久操免费资源,久久伦理一区,国产又黄又爽视频,情草av网,日本久久久在线免费,精品人妻互换一区三区,熟妇女一区二区三区,亚洲AV三区视频免费,老司机在线精品

本文梳理Anthropic官方提示詞實(shí)踐課核心觀點(diǎn),糾正提示詞誤區(qū),分享提煉的復(fù)用框架,附作者自用AI工作流優(yōu)化經(jīng)驗(yàn)。 ## 1. Anthropic官方提示詞課核心實(shí)踐結(jié)論 這場偏生產(chǎn)實(shí)踐的講座演示了如何將模糊提示詞迭代優(yōu)化為結(jié)構(gòu)清晰、適配真實(shí)業(yè)務(wù)的提示詞,糾正了「提示詞是模型能力不足時(shí)的權(quán)宜之計(jì),模型變強(qiáng)后就無用」的常見誤區(qū)。Anthropic針對(duì)零售店排班任務(wù)測試:同一個(gè)小模型Sonnet 4.6,優(yōu)化出「生成-評(píng)價(jià)-修復(fù)」循環(huán)工作流后,所有測試從全掛變?yōu)槿^,且消耗token更少、延遲更低。 ## 2. 講座提煉的四大提示詞核心原則 1. 始終依靠系統(tǒng)化評(píng)估驗(yàn)證每一次提示詞改動(dòng),不憑感覺修改。 2. 保持提示詞「衛(wèi)生」,需清理冗余內(nèi)容,用XML標(biāo)簽區(qū)分結(jié)構(gòu)。 3. 不要試圖用純指令彌補(bǔ)模型能力缺口,需要時(shí)應(yīng)接入外部工具。 4. 處理復(fù)雜任務(wù)時(shí),搭建多提示詞協(xié)作的智能體工作流,比堆長提示詞做大模型單次調(diào)用更高效、便宜且易維護(hù)。 ## 3. 作者基于課程開發(fā)的提示詞優(yōu)化框架 作者將課程內(nèi)容整理后喂給Codex,提煉出可復(fù)用的系統(tǒng)化提示詞框架并開源。 ## 4. 日常AI工作流的提示詞優(yōu)化經(jīng)驗(yàn) 作者日常將AI任務(wù)分為兩類:重型復(fù)雜任務(wù)用Codex或Claude Code處理,輕型緊急任務(wù)習(xí)慣用ChatGPT隨手提問。針對(duì)輕型任務(wù)作者發(fā)現(xiàn)反直覺結(jié)論:用短提示詞趕活僅省幾秒,但需追加多輪調(diào)整,總耗時(shí)可達(dá)10分鐘;一開始花1-2分鐘寫結(jié)構(gòu)完整的提示詞,總耗時(shí)反而更短。
看完爆火的Anthropic 官方提示詞課,我連夜做了個(gè)“全局優(yōu)化器”
2026-06-03 20:34

看完爆火的Anthropic 官方提示詞課,我連夜做了個(gè)“全局優(yōu)化器”

本文來自微信公眾號(hào): AI Humanist by杉森楠 ,作者:杉森楠,原文標(biāo)題:《看完爆火的 Anthropic 官方提示詞課,我連夜做了個(gè)「全局優(yōu)化器」|已開源》


這兩天,Anthropic兩周前的官方講座《The Prompting Playbook》,又小火了一把。


這場講座來自Anthropic的開發(fā)者技術(shù)工坊系列Code?w/Claude 2026,整個(gè)系列都很偏實(shí)踐、偏開發(fā)。這一期是個(gè)實(shí)操型的workshop,主講的是Anthropic的Apply AI團(tuán)隊(duì),從頭到尾就圍繞一件事:怎么寫出一個(gè)能真正在生產(chǎn)環(huán)境里用起來的Prompt。


我完整看了一遍,整體確實(shí)很貼近生產(chǎn)場景。這一年里,專門講「在真實(shí)業(yè)務(wù)里怎么把提示詞做好」的內(nèi)容很少,這一期算難得的。它也算是繼去年大火的《Prompting 101》之后,又一期高質(zhì)量的提示詞實(shí)踐教學(xué)。


整場內(nèi)容我就不一句句復(fù)述了,說實(shí)話講得比較散。核心就是他們現(xiàn)場演示,怎么把一個(gè)模糊的提示詞,一步步改成結(jié)構(gòu)清晰、能扛住真實(shí)業(yè)務(wù)的提示詞。


他們重點(diǎn)演示的,是怎么讓一個(gè)提示詞具備明確的角色、任務(wù)背景、約束條件和輸出格式。這幾樣?xùn)|西對(duì)效果的提升非常明顯。


這里也糾正了一個(gè)常見誤解:很多人覺得提示詞這東西,只是模型能力不夠強(qiáng)時(shí)的一種取巧手段,模型一強(qiáng)就沒用了。但從他們的實(shí)際研究看,完全不是這樣。


