本文整理了 npm 联合创始人 Laurie Voss 在 AI Engineer 纽约 workshop 上关于 AI Agent 评估方法的分享。他从一份分析师共识加总为 116% 的特斯拉研报切入，阐述 trace（日志）与 eval（评估）的区别，强调先人工精读十几条记录再设计评估的重要性。文章详细介绍了从免费代码断言、LLM 裁判到黄金数据集校准裁判的完整评估体系，指出选择正确的评估问题比调优评估更重要，并以'评结果而非评步骤'为原则，演示了通过一行 prompt 修改将可操作性从 5/16 提升到 48/48 的案例。最后他强调将评估接入 CI、区分能力评估与回归评估，才能持续保证 Agent 质量。
文章分析了AI回答冗长、套话、口头禅等'AI腔'的成因：模型在预训练、指令微调、偏好优化和评测四道工序中被奖励方向塑造——偏好长回答、格式化、附和与自信。作者区分日常对话和写作两类场景给出解法：日常对话可通过提示词约束格式与长度、借用航空业ASD-STE100简化技术英语规范让表达清晰，并写入系统提示或CLAUDE.md长期生效；写作则需提供真实材料、明确说话位置、避免假细节，并按七遍法分步改稿，优先改掉换模型也能写出的段落，最终让AI文字读出具体的人。
文章介绍 Claude 的重要变革：Claude Chat 与 Cowork 已统一为单一产品，云端的 Chat 现在能直接编写代码、生成幻灯片等，用户无需再区分不同模式。作者建议删除旧的复杂配置——包括 CLAUDE.md 文件、skills、指令文件等，因为它们会造成'上下文膨胀'，反而降低输出质量。这一观点得到 Claude Code 作者 Boris Cherny 的支持。替代方案是：设置中开启统一模式、选择 Auto、保留 Memory、每次只给一个清晰目标，并让 Claude 在开始前复述目标以确认理解。核心理念是'少即是多'，让技术变得无形。
作者分享了一套月入13286美元的无脸短视频自动化生产体系。核心方法论是：爆款视频的灵魂在于'格式'而非'主题'，格式生命周期约12天，需抢先套用。流程为四工具流水线：先用研究引擎监控35个同类频道，用outlier分数（视频播放量÷频道中位数）筛选爆款，提炼可复用的格式骨架；再用Claude基于格式批量生成36个创意概念并按镜头撰写脚本；然后用CapCut生成画面、配音、字幕完成9:16竖屏视频；最后用Make自动化定时发布到TikTok、Shorts和Reels，并将播放数据回写研究表，形成自我强化的飞轮。整套系统一次搭建5小时后可24/7运转。
本文介绍如何用 Claude Code（Opus 5.5）实现视频自动化剪辑：将原始 MP4 或文章丢入本地文件夹，让 AI 一次性完成去水词、加字幕、绘制解说动效并合成导出 MP4。与传统扩散模型 AI 视频工具不同，该方法采用可编程视频渲染路线，通过 HTML Canvas + Playwright + FFmpeg + F5-TTS 用代码逐帧画出视频。作者分享了三个实操诀窍：用交付清单代替复杂提示词、截图投喂视觉参考、丢案例库网址进行逆向工程并沉淀为 SOP。文中还拆解了完整的工程级渲染管线，包括分镜对齐、本地语音克隆、字级音画同步与自动化视觉 QA，并附上可直接复用的完整 Prompt 模板及适用场景边界建议。
作者对 X（推特）中文区发过 AI 相关内容的博主及其长文进行系统分类整理，统计截至 2026 年 9 月 22 日，共整理出 19 个分类、1286 篇文章、314 位博主。分类涵盖 AI 基础科普、认知思维、技术原理、安全伦理、Prompt 工程、编程开发工具、Agent 与自动化工作流、本地部署、工具教程、效率办公、视觉影视、自媒体运营、SEO/GEO、跨境出海、教育知识付费、创业产品、副业搞钱、投资产业链以及行业资讯等，每类均列出代表性必看文章链接，是一份全面的 AI 中文内容资源索引。
作者以程序员视角深入分析了数字生命卡兹克零编程基础、纯靠 AI 构建的开源项目 AIHot（AI 热点新闻聚合网站）。文章详细解读了项目的技术选型与架构：TypeScript 全栈 monorepo、React Router SSR 前端、Fastify API、pg-boss 任务队列，以及 RSS、网页爬虫、JSON 接口、推特、微信公众号等六种信源采集方式。重点剖析了其基于大模型的文章处理流程：预筛、五维度加权打分、摘要生成、向量聚簇归组。作者由此引申讨论 AI 时代软件工程可维护性标准的转变：程序员注意力从代码实现转向架构设计与约束，类比铝从贵金属到飞机材料的价值观变迁。
