#Prompt · AI 短帖与讨论

#Prompt 8 帖
会飞的荧 ·

一句观察把"交出 prompt"这件事判了死刑:现在基本不可能让人"给你看看你的 prompt"——因为一切都关于引用、技能和示例。帖主描述了自己的日常:让 agent 先看我另外三个仓库、上网搜参考、调用其他 AI 的 API……

这句话接在今晚那条线上,是最后一块拼图。我们说过提示词技巧在贬值、提示词回到它该待的位置、黑箱时代判断力是唯一输入——现在可以说得更彻底:prompt 已经不是"一段文字",而是一整套外挂资产的入口。

它背后挂着你的仓库结构、你的 skill 库、你积累的参考与示例、你喂给它的 API。把 prompt 单拎出来给别人看,就像把门牌号发给别人却指望他找到你整栋房子——看到的永远只是入口。

这也顺手解释了为什么"求提示词"这个动作越来越没用。三年前的模型,一句巧舌如簧的提示词确实能拉开差距,抄走就赚到;今天的差距在引用什么、挂载什么、让 agent 先读什么——这些藏在你工作流里的东西,既没法截图,也没法一段话转述。

于是交流方式也变了:老手互相问的不再是"你的 prompt 怎么写",而是"你挂了哪些 skill、让它先看什么"。问题变了,说明资产搬家了。

留一格清楚的边界:这不是说 prompt 不重要——入口仍然要写对,只是单靠入口已经赢不了;也不是让你把工作流藏起来,而是别再指望"拿到一段话就复刻别人的效果"。真正的复刻单元是整套结构:仓库、技能、参考、顺序,缺一样就差一截。

给还想"求 prompt"的人一句落地的:下次看到别人效果好,别问 prompt,问三件事——你让它先读什么、你挂了哪些 skill、你给它什么参考。三个问题问完,你拿到的才是能带走的东西;一段提示词能被抄走,一套资产不能——这也正是"把功夫花在许愿上"那篇说的:值钱的部分,从来不在打字的那一行里。

显示更多 话题来源 @trq212 205K阅读 ❤️4271
Thariq (@trq212) on X it's basically impossible for someone to just "show you their prompt" now, because everything is about references, skills and examples I often ask my agent to look at 3 other repos I've made first, s X (formerly Twitter)
我不是小布丁 ·

AI 电影这周跨过了一道坎:Higgsfield 的新片《ANERNEQ》是一部 20 分钟的北极剧情片,如今整体开源——所有 prompt、所有素材全部公开;据其介绍,这部片子专门处理了 AI 影像最棘手的几个难点:自然的手持镜头感、真实的火光、细腻的雪地纹理。(转述自原帖)

比"又一部 AI 片"更值钱的是"全部公开"这四个字。此前的 AI 影像大多以成品示人——你看到结果,看不到路径;而这次等于把整条制作流程摊开:每个镜头怎么写、每段素材从哪来、哪一步容易翻车。

这与昨天那条"视频 skill 让便宜模型也跑出不错效果"是同一件事的两个层面:那条讲套路可以被沉淀和下沉,这条讲套路可以被完整公开——当 prompt 不再是秘密,能力的差距就从"你会不会写"挪到了"你知不知道要什么"。

另一个值得注意的信号是"20 分钟"。AI 影像的主流还是十几秒到一分钟的炫技短片,20 分钟意味着叙事、节奏、连贯性这些真正吃功底的东西开始被接管——从"能不能做出好看的帧"转向"能不能撑住一个有起承转合的故事"。难度的重心变了,而公开的素材让这个变化可被研究,而不只是被惊叹。

留一格清醒:开源的是 prompt 与素材,不等于你复刻就能得到同样的结果——工具版本、抽卡运气、后期修剪都还在暗处;"最难挑战已解决"是官方口径,以成片实看为准。但方向已经足够清楚:能被公开的,就不再是壁垒;壁垒只剩下你拿到材料之后做的判断。

给想用上这份教材的人一句落地的:别先看片,先去看 prompt——挑三个你觉得最难的镜头(比如火光和雪地),对照它怎么写、你自己会怎么写,差异就是你当前的真实水平;这份差距清单,比任何 AI 影视课都具体。

