豆包工作完整使用教程
本文系统介绍字节跳动豆包工作这款 AI 助手的完整使用方法，涵盖制作 PPT、处理文档表格、深度调研、定时任务、本地文件整理、网页自动化操作及图片视频创作等场景。作者强调核心是用清晰的任务描述代替模糊指令，提供了通用任务模板、会议纪要整理、销售数据分析、竞品周报等可直接复制的提示词，并给出三轮追问法提升输出质量，最后提醒高风险操作必须人工确认。
全部文档 / 标签: Prompt 工程
92 篇
我把旅行照片压成一枚小小的橡皮章，又把这套方法做成了开源 Skill
作者提出一种将旅行照片转化为“橡皮章旅行观察笔记海报”的创作风格：左侧保留真实照片作为现场证据，右侧将同一场景提炼为一枚小尺寸多色橡皮章，保留最具识别度的视觉锚点，删除摄影噪声。文章详细阐述了信息压缩的三层提炼顺序、手工印刷媒介质感（缺墨、断边、套印错位）、从照片取样专色、小章与大量留白的版式原则，并将这套判断固化为开源 Skill hbg-rubber-stamp-field-note。
第一性原理拆解：生图提示词究竟该怎么写？
作者提出写生图提示词的关键不是长短，而是补齐AI需要判断的信息。文章给出包含任务、输入、输出、约束、上下文、受众、记忆、成功标准、示例9个维度的“提示词焚诀”排查表，建议日常生图先补用途、主体、比例、风格、禁区5项即可。作者认为借鉴美学类提示词适合找风格，但完成任务需靠结构化信息。文末提供最小可用生图brief模板和看图反推提示词的方法。
SKYCOURT MERIDIAN：图像生成提示词系统
作者分享了一个名为 SKYCOURT MERIDIAN 的系统提示词，用于将用户的文本或图像改写为适用于 GPT Image Gen V2 或 Nano Banana Pro 的完整图像生成提示。该系统包含三大空间结构：Processional Meridian 构建从观者到目的地的通行路线，Dynastic Threshold 设置近景锚点与终点主体，Orbital Vault 营造云层深度与天体尺度。提示词详细规定了中式宫殿建筑元素、四级景深、光影配色、细节密度分布等约束，并区分 GPT 与 NANO 的不同输出格式。
Vibe Coding 做 UI 的 7 个实用技巧
作者分享了使用 Vibe Coding 进行 UI 设计的实践经验，总结了 7 个关键技巧：明确页面目标、具体化视觉描述、从产品提取视觉元素、使用参考图、描述交互流程、明确限制条件、多设备测试。这些方法能帮助 AI 生成更顺眼、更完整的产品级 UI。
提示词越写越长，为什么反而不管用了？
作者从内容创作和小说写作的实践出发，发现把所有约束堆在一条长提示词里反而失效。核心问题是所有限制都放在顶层，AI 每次都要重新判断哪条重要。作者提出将 Prompt 分为三级：快速原型级解决能不能做，开发级解决能不能稳定做，管理级负责调度 CLI、Skill、MCP、脚本、Agent 等执行单元。顶层 Prompt 像经理，只保留目标、路由、验收和异常处理，具体规则下沉到各执行单元自带的说明中。写 Prompt 最关键的能力不是表达，而是组织能力。
The Agency：61个Agent的GitHub仓库揭示的图工程启示
文章介绍了2026年爆火的GitHub仓库The Agency，它包含61个专职Agent和9个部门，展示了与通用型AI完全不同的思路。核心观点包括：专业化比智能更重要、结构本身就是产品、Agent间的交接即图的边。文章阐述了验证者模式——工作者与验证者绝不能共享上下文，否则就是自己批改自己的作业。最后给出实操指南：用researcher、builder、reviewer三个提示词文件搭建最小三节点Agent图，强调私有上下文与共享状态的分离是构建可靠Agent系统的关键。
Use Claude Code Better Than 99% of People (Full System)
文章提出一套将 Claude Code 当作“AI 员工”而非聊天框使用的完整系统，包含九个组成部分：工作区（仓库目录结构）、记忆文件（CLAUDE.md、roadmap.md、review.md）、任务简报（plan mode）、工单（清晰的小任务）、自我检查（让 Claude 打开产品实际验证流程）、三层审查（人工 diff、标准审查、/review）、例程排期与权限控制。作者以医美机构漏接线索的自动回复产品为真实示例，演示如何通过上下文工程、明确范围和质量标准，让 Claude Code 高质量、可控地完成端到端产品开发与验收。