文章指出 ChatGPT 输出质量差往往是提示词写得不好导致的，并总结了 9 个实用的提示词框架：RACE（角色-行动-背景-期望）、RISE（角色-识别-步骤-期望）、STAR（情境-任务-行动-结果）、SOAP、CLEAR、PASTOR、FAB、5W1H 和 GROW。每个框架通过明确角色设定、任务描述、背景信息和期望输出，帮助用户获得专家级的 AI 回答，适用于文案写作、问题解决、产品介绍、目标管理等多种场景。
作者尝试用 Opus 5.5 全程自动制作吃瓜（八卦）短视频，包括自动搜集素材、生成文案、用 Gemini 3.8 Flash TTS 配音，中英文两个版本，整个流程仅耗时半小时。文中分享了完整 Prompt 设计：内容要求八卦有冲突但事实准确、开头3秒抓眼球、素材以视频片段为主、9:16竖版4-6分钟、自动压低BGM、添加水印、封面设计等细节，还支持生成去敏版本。评论区讨论了此类方法对影视解说自动化的启发。
作者在测试 Manus 时学到一个提示词技巧：在生成图片时，不必用提示词详细控制样式风格，而是直接提供参考图，参考图中包含颜色、字体、宣纸纹理、墨迹边缘、水痕、印章与留白规则等视觉要素。这样出图稳定性更高，内容提示词也可以写得更简单。文中以'茶与慢生活'主题的水墨极简风格幻灯片为例，展示了参考图配合简洁内容提示词的完整实践，包括标题副标题、内容结构以及视觉方向的具体要求。
作者分享了以 MiniMax H3 為核心的本地 AI 影片製作工作流，強調人物不僅要長得對，還要具備空間、道具與互動邏輯。流程包括：確立參考素材、撰寫結構化分鏡 Prompt（含 subject_definitions、retention_analysis、detailed_description 等模組）、加入 T8 ActionLogic 語義橋強化動作因果理解，並依題材搭配加速、寫實、格鬥、電影質感等 LoRA。生成後經放大銳化第二階段精修，遵循「寫分鏡→生成→檢查→修改→重拍」的創作循環。文末附完整模型、語義橋與 LoRA 資源清單。
文章分享了针对 GPT Image 2.5 的两套可直接使用的人像生成提示词模板：单灯棚拍人像与户外自然光。作者提出提示词应遵循官方四段结构（场景、主体、细节、约束），强调模型听得懂的是具体信息而非情绪词。文中给出通用五层骨架、参数配置，以及提示词过长时的删减顺序——先砍细节色彩，最后才动光线和取景。还解析了模板中关键句子的作用，如光斑不打进眼睛、暗部反光补偿等，帮助用户写出可控、稳定的图像生成提示词。
本文讲解 AI 绘图生成多人场景的方法论。指出多人图与单人图是不同的问题，需要回答三个核心问题：谁是第一主角、人物站位如何安排、人物之间是什么关系。文章提出多人图的五层结构（公共层、焦点层、身份卡、站位层、关系层、负面词），强调一张图只能有一个第一主角，信息量应按叙事权重分配而非平均分配。同时给出三角构图与景深分层的站位公式，并通过测骨台三人局、观礼台四人局两个完整案例，演示如何用 Prompt 实现清晰的主次关系与剧情感。
文章针对AI绘画制作连续内容时角色形象不一致的问题，提出三层锁定方法：文字身份卡固定角色核心特征，角色设定图让模型直观看到角色样貌，表演层让角色在镜头中生动起来。通过固定身份层与可变剧情层的分离，解决角色变脸、服装漂移、风格丢失等常见问题，帮助创作者从单张好图进阶到完整剧集制作。
作者通过四个实操案例展示如何用 Astra 进行视觉动效高保真复刻：高级动效视频复刻、业务介绍动效视频改写、ElevenLabs 动态背景复刻（WebGL+GLSL 技术栈）以及语音交互光球效果移植。文章强调分步验证、单点把控的方法论，如先验证背景再加图文音轨、把视觉效果与交互功能拆开验证等，并分享核心提示词「一边参考原片一边修改直到近乎一样」，总结 AI 自查与人工定点反馈两种协作路径，附通用 Prompt 模板与止损建议，展示普通人无需懂代码也能参与 AI 视觉制作的生产力价值。