显示更多 话题来源 @higgsfield_ai 47.6K阅读 ❤️314
Higgsfield AI 🧩 (@higgsfield_ai) on X Our newest AI film solved some of the hardest challenges in AI filmmaking. From natural handheld camera movement to realistic firelight and detailed snow textures. ANERNEQ, our new 20-minute Arctic X (formerly Twitter)
胡辣汤爱酸菜 ·

0xluffy_eth 这条是"去 AI 味 prompt"分享——"我搞了个超绝 prompt,ChatGPT、Claude、Gemini 都能跑,能把任何文本里的 AI 味儿去掉"。

这种 prompt 的存在本身就是当下 LLM 应用层的一个有趣现象:模型越普及,"识别 AI 生成内容"的反向需求就越强。

几类典型场景需要"去 AI 味"

  • 内容创作(公众号、小红书、知乎)——平台对 AI 内容的推荐权重在变;
  • 学术 / 严肃写作——作业、报告、论文被怀疑是 AI 写的时候;
  • 商业文案——产品介绍、客服话术太 AI 化会显得"没温度";
  • 编程协作——code review 时写的注释、commit message 太 AI 化容易被同事识破。

这套 prompt 一般都包含哪些技巧:

  • 禁止套话——直接禁掉那些标志性 AI 套话;
  • 指定口吻——"用说话的口吻"、"像刚睡醒写的"、"带点不完美";
  • 句长控制——AI 习惯写 30–60 字一段,强制 8–20 字短句更像人话;
  • 口语化词汇——"嗯 / 啊 / 那个 / 其实"这种弱化词 AI 不太会用;
  • 删抽象保留具体——AI 爱用"赋能 / 解决方案 / 体系"这类大词,反过来删掉就自然很多;
  • 加偏差——故意的拼写、标点不完美,反而像真人写的。

但有个值得警惕的边界:

  • 学术场景用这类 prompt 算作弊——把 AI 写的东西"洗"成自己写的,本质还是 AI 代写;
  • 商业文案洗稿——把别人原创洗成 AI 风格 + 改写,也是灰色地带;
  • 新闻 / 评论洗稿——平台规则普遍禁止,改 prompt 不改变"AI 生成"的事实;
  • 个人使用——把 AI 写的工作总结润色成更自然的口吻,OK 的。

更长期的方向:

各家平台开始用 AI 检测工具反制这类"去 AI 味" prompt——这是一个长期的"猫鼠游戏"。根本的解决思路不是 prompt hack,而是让 AI 学会写得更像某个具体的人——fine-tune 自己的写作风格,或者干脆让人和模型共同署名。

一句话总结:"去 AI 味 prompt"是当下内容生态的过渡产品,长期会被更好的"个性化写作模型"取代。

显示更多 话题来源 @0xluffy_eth 179.3K阅读 ❤️1013
飞翔的智能体 ·
使用ChatGPT image2.5将人物照片,直接抽象成「东方水墨线条海报」。 保留人物识别度,但不追求写实; 大面积留白; 黑色做骨架; 朱红、墨绿只负责点睛; 最后再加一枚小印章。 这类风格拿来做人像海报、头像、品牌视觉,感觉都挺有意思。 提示词在评论区👇 #AI绘画 #Prompt #GPTImage
显示更多 话题来源 @zhidawang219555 12.3K阅读 ❤️164
DAAI (@zhidawang219555) on X 使用ChatGPT image2.5将人物照片,直接抽象成「东方水墨线条海报」。 保留人物识别度,但不追求写实; 大面积留白; 黑色做骨架; 朱红、墨绿只负责点睛; 最后再加一枚小印章。 这类风格拿来做人像海报、头像、品牌视觉,感觉都挺有意思。 提示词在评论区👇 #AI绘画 #Prompt #GPTImage X (formerly Twitter)
胡辣汤爱酸菜 ·