下面先從原理說起,順便把這個(gè)誤區(qū)講清楚。


他們做了一組多輪測試,針對(duì)的是一個(gè)零售店的排班業(yè)務(wù),用到兩個(gè)模型:小模型Sonnet 4.6和大模型Opus 4.7。圍繞同一個(gè)任務(wù),提示詞一共調(diào)了五輪。


第一輪,用的是最基礎(chǔ)的提示詞加小模型Sonnet 4.6。結(jié)果推理能力明顯不夠,嚴(yán)重違反了排班規(guī)則,測試幾乎全掛。



接下來幾輪,他們繼續(xù)優(yōu)化提示詞,模型還是那個(gè)小模型。加上一些更復(fù)雜的推理指令之后,部分測試開始通過了。但小模型的token上限也帶來了新麻煩:有些用例還是會(huì)失敗,延遲也偏高。



到了第五輪,他們換了個(gè)思路,搭了一個(gè)「生成、評(píng)價(jià)、修復(fù)」的循環(huán),模型依舊是小模型Sonnet 4.6。這一次,所有測試全部通過,用掉的token反而更少,延遲也更低。



同一個(gè)小模型,從全掛到全過,中間差的就是提示詞和工作流。這一整期教學(xué),我自己提煉出幾個(gè)比較關(guān)鍵的點(diǎn):


(1)始終靠系統(tǒng)化的評(píng)估(Evals)來驗(yàn)證每一次提示詞的改動(dòng),憑感覺改不算數(shù)。


(2)保持提示詞的「衛(wèi)生」:清理冗余內(nèi)容,用XML標(biāo)簽把結(jié)構(gòu)區(qū)分清楚。


(3)別想著用純指令去彌補(bǔ)能力上的缺口,該上外部工具就上外部工具。


(4)面對(duì)復(fù)雜任務(wù),與其堆一個(gè)超長提示詞、再做一次昂貴的大模型單次調(diào)用,不如搭一個(gè)多提示詞協(xié)作的智能體工作流(Agentic Loop),往往更高效、更便宜,也更好維護(hù)。


看完之后,我把這一期的所有內(nèi)容整理成了一份上下文,喂給Codex,讓它據(jù)此整理出一套可以反復(fù)復(fù)用的提示詞框架,分享給大家:



不過整個(gè)提示詞內(nèi)容實(shí)在太長了,而且我覺得,光甩一份提示詞出來,意義也不大。正好借這個(gè)機(jī)會(huì),聊聊我平常用AI的工作流。


我日常用AI,大致分兩條路徑。


一條是「重型任務(wù)」。碰到比較復(fù)雜的任務(wù),或者需要深度獲取知識(shí)的內(nèi)容,我一般會(huì)用Codex或者Claude Code去做問答,或者直接Vibe Coding。


另一條是「輕型任務(wù)」。平常那些比較急、只需要一點(diǎn)輕量知識(shí)、或者想立刻搜一個(gè)結(jié)果、立刻拿到一個(gè)判斷的場景,我一般會(huì)用ChatGPT。因?yàn)槲矣玫氖茿tlas瀏覽器,它默認(rèn)就帶著ChatGPT,順手。


但問題就出在「輕型任務(wù)」路徑。這種時(shí)候我往往嫌麻煩,不會(huì)專門去搭一個(gè)完整的提示詞框架,隨手就敲一句很短的話進(jìn)去。結(jié)果提示詞效果也確實(shí)一般,最后還得來回調(diào)好幾輪。



這里就有個(gè)挺反直覺的,我后來也注意到了:我用一句話的短提示詞去趕一個(gè)急活,省下的是寫提示詞那幾秒,但因?yàn)橘|(zhì)量差,后面你得追加四五輪上下文,反復(fù)補(bǔ)充,才能勉強(qiáng)拿到一個(gè)像樣的結(jié)果,前后可能搭進(jìn)去10分鐘。


反過來,如果我一開始就老老實(shí)實(shí)寫一個(gè)結(jié)構(gòu)完整、信息到位的提示詞,寫它花個(gè)1到2分鐘,生成結(jié)果5分鐘,總時(shí)間反而比硬剛短提示詞更短。


最后,祝大家都玩得開心~

AI原生產(chǎn)品日?qǐng)?bào)頻道: 前沿科技
本內(nèi)容由作者授權(quán)發(fā)布,觀點(diǎn)僅代表作者本人,不代表虎嗅立場。
如對(duì)本稿件有異議或投訴,請(qǐng)聯(lián)系 tougao@huxiu.com。
正在改變與想要改變世界的人,都在 虎嗅APP
万载县| 澄城县| 奎屯市| 龙口市| 清远市| 寿阳县| 麻阳| 平南县| 平罗县| 吴江市| 沁源县| 兴和县| 塔城市| 京山县| 元阳县| 汨罗市| 青川县| 临邑县| 溆浦县| 台山市| 彭州市| 青阳县| 呼伦贝尔市| 温州市| 保亭| 乐东| 辰溪县| 永城市| 桂东县| 定边县| 南昌市| 鹤庆县| 鄂尔多斯市| 安吉县| 泸州市| 石林| 栖霞市| 平罗县| 山西省| 景德镇市| 柞水县|