上下文工程规则已变：Anthropic 删减 80% 指令的实践
Anthropic 工程师 Thariq Shihipar 分享了构建 Claude Code 的发现，团队删除了 80% 的系统提示词后性能未受损。文章介绍了“4层上下文审计”框架，指导如何清理常驻指令、记忆、知识文件等冗余信息，以适应新模型的高推理能力，避免过度指令导致的性能下降。
6名学生7天AI学习实验开源框架
作者将6名学生7天AI学习实验整理成开源框架，包含信息采集、路径生成、动态调整Prompt及质量检查表，旨在帮助迷茫学生建立学习路径，欢迎社区共同验证迭代。
36 张 AI 卡牌插画，怎么保持一致性？
文章分享了使用 Codex image-gen 生成 36 张卡牌插画的经验，重点在于通过固定角色设定、立绘参考和结构化 prompt 来保证画风和角色的一致性，同时强调了生成后脚本处理的重要性。
从选题到写作再到发布，我把几十个 skill 串成了一条自动流水线
作者分享了自己如何利用 Hermes、Codex 和 Claude 中的数十个 Skill，搭建了一条从素材抓取、选题分析、风格润色到图文排版的内容自动生成流水线。文章详细介绍了自动化流程的设计思路、遇到的痛点以及如何通过拆分 Prompt 保持文风一致性，同时也反思了人机协作中人工审核与决策的重要性。
构建自动纠错 AI 循环系统
文章阐述了如何构建一个自动纠错的 AI 循环系统，通过构建者、评判者和管理者三个角色的分离，以及利用真实标准进行验证，使系统能够在向用户展示结果前自行发现并修正错误，从而将人类从繁琐的人工验证中解放出来。
从提示词到Agent工程：构建安全可控的AI工作流
文章指出“提示词工程”并未消失，而是升级为“Agent工程”。随着模型能力增强，工作流重点从单次回答转向安全、稳定的任务控制。作者通过对比传统Prompt与Agent任务，提出了基线检查、小步执行、实时纠偏等优化策略，并分享了实战案例及通用的Agents.md配置模板，强调建立明确的上下文和边界是Agent落地的关键。
微软开源 SkillOpt：不动模型，只训练 Prompt
微软开源了 SkillOpt 项目，引入了“训练 Prompt”的新思路。与传统的 Agent Skill 开发不同，SkillOpt 在不改变模型权重的情况下，将神经网络训练方法（如 epoch、验证集）应用于优化 SKILL.md 文本。系统通过执行任务、打分、反思和筛选修改建议，实现技能文档的自动化迭代。论文表明，该方法在多模型环境下均有显著提升，且优化后的技能具备跨模型迁移能力。
从搜索到核查：打造高质量内容的AI六步生产流水线
文章对比了AI写作的“魔法棒”与“流水线”模式，指出一次性生成缺乏质量门禁，容易产生误导性幻觉。作者提出了一套包含库检索、补搜、写作、配图、核查、修复的六步生产管线，强调通过结构化验证和分诊核查，确保每个论点有据可查，从而将AI写作从简单的文本生成升级为可验证的知识生产过程。
利用 Prompt 对 AI 会话历史进行深度自我分析
文章介绍了一个创新的 Prompt，能够挖掘本地机器上的 AI 编程助手（如 Claude Code）会话历史。通过挖掘、提炼、访谈、镜子、杠杆和残留六个阶段，AI 帮助用户从时间戳和行为模式中提炼真实的自我画像，识别时间浪费点与重复性劳动，并自动更新配置文件，从而实现极高效的个人反思与工作流优化。
我把斯坦福最火的一门课，做成了Prompt来帮我设计人生
本文作者受斯坦福课程《人生设计课》启发，设计了一套Prompt（提示词），利用Claude等AI模型辅助进行人生规划。该Prompt将书中“看清现状”、“找到指南针”、“寻路”、“奥德赛计划”等设计思维转化为四个阶段的AI对话流程。作者通过实测发现，AI的持续追问能有效帮助用户梳理内心潜藏的价值观与焦虑，最终生成包含人生蓝图、原型行动和失败免疫在内的深度分析报告。
改变人生的 Prompt：通过会话历史深度自我分析
这篇文章提供了一个极具洞察力的 Prompt，通过分析本地 AI Agent 的会话历史（如 ~/.claude/projects），揭示了用户真实的行为模式。该 Prompt 指导 AI 分六个阶段挖掘、蒸馏、访谈并最终生成“用户镜像”，从而指出时间浪费点、可自动化任务及真正的核心价值，旨在实现深度自我认知与工作流的彻底重构。
如何使用 Claude Code 创建循环工作流