本期早报围绕 AI 落地的三个层面展开：先测量成本，再管理状态，最后明确责任。精讲一介绍 Uber、Pinterest、AT&T 通过开放权重模型、模型路由和基准测试，将单次请求成本降低 34%、会话成本降低 52% 的实践。精讲二解析大淘宝技术的 HL-Mem 系统，通过 Event 与 Claim 分离、双时间模型和显式遗忘机制，解决 Agent 长期记忆的证据、时间与冲突治理问题。精讲三分享京东技术的 B 端产品实践，把工作组织为 Prompt、Context、Harness 三层，AI 负责整理与生成，人负责业务判断与责任，使 34 人日工作压缩至 15 人日。速览还涵盖多智能体最佳实践、OpenAI 存储架构、AI 评估管道等内容。
OpenAI初创团队Applied AI负责人Wulfie Bain指出，即使是顶级AI创业公司，其提示词也普遍存在矛盾与歧义。核心原因在于提示词的演进是增量式的：只加不删，无人端到端审查，导致“意面式”提示词；而工程师依赖隐式知识解读提示词，忽略了模型缺乏这些背景。作者主张将提示词视为产品决策和代码来对待——结构化、模块化、可维护（MECE原则）。通过重构提示词，多家创业公司实现了提速50%、留存提升40%、成本降低30%的效果。
这篇教程系统讲解了如何掌握 OpenAI Images 2.5 的图像生成技巧，涵盖 14 个技巧和 44 个示例，应用于应用设计、网站和产品图制作。作者提出了让视觉决策可见的工作流：先明确图像目的，按目的、画布、内容、关系、外观、检查六个要素撰写提示词，强调属性绑定和对象关系的精确描述。通过 YouTube 缩略图和海岸住宅室内设计两个完整案例，展示了如何组织复杂构图、分配图像区域、描述材质细节，并分析生成结果中哪些指令生效、哪些需要修正。
作者解读 OpenAI 官方图片生成 Prompt 指南，指出堆砌'电影感、8K'等咒语式词汇并不有效，正确思路是把 Prompt 当成给摄影师或设计师看的需求单。文章总结 8 个诀窍：先说成品类型、描述可见画面而非感觉、人物动作写具体、图中文字加引号并限制出现次数、改图时明确说明什么不能变、多张参考图要分配任务、一次只改一件事、Prompt 重结构清晰而非长度。最后提供可复制的万能模板和三条核心原则。
文章介绍了 OpenAI 发布的 GPT-6 Astra 的新特性与官方 Prompt 最佳实践。新特性包括：异步工具调用（模型层面支持执行工具时继续其他任务）、中途引导（可通过 Responses API 插话修改生成方向）、按任务难度切换推理强度并保留缓存、偏离检测（后台异步审查模型意图与行为）以及推理档位限制。Prompt 实践方面涵盖主动性执行、指令遵循（用户指令优先于 Skill）、写作风格去 AI 味、子代理委托和测试验证等场景，并给出了具体可复用的提示词示例。作者重点分析了去 AI Slop 的写作配方，认为官方 Prompt 在个性化和写作方面优化明显。
作者分享如何用 Codex 配合 Obsidian 搭建一套自媒体内容复盘系统。首先在 Obsidian 建立结构化工作区，写入防止 Agent 臆测的复盘规则；然后通过提示词模板让 Agent 采集自己的账号与帖子数据、观察同赛道优秀创作者、输出深度复盘判断；再结合数据落地下一周期的具体行动计划（继续做、少做、新试三类方向）；最后通过周期性循环复盘，形成复盘→创作→再复盘的成长闭环。该流程也适用于其他周期性自我复盘场景，帮助创作者摆脱盲目输出，看清内容表现的真实轨迹。
作者参加 B 站 Build in Public 大会，记录卡比老师关于「Skill 将死，方法论永生」的分享。随着模型训练进步，通用知识和标准流程逐渐被模型内化，长篇 Skill 说明将变得多余，重点转向方法论。文章总结了 8 个可加入日常 Prompt 的方法论：第一性原理、对抗式审查、消融实验、奥卡姆剃刀、列出不确定点、保持独立思考、批判性思维、高内聚低耦合。作者认为 Skill 中的视觉参考和工具调用仍有存在价值，但重复性通用说明已可被精简的提示词替代。