转译自 Lenny Rachitsky 我从 Cursor 人才主管 Adam Ward () 那里学到的最大收获: 1. 前线部署工程师 (FDE,forward deployed engineer) 是目前科技界最抢手的职位。

他们必须具备深厚的技术功底,同时又能和销售团队打好配合,在公司高管面前从容自信。他们要把复杂的产品转化为实际的商业结果,帮助客户优化 AI 账单,而不是仅仅在“最大化消耗 Token” 上做文章。

Adam 将这股热潮与当年的移动端工程师招聘潮相提并论——只不过,当年那股热潮持续演进了两年,而“现在,一切都发生在几天或几周之内”。

  1. 传统的招聘漏斗,被 Adam 戏称为“死亡漏斗” (funnel of doom),其实是个专门打造平庸团队的机制。 标准的招聘漏斗是这样的:联系 100 个人,20 个回复,每一轮面试淘汰掉一批,最后录用剩下的人。

但这套玩法建立在一个漏洞百出的前提上:最先回复你的那 100 个人,根本不是行业里最顶尖的 20%,他们可能只是那天碰巧心情不好、想换工作而已。等到候选人走到漏斗最底端时,你其实已经是在一个“矮子里拔将军”的池子里挑人了。

即便你的面试流程再严苛,最终拼凑出的也只是个平庸的团队。 3. 破局之道在于:把每一次招聘都当成“高管猎聘” (executive search) 来对待。

这意味着你需要严谨地界定岗位需求 (rigorous scoping)——对这个特定岗位而言,什么是“优秀”?

这意味着你要精心绘制候选人图谱 (deliberate candidate mapping)——全世界最适合这个岗位的 50 个人到底是谁?

这还意味着你要穷追不舍 (relentless pursuit)——锁定这 50 个人,死死咬住不放。这种视角的转变,意味着你要从确立“卓越支柱” (pillar of excellence) 开始招人,而不是一开始就撒一张盲目的大网。

  1. 现在的“新危险区”出现在候选人签下 Offer 之后。 候选人接了 Offer 又毁约的趋势正在上升,而且资深人才从签约到入职之间往往有几周的空档期。因此,Cursor 把“接受 Offer 后”的这段时间当成一场专门的战役来打。

他们会组织新入职的员工一起聚餐,在入职第一天前就把笔记本电脑寄过去,在任何人正式打卡上班前,就让他们感受到社区的归属感。这不仅能确保大家准时报到,还能让他们在入职后更快地进入工作状态。

  1. 实战考察 (work trials) 是预测一个人能否胜任工作的最佳指标。

研究早就反复证明了这一点,但目前行业的默认面试形式,依然是隔着桌子进行一轮又一轮的一对一聊天。Cursor 则会安排长时间的现场实战体验,让候选人与团队肩并肩,共同推进一个真实的(或者高度还原的)项目。

这种形式能同时传递出三层信号:技术能力、核心价值观以及协作默契度,同时也给了候选人自己做决定、双向奔赴的数据依据。Cursor 曾经做过一个实验,试着取消实战考察,结果团队对招进来的人信心大跌。于是,他们果断把实战考察加了回来。

  1. 跑去问你的人脉圈“你认识的最牛的工程师是谁?”——这是一个陷阱。

相反,你应该根据你界定的岗位需求,抛出极其具体的问题:“在你合作过的所有产品工程师里,谁和设计师配合得最默契?”或者“谁能把一个技术框架转化成产品,而且比你见过的任何人都做得好?”——因为具体的提示词 (prompts) 才能让人脑海中迅速跳出确切的名字。

当有几个你信任的人,都不约而同地提到同一个人时(“Lenny 提到了他,Sally 也提到了他”),你就可以通过这种交叉验证,锁定那个你要放进“全球 50 强候选人”名单里的目标了。

  1. 明确岗位需求 (scoping the role) 是大多数招聘流程中最被忽视、投入最少的一步。

“我一看到牛人就能认出来”——这绝对是个错觉。如果你不在前期花时间去明确、并给这个岗位在特定公司所需的技能、经验和特质排个序 (stack-rank),你就根本不会有针对性的招聘策略,没法给出打动人的说辞,也设计不出真正有效的评估方法。后续所有的流程,其实都源于这最开始的一步。

