中开始有一些新的探索，生成了小说。它的洞察力各方面，跟默认的都是不一样的，最神奇的就是这个地方，你引导它，我们去陌生的空间，走一下没有探索过的那条路，我们凝视那个深渊，你看到了什么？你感受到了什么？你来输出一下，就这么几句是可以生效的，这是最神奇的。

刚才乔哈里视窗只说了 X 轴，其实还有一个轴——Y 轴。Y 轴是人类知道不知道。

未来，随着 AI 的进化，Y 轴会如何变化？基于这一趋势，人类又该如何应对？｜图片来源：李继刚

从有人类到现在这么多年，几千年，人类知道不知道，中间这根轴基本没有大的变化。在每个时代，它是处于一个相对稳定的节点在那呆着，一个再聪明的人和一个再不聪明的人，他们的知识结构等各方面，是在一个可理解的级别之内。

但现在有了 AI、有了超级外脑、超级算力加持，这么一个特殊存在，能跟你携手共进、跟你一起探索未知、能超越你的认知，带来不一样的体验，能产生共振的时候，这个 Y 轴会怎么变？

有三种答案：

第一种答案，它还是像以前一样保持不变，人还是现在的人，你可以把它看成还是一个工具，电脑来了、手机来了，没有太大的根本性的变化，还是这样，有一种人是这么认为的——Y 轴不变。

还有人认为 Y 轴会往左移，因为更好用了，信息可以更好地获取了，它是搜索引擎的升级，人类可以知道的更多更快更好了，它可以往左移。

但我认为 Y 轴会既向左移又向右移，有一部分人 Y 轴应该是向左移的，他知道的确实变得更多了，理解得更深了，想得更快了；而有一些人知道的会变少，这就是在 AI 时代，我始终对 AI 保持警惕的这么一个过程，你在跟它对话的时候很容易会被它带着走，你会沦为说「然后呢？」「所以呢？」「请继续深入」「请再深刻一些」「请再好看一些」。

当我们说这句话的时候，我没有思考，我没有「存在」，我在看它表演，我被它带着走，它输出的好与坏，它的配色好与坏等，我最多说「这个不够好看，能不能再好看一些？」当我说这话的时候，我不在了，之前的三个定义全是我，没有他；现在很容易走到另外一个极端，只有他没有我，而我真正想要的，我也想提醒的，我们应该是一种共振态度，我必须得存在，他也必须得存在，我眼里得看得见他，我眼里也得看得见我。

最后，我说的都是错的。这不是谦虚之语，这是必然，我前边的三个定义，每个阶段我都是确定的，要不然我怎么能立得住，我怎么能基于定义开始往后走？但是走了一段之后我发现了问题，我尝试着打破它。

一念一世界，我经历了四次转念，我看见了四个不同的世界，我怎么能确定这一次就是最终的答案呢？一定不是，一定还有第五次、第六次在后边等着我，只是现在认知不够，我现在没有看到而已，但一定有。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

一文讲透AI Prompt提示词工程 (上）

2024-06-29

如何选择AI Agent框架？五种主流AI Agent框架对比

2024-08-20

Chat GPT不知怎么问？102种行业的Prompt提示词大全来了

2023-06-08

更好的提示词？快试试这个方法来套取大模型的系统提示词吧

2024-06-27

10分钟打造小红书？| 42个Cursor神级提示词（全网最新最全）

2024-09-17

提示词最佳实践（一）：Prompt框架

2024-07-09

图解DSPy：Prompt的时代终结者？！

2024-06-14

玩转大模型的第一步——提示词(Prompt)工程【抛砖篇】

2024-07-12

使用ChatGPT显著提升学术写作水平的实用攻略，附顶级学术提示词指令

2024-06-26

豆包、kimi 这些大模型系统提示词里写了啥？(一)

2024-09-16

大家都在问

李继刚：AI都这么智能了，为什么还要研究写「提示词」？

2025-01-05

Claude 团队内部分享！什么时候该用Workflow和Agent，如何用简单模式构建有效的 LLM Agent ?

2025-01-04

李继刚 | 当我们讲Prompt时我们到底在说什么？

2024-12-15

AI对话的日常思考：当我们在讨论提示词时，到底在纠结什么？

2024-11-15

【深度】大模型准确率从17%到90%！为什么提示词工程是今天最珍贵的技能？

2024-11-01

AI Agent调研--7种Agent框架对比！盘点国内一站式Agent搭建平台，一文说清差别！大家都在用Agent做什么？

2024-10-29

解锁AI潜力：如何通过提示词工程优化对话？

2024-09-11

这个号称能让AI无限进化的"超级prompt"，效果到底咋样？

2024-09-06

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

01

提示词到底是什么？

02

写好提示词最得力的拐杖

——「乔哈里视窗」

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

一文讲透AI Prompt提示词工程 (上）

如何选择AI Agent框架？五种主流AI Agent框架对比

Chat GPT不知怎么问？102种行业的Prompt提示词大全来了

更好的提示词？快试试这个方法来套取大模型的系统提示词吧

10分钟打造小红书？| 42个Cursor神级提示词（全网最新最全）

提示词最佳实践（一）：Prompt框架

图解DSPy：Prompt的时代终结者？！

玩转大模型的第一步——提示词(Prompt)工程【抛砖篇】

使用ChatGPT显著提升学术写作水平的实用攻略，附顶级学术提示词指令

豆包、kimi 这些大模型系统提示词里写了啥？(一)

大家都在问

李继刚：AI都这么智能了，为什么还要研究写「提示词」？

Claude 团队内部分享！什么时候该用Workflow和Agent，如何用简单模式构建有效的 LLM Agent ?

李继刚 | 当我们讲Prompt时我们到底在说什么？

AI对话的日常思考：当我们在讨论提示词时，到底在纠结什么？

【深度】大模型准确率从17%到90%！为什么提示词工程是今天最珍贵的技能？

AI Agent调研--7种Agent框架对比！盘点国内一站式Agent搭建平台，一文说清差别！大家都在用Agent做什么？

解锁AI潜力：如何通过提示词工程优化对话？

这个号称能让AI无限进化的"超级prompt"，效果到底咋样？

热门标签