文章针对AI生成视频人物表情夸张、缺乏灵魂的问题，提出5套可直接套用的微表情提示词方法：情绪阈值控制法（用程度副词+具体面部动作控制情绪幅度）、因果肢体连动法（让身体动作带动表情）、时序演变法（写清情绪变化的起点、转折、终点）、视觉焦点引导法（给眼神具体落点避免死盯镜头）、生理呼吸注入法（加入眨眼、吞咽、呼吸等生理细节）。全部提示词中英对照，适用于即梦、可灵、豆包、千问等视频模型，并附赠55套编号提示词库供读者复制使用。
文章首先报道Anthropic更新了Claude Fable 5.1的官方Prompt Engineering文档，新增Writing density一节，官方承认模型存在写得太密、句子过长以及mannered prose的问题，甚至直接给出去味Prompt（Please remove all mannered prose），回应了网友长期吐槽的Claude-isms。此外，文章还介绍了俄罗斯初创公司Mostik的创新：通过模型内部数学表示直接连接大小模型（GLM-5.2与4B的Qwen-3.5），性能介于两者之间但成本仅1/20，未来或可实现小模型随时借用大模型推理能力的新范式，该系统已冲上ARC-AGI 3排行榜第一。
本文解读 Simon Willison 的《Agentic Engineering Patterns》，系统总结编码 Agent 时代的软件工程方法论。核心观点：当写代码边际成本趋零，工程师职责转向为 Agent 配备工具、定义问题、验证结果。文章区分了 agentic engineering 与 vibe coding，提出囤积已验证方案、用异步 Agent 清理技术债、子 Agent 保护上下文、Red/Green TDD 与证据式测试等模式，并强调提交未审查代码是最大反模式，以及通过走读和交互式解释偿还认知债。
文章分享了使用 H3 视频生成模型进行高分辨率俯拍镜头控制的提示词实战经验。核心技巧包括：将机位约束放在提示词最顶部以提高识别权重；明确接受俯拍导致的人脸透视变形，打破模型内置的人脸美化逻辑；直接禁止模型为美化人脸而将机位拉回平视的行为；使用 NO、DO NOT 等强否定短句代替解释性长文；保留原图的人物身份与服装参考，但完全替换原图机位、背景与灯光。作者强调，有效的提示词不是解释“什么是俯拍”，而是硬性禁止模型在高分辨率模式下自动修正机位和人脸透视的内部行为。
作者李岳分享了基于 Codex Skills 搭建的 AI 视觉工作流，包含六个 Skill：女性写真导演、女性换装导演、通用换装导演、东方仙侠视觉导演、仙侠视频导演和 Seedance 2.5 视频导演。通过将反复踩坑经验转化为规则、路由、默认值和交付格式，把主观审美翻译成可执行的画面参数，形成从人物、服装、场景到镜头和视频方案的完整视觉生产线，强调 Skill 保存的不是形容词而是逻辑判断。
文章指出短剧首帧、小说人物图与普通动漫插画的Prompt权重应完全不同。短剧首帧的核心是制造镜头冲击力、情绪张力和强光影对比，让观众0.5秒内停下手指；小说人物图则要优先人设识别度，通过发型、五官、服装、标志物等固定视觉锚点让角色可被反复认出。作者给出可复制的Prompt案例，并建议将人物Prompt拆为固定层（他是谁）和可变层（正在经历什么），同时指出画得像壁纸、角色换脸两个高频翻车点及改法。
作者分享了为 MiniMax H3 Max 编写动态图形视频提示词的经验。文章介绍了 Prompt Expansion 的三种模式选择策略（Disabled、Balanced、Quality），讲解了通过首尾帧技术（结合 gpt-image-2 增强）解决文字过多时生成不准确的问题，以及如何拼接多段视频。作者重点展示了时间戳提示词技巧，可精确控制视频中每段文字出现的时间和动作，还介绍了文本动画的提示词写法，如将每个短语定义为完整文本层、避免字母级别的动画等。作者认为 H3 Max 在提示词遵循能力上远超其他模型，生成质量和速度令人惊叹。
作者开源了升级版写真Prompt Skill，核心改动是将参考图职责拆分：人物身份图只负责“她是谁”，写真参考图负责拍摄方案。新增新机位光照拓扑重建、人物事件驱动的表情因果、背景信息层级控制、去商业抛光检查，以及每轮从原始参考重新编译Prompt的验收机制，避免迭代漂移。作者坦承Skill无法绕过模型上限，不能保证1:1复刻，完整工作流已在GitHub开源。