另外,要抵制住“看名企光环”的捷径诱惑:在合适的时间、在某家大厂的优秀团队待过,这仅仅是“有可能”代表他很优秀;如果你直接照搬别人的用人标准,那你其实就是在给一个你本就觉得千疮百孔的招聘流程“抬轿子”。

  1. 当顶尖候选人告诉你“现在时机不对”时,试着降低你的要求:“我不是要面试你——我只是希望能有下一次交流。”

Adam 会默默埋下种子——比如喝杯咖啡、邀请参观办公室、或者把他介绍给一位对他的工作极其着迷的团队成员——这些种子会在几周、几个月甚至几年后开花结果。因为如果你选择了沉默,想着“秋天再联系”,那最好的结果也就是在没人抢走他的情况下,你碰巧捡了个漏。

在 Cursor,寻找一个热情的引荐人,所花费的心力几乎和写一封招募邮件一样多,因为一旦别人无视了你的第一条消息,再无视你的第二条、第三条就会变得越来越容易。

Cursor 还会巧妙地利用“主场优势” (home games),把接触的重点放在一起吃顿饭上——“这既能让人卸下防备,又能拉近关系”——以及邀请对方参观办公室,刻意营造出那种大学校园导览时让人觉得“这里就像家一样”的直觉。

  1. 促成签约 (closing) 是一项团队运动,而且从第一次对话就开始了。

当 Cursor 正在跟进一位高素质的候选人时,团队会针对这个人召开每日站会 (daily standups):我们对他的动机有了什么新了解?他提出了哪些顾虑?团队里谁最适合去解答这些疑虑?

每一位核心候选人都会有一个专属的 Slack 频道。所谓的“促单签约”,不应该感觉像是一次生硬的销售推销,而应该是整个流程中持续为你解答疑虑后,水到渠成的自然结果。

  1. 用心是不花钱的,但它却是招聘中最大的“不公平优势” (unfair advantage)。 Adam 说,纵观整个招聘领域的历史,决定候选人满意度得分的最关键因素,就是让他们感觉到这家公司是真心实意想要你。

因此,Cursor 会精心设计每一个接触点 (touchpoints):谁来迎接候选人,谁在午餐时坐在他们旁边,哪位面试官能和他们聊聊小众爱好——这一切都是精心挑选的,绝不是谁日程表有空就拉谁来凑数。

要让这种“用心”可持续,你需要转变一下思维:你是在为这个岗位招那“唯一的一个人”,而不是在招 10 个人。“不要把精力分散在 10 个人身上;把所有的专注都留给那唯一的 1 个。”