本文提出了一种通过“循环”机制优化 Claude 工作流的方法，旨在解决传统一次性会话在重复性任务中效率低下的问题。作者定义了包含触发、上下文、行动、验证、状态更新和决策的六步循环结构，并详解了由 TASK.md、PROGRESS.md、LOOP_INSTRUCTIONS.md 和 outputs 组成的四文件系统，以实现状态持久化和流程自动化。
从盲区扫描到测验合并：重写 AI Coding 工作流
文章基于 Anthropic 员工 Thariq 的理念，探讨了 AI 编程中的核心痛点：通过“未知项管理”替代单纯的“Prompt 优化”。作者将未知项分为四类，并提出了相应的解决策略：用“盲区扫描”发现隐性问题，用“多版原型”明确模糊标准，用“实现笔记”记录代码逻辑，最后通过“反向测验”确保开发者理解变更。这套流程旨在将未知项在低成本阶段暴露，避免后期返工，实现高质量的 AI 辅助编程。
我的 AI Coding Guide
本文分享了作者在使用 AI Agent 辅助编程时的实战经验。文章从精力管理、工程管理、快速反馈三个维度出发，提出了十一条核心原则，包括“Prompt即规格说明”、“使用最强模型”、“可逆沙盒原则”以及“Fail Fast”等。作者强调，在使用 AI 编程时，开发者应从执行者转变为管理者和审查者，利用工具链（Git、CI/CD）进行风险控制，确保代码的可维护性与安全性。
仅周末10小时做AI儿童绘本月入2.1-3万：从工具经济到礼物经济的副业实战
本文分享了利用AI制作儿童绘本实现高月收入的副业经验。作者指出，AI绘本并非传统的“工具生意”，而是“礼物经济”。通过锁定6-8岁儿童市场，采用99/149/199元的三档定价策略，并严格执行“先收50%定金”的SOP，作者实现了低退款率和高复购率（40%）。文章详细拆解了从需求沟通、故事大纲生成、Midjourney画风锁定到交付的全流程，强调了角色一致性和实体书作为社交裂变抓手的重要性。
如何真正搭建高效能的 Claude 项目
文章指出大多数用户仅将 Claude Projects 视为带标签的文件夹，错失了其构建定制化 AI 员工的潜力。作者提出了由身份、规则、流程、输出格式和知识文件组成的六步项目蓝图，通过具体指令和约束，引导 Claude 精准理解用户语调、受众及工作流，从而输出高质量、个性化的内容。
Adam's Law：为何高频表达能解锁 LLM 的最强性能
文章介绍了 FaceMind 团队提出的 Adam's Law（文本频率定律），即在语义不变前提下，使用预训练语料中频率更高的表达方式能显著提升 LLM 表现。该发现通过 100 种语言和四大核心任务得到验证，并指出当前数据工程忽视了“频率”这一关键维度。Anthropic 的 Claude Opus 4.7 更新间接验证了这一理论。
做企业 AI 视频项目逼出来的工具包:411 prompt · 7 Claude Skill · 14 篇方法论
作者在开发企业级 AI 视频生成全流程网站时，针对模型提示词技巧差异大、文档散落且迭代快的问题，整理并开源了一套完整的工具包。该仓库包含 411 条带来源验证的 Prompt（覆盖 15 种模型）、7 个 Claude Code Skill、14 篇方法论 SOP 以及自动监控模型版本更新的 GitHub Action。
有一程序员朋友说把画图好太难，那是他不会GTP2
文章介绍了如何利用 GPT-image-2 生成高可读性的手绘风格架构图，解决了程序员“把图画好看难”的问题。作者将信息设计师的经验提炼为 prompt，涵盖排版、色彩、图标层级等七个维度，并提供了完整的 workflow 和 prompt 范本。
从零构建 LLM 架构：10 个实用经验教训
本文指出构建 AI 产品的核心不在于选择模型，而在于架构设计。作者分享了 10 个实用经验，强调从工作流而非模型入手、重视检索优于微调、将提示工程视为系统工程、关注延迟优化、为智能体设置护栏、妥善处理记忆、建立评估管道以及优化成本。最终，多智能体系统将是未来趋势。
打造睡眠中自动运行的动漫工厂：月入8000美元的AI全链路实践
本文详细拆解了如何利用 Claude、Midjourney、Runway、ElevenLabs、Suno 和 Make 六款工具，构建一个全自动化的AI动漫内容生产流水线。该系统通过自动生成剧本、角色、动画、配音和音乐，并在 YouTube 等平台发布，实现了月入超过 8000 美元的被动收入。
