Wiki 知识库

全部文档 / 作者: Miles Ma / 标签: 提示词

7 篇
清除

零基础入门 AI,看完这篇就够了(避免花钱买课被割韭菜版)

文章为零基础小白提供了一条不花钱买课的 AI 入门路线图。作者梳理了 AI 的四类核心能力(理解表达、生成内容、处理信息、调用工具),解释了 AI 输出不稳定的四大原因,并强调提示词即任务说明,需包含目标、材料、边界和完成标准。文章还介绍了知识库的适用场景、工具/Agent/API/MCP 的区别,以及何时把流程沉淀为 Skill。最后通过七天案例带读者做出一份可持续更新的学习包,并附上可直接使用的入门教练提示词,以及小白最常问的 10 个问题解答。

技术 › LLM Miles Ma 2026-09-2218.6 KB 322.3K 790 79

Grok Bot 应用指南实操案例:闲鱼上架、小红书做图、找工具、做短视频、整理收藏

本文通过五个独立实操案例,介绍如何用 Grok Bot(自定义 Bot + 提示词)解决日常内容生产任务:1)闲鱼上架员——把商品照片和信息整理成标题、描述、补图清单和咨询回复;2)小红书编辑——围绕一个选题自动生成六张风格统一的知识图卡及发布正文;3)工具情报员——把工具链接整理成可筛选的网页简报;4)视频教程师——先做一个魔方教学小工具,再录成带中文配音字幕的教学视频;5)收藏整理员——把收藏帖子按主题分类,提炼观点与写法并生成选题清单。每个案例均附可直接照用的提示词。

技术 › Agent Miles Ma 2026-09-1211.4 KB 244K 530 80

Images 2.5 发布:六个值得收藏的生图提示词 GitHub 项目

Images 2.5 刚发布,作者推荐了六个 GitHub 项目帮助快速掌握生图提示词:awesome-gpt-image-2 提供 530+ 工业级案例与模板;GPT-Image2-Skill 支持将提示词库接入 Agent 与 CLI 工作流;另有收录 2000+ 提示词的大图库、中文结构化提示词仓库 gpt4o-image-prompts、可搜索的万条提示词 Agent Skill,以及跨模型(GPT Image、Nano Banana、豆包、FLUX 等)中文提示词对照清单。建议以这些仓库为参考图库,替换主体、场景、文字和比例,比堆抽象形容词更容易得到稳定结果。

技术 › LLM Miles Ma (@miles_mazy) 2026-09-103.5 KB 69

孙哥同款:从 0 到 1 搭建 AI 财务决策系统

本文介绍如何用 Claude Code 等 AI Agent 从零搭建个人财务决策系统。文章分四步:先让 AI 整理银行流水、账单等资料,看清现金、资产、负债和未来支出;再让它拆解大额支出决策,比较一次付清、分期、推迟等方案对现金流的影响;然后解释现金、资产、负债、安全线四个核心概念;最后强调安全边界——AI 只做分析,不登录网银、不转账付款。文末附上完整提示词模板,可生成财务概览、重大支出分析和每周财务摘要三个文档。

技术 › Agent Miles Ma 2026-08-287.7 KB 2.2M 1.2K 77

Codex 进阶应用教程:普通人最常用的 10 个工作场景

本文系统介绍了 Codex 在普通人日常工作中的十个典型应用场景,包括电脑配置与软件安装、文件夹整理、会议纪要汇总、Excel 数据分析、PPT 制作、网页信息检索、网页与桌面软件操作、长期任务管理、Skills 固定工作流建设以及专业资讯监控。每个场景都遵循'先只读检查、再确认方案、后执行验收'的原则,并提供了可直接使用的提示词模板,强调任务边界、人工确认和结果核验,帮助用户安全高效地将日常任务交给 Codex 完成。

技术 › Codex Miles Ma 2026-08-2621.5 KB 335.3K 773 88

万字长文|WorkBuddy 从入门到精通

本文系统讲解国产 AI 工作助手 WorkBuddy 在国内政企 AI 交付场景中的使用方法。WorkBuddy 将模型、本地工作空间、权限、技能、连接器和产物整合在一条任务链路中,使 AI 能读取文件、生成产物并保留变更供人工验收。文章从一份会议纪要的实操案例出发,覆盖工作空间选择、任务指令四要素(动作、输入、输出、约束)、权限分级(仅问答/计划/默认模式)、模型选择(混元、GLM、DeepSeek 等)、产物验收与变更检查等核心内容,并给出文档整理、表格分析、PPT 制作等真实工作场景的实用提示词模板,强调任务边界、最小权限和交付纪律。

技术 › Agent Miles Ma 2026-08-2141.2 KB 387.4K 968 81

万字长文:知识库从入门到精通

文章系统讲解知识库的进阶路径:从最轻的文件上传开始,到 iMA、飞书知识问答承接多文件场景,再用 Obsidian 将资料沉淀为个人判断,进而用 LLM Wiki 让 Agent 自动维护知识库,最后进入企业级 RAG 阶段。作者详细介绍了各阶段的关键实践,包括提示词设计、目录结构、切片与检索策略、权限控制、评测方法等,强调知识库的核心是在模型回答前找到可靠材料,并保留来源、暴露冲突、允许拒答。

技术 › LLM Miles Ma 2026-08-1829.6 KB 104.3K 414 87