提示词工程
把需求说清楚、给边界、定输出形式，提示词工程是普通人也能掌握的 AI 表达能力，不是只有工程师才懂的神秘咒语。
提示词工程研究的是怎么把任务讲明白：系统提示词定身份与边界，用户提示词提当轮任务，上下文工程决定模型能稳定到什么程度。它早已不是写长模板，而是把需求拆清楚、说准确的表达与拆解能力。
分词器是什么？同一句话，为什么换个模型 token 数就不一样
分词器是你发给模型的那句话最先经过的部件，它不负责理解，只负责切分和编号。文字送进大模型之前，分词器会先把它切成一个个 token，再换成词表里的编号，模型读到的就是这串编号。想通这一点，不少困惑就有答案：token 既不是字，也不是词。 它切的不是字，而是出现概率 目前主流的分词器多采用 BPE ...
Admin
100 
工作流提示词：把一件重复工作拆成三段，AI 一次跑完不出错
工作流提示词解决的是一个具体痛点：每周都要做的重复整理工作，一次交给 AI，输出总是不稳——要么漏信息、要么掺杂编造、要么格式不对。拆成三段提示词流水线之后，每一段只干一件事，质量立刻可控。 最常见的场景是每周整理用户反馈。反馈散落在应用商店评论、客服聊天记录、问卷里，你要把它们整理成一份"本周用户...
Admin
93 
AI 拒绝回答别急着换说法，先确认是哪一类拒绝
AI 拒绝回答时，最有效的第一步不是换个说法再问一遍，而是花十秒钟确认它属于哪一类拒绝：政策类拒绝基本绕不开，问法类拒绝改写提问就能解决，能力类拒绝则要找替代方案。对号入座之后，大多数“被拒”都有出路。 一、先看话术，判断是哪种拒绝 AI 的拒绝理由一般直接写在回复里，对照下面三类看： - 政策类拒...
Admin
102 
文献精读提示词：让 AI 先挑刺，再讲清论点、方法和局限
文献精读提示词，解决的是"论文读完了，论点记不住、方法漏洞看不出"的问题：你把论文正文粘贴进去，AI 先以审稿人的视角挑出论证和方法上的毛病，再讲清核心论点、关键方法和适用边界，最后输出一张速查表。下面这段提示词复制粘贴就能用。 提示词正文（复制粘贴就能用） 你现在是［领域］方向的资深审稿人，审过上...
Admin
94 
合同审阅提示词：把合同贴给 AI，一次列出风险点和缺失条款
合同审阅提示词，是把"逐条看合同"这件耗时又容易漏项的事交给 AI 的具体做法：你把合同正文粘贴进去，AI 就按条款逐条标注风险等级，列出对你不利的条款、缺失的关键条款和表述模糊的地方。下面这段提示词复制粘贴就能用。 这段提示词适合什么场景 租赁合同、劳动合同、合作协议、采购合同——文本长、措辞绕，...
Admin
72 
AI 识图总看错字，先分清拍照、截图、扫描件三种情况
AI 识图看错字，多半不是模型太笨，而是你拿的图类型没对上处理方式。先别急着换模型，把图片分成拍照、截图、扫描件三种情况，对症下药，识别准确率会立刻提升一大截。 情况一：拍照（照片里拍的文件、白板、菜单） 拍照最常见的问题是拍歪、模糊、反光和透视变形。先别问 AI，把图处理一下：把纸摆正重新拍一遍，...
Admin
72 
简历诊断提示词：让 AI 扮演资深 HR，逐段指出问题和改法
简历诊断提示词要解决的问题很具体：简历自己改了十几遍，总觉得哪里不对，却说不上来。找朋友帮忙看两眼，得到的意见大多是「排版再调调」「经历再丰富点」，等于没说。这段提示词让 AI 扮演一位看过上万份简历的招聘负责人，用 HR 筛简历的真实视角，逐段指出你的简历会在哪里被直接略过，并给出能直接套用的改写...
Admin
77 
AI 每次回答都不一样，是记性差还是随机性在作怪？
AI 回答每次都不一样，绝大多数情况下是正常现象，不是记性差。真正的原因就两类：一是模型生成文字时自带随机采样，同一个问题跑两次，选词路径本来就不同；二是你两次提问时的条件变了——新开对话、开了记忆功能、后台换了模型版本，输入不同，答案自然走样。 答案不一样的三个原因 第一，采样随机性。大模型不是从...
Admin
114