作者分享了基于 DeepSeek Harness 构建的持久化 Bot 团队 DeepSeek Bot 的开发经验，重点讲解上下文和记忆系统的设计。文章对比了传统压缩派（cc）和 Codex 的实验性上下文管理（ecm），提出智能路由方式（icm）：由独立的 context manager 决定压缩还是切会话。为确保智能路由真正有效，作者采用爬山算法优化，通过搭建用例、设置训练测试集、逐步迭代提示词来提升效果，并强调屏蔽噪声和成本控制的重要性。记忆系统采用轻量设计并支持外接插件。文章最后感谢社区认可并预告 Computer use、Browser use 等更新。
本文介绍如何设计可信的评估体系，并依据评估开展爬山优化，重点讲解 claude-api 技能中的 build-eval 和 hillclimb 两个命令。文章首先阐述良好评估的四个要素：任务反映生产环境、更强模型表现更好、保留提升空间、运行波动小，并强调对抗性采样的误区。随后说明 build-eval 如何通过生产流量采样、验证评分器、诊断检查建立评估。爬山优化部分介绍迭代成本低、效果可归因、目标明确等原则，以及通过拆分训练集与测试集防止过拟合。最后通过客服基准降本和 claude-api 技能提分两个案例展示实际效果。
作者李岳此前用 Codex 制作的 Seedance 2.5 打斗导演 Skill 提示词效果不理想，转而尝试字节新发布的豆包工作客户端。他利用豆包工作的"目标"功能，把诊断、优化 Skill 并生成 30 秒仙侠国漫打斗视频的复杂长任务交给后台执行，归来时任务已完成，且思考链中有逐项校验。随后他使用"计划"功能让豆包为 Skill 增加智能路由、新手指引和提示词诊断优化，并支持剧情即时调整与在线修改计划文档。作者认为豆包工作的目标和计划功能对复杂任务优势明显，可显著提升工作效率，不足是偶发资源不足。
作者发布了 ip-as-logo-skill 后反响热烈，分享了测试中遇到的问题及解决方案，包括调整提示词以减少透明背景、修复边缘残缺，并指出部分 Agent 不支持生图。同时推出了免费网站 ipaslogo.com，提供三千多张可商用 Logo 免费下载，并更新了 Skill 版本。
文章针对在 Google Nano Banana 与 OpenAI GPT Image 2 之间迁移图片生成提示词时的常见误区进行辨析。作者指出长提示词翻车的根源不在长短，而在于信息冲突、约束缺乏优先级、参考图职责不清以及一次性要求过多。文章提出'创意简报'与'结构化施工图'两种提示模式应按偏差成本选择而非按模型选择，并给出重做任务定义、约束优先级、参考图职责与迭代方式的四层迁移框架，最后强调模型差异需通过严格的对照实测验证。
本文介绍了一种名为「元提示词」的方法，帮助用户精准地向AI描述需求。作者以制作PPT为例，展示了如何通过让AI提问来逐步澄清需求，最终生成一份可执行的提示词。该方法适用于任何难以清晰表达的任务，通过先让AI提问、再复述确认、最后生成提示词的流程，提高AI输出的精准度。
文章探讨了在 GPT-image 2.0 时代，提示词工程在生图领域的重要性。作者借鉴了博主@小小东的设计师思维链（语义分析、概念转译、视觉决策、执行规范），开发了一套“提示词逆向工程 Skill”。该工具能通过分析参考图或专家案例，逆向提取出结构化、多维度（含双语）的生图指令，帮助非专业用户通过定义“成功标准”和“防退化原则”，生成具有大师级质感和审美逻辑的图片。
本文详细拆解了 Hermes Agent 长达 1 万 token 的系统提示词，将其分为 9 层结构进行分析。作者发现主要的 Token 消耗集中在 AGENTS.md 项目开发指南，并提供了通过调整 `TERMINAL CWD` 路径来减少 50% Token 消耗的优化技巧。文章还涉及 Memory 管理、Skills 索引及平台适配等技术细节。