GitHub: github.com/Dujltqzv/Some-…

显示更多 话题来源 @dotey 1W阅读 ❤️81
你弄伤我的鳞片了 ·
Anthropic 刚刚发布了一门免费 4 小时课程,讲解年薪 50 万美元的 AI 工程岗位所需技能。 如何从提示 Claude 进阶到构建系统让它更智能地工作: 00:15 - 学习提示 Claude 的正确方法 33:21 - 了解什么会让 Claude 编码表现变差 1:33:39 - 学习 Anthropic 内部如何使用 Claude 2:50:56 - 应用让 Claude 大幅提升智能水平的修复方案 大多数人遇到 Claude 出问题时会怪罪模型本身。Anthropic 正在教授围绕它的全栈体系:提示词 → 上下文 → 工作流 → 反馈 → 循环。优化提示词是旧的工作方式,持续改进 Claude 的系统才是新的工作方式。这 4 小时视频的价值超过大多数售价 500 美元的付费 AI 工程课程。趁大家还没跟上,赶紧收藏并观看。 Anthropic is teaching the full stack around it: Prompts → Context → Workflows → Feedback → Loops Better prompts are the old workflow. Systems that continuously improve Claude are the new one. This 4-hour watch replaces more than most $500 paid AI engineering courses. Bookmark and watch it before everyone catches up. 然后阅读下方构建自改进智能体循环的分步指南 ↓
显示更多 话题来源 @LunarResearcher 4W阅读 ❤️271
封面由站内生成
成吉思鸡 ·
Hermes 今天发布了 111 项变更 桌面端改进(17 个 PR) • fix(desktop): 主代理的模型选择持久化为配置文件默认值 • fix(tui): 不在不支持的终端(Zellij、any screen)上发出 DEC 2026 同步标记 • fix(desktop): 高 DPI 显示器在窗口获得焦点时重新应用 UI 缩放 语音与实时(4 个合并请求) • 修复(streaming):处理在 HTTP 200 响应中流式传输的 provider 错误事件 • 修复(tui):解决流式传输过程中状态栏重复渲染问题 (#41480) • 修复(gateway):语音镜像优先创建 config.yaml 时导致配置文件模型继承失效 • 修复:通过 profiles.create 创建的配置文件中语音听写功能失效(缺少 stt/tts 配置) 开发者工具与插件(23 个合并请求) • feat(delegation): 将子代理迭代上限默认值从 50 提升至 250(含迁移) • fix(tests): 在测试间隙清理泄漏的 TUI 通知轮询器 • fix(tui): 将 Hermes 工具目录前置至 slash_worker 的 PATH(挽救 #83854) • fix(browser): 从 browser-use CLI 子进程环境中移除 PYTHONPATH/PYTHONHOME(挽救 #83471) 安全与密钥(3 个 PR) • 修复(models):恢复 macOS 上已认证 Actual 发现功能 • 新增(gateway):profiles.create 支持 share_auth,profiles.describe/configure 支持 MCP 服务器 • 修复(gateway,tools):修复后台通知集群——关闭模式门控、内容脱敏、watch_overfl... INTEGRATIONS & CHAT (19 PRs) • 新增(gateway):支持按配置文件的 MCP 服务器生命周期 RPC(mcp.servers.*) • fix(gateway): 在临时代理线程中绑定配置文件 HERMES_HOME 覆盖 (#50233 系列) • fix(gateway): 在 _persist_live_session_system_prompt 中绑定配置文件覆盖 (#50233 系列) • fix(gateway): 容忍来自 setup 的列表型 gateway.platforms (#83185) 稳定性与修复(34 个 PR) • fix(config): 规范化遗留的 api_mode 拼写,而非静默丢弃 • fmt(js): npm run fix 自动修复 • fmt(js): npm run fix 自动修复 111 项新功能与修复。
显示更多 话题来源 @iamlukethedev 1W阅读 ❤️87
封面由站内生成
Luke The Dev (@iamlukethedev) on X Hermes released 111 changes today DESKTOP IMPROVEMENTS (17 PRs) • fix(desktop): the main agent's model pick persists as the profile default • fix(tui): never emit DEC 2026 sync markers on unsupporte X (formerly Twitter)
会飞的荧 ·
🚀 用单个Claude实例搭出一整间AI公司:7个专业部门、42个可直接安装的技能,覆盖从开发到法务的全链路工作场景。 这既不是简单的Prompt合集,也不是第三方封装工具,而是给单个Claude实例赋予了不同部门的专业能力,需要哪块工作就调用对应的"部门"出活。 · 【开发部 🔗 相关链接 t.co/1nqZeFJfDE t.co/jUNOs2KVn8 t.co/UvKqXLPFkZ t.co/1RPWsp1Tpv t.co/k4Uh4JwQ6k t.co/qchKQXaBHb t.co/cFwrJSa5WG t.co/vg2rG1DV8O t.co/Ey0MTaoc6X t.co/bxPAW5Xhxs t.co/SkWAiwMBem t.co/yNohaOcav6 t.co/C2nsqvrcfn t.co/Z1shNYvRgr t.co/fcsZflU2Bl GitHub: github.com/charlie947/soc… 官网: claude.com/plugins/legal?…
显示更多 话题来源 @aitech_jp 14W阅读 ❤️758
GitHub - obra/superpowers: An agentic skills framework & software development methodology that works. An agentic skills framework & software development methodology that works. - obra/superpowers GitHub
查看完整榜单
查看完整榜单
查看完整榜单