从提示词工程师到全栈 AI 工程师的升级指南
文章反驳了“提示词工程已死”的观点，指出单纯的提示词思维虽已过时，但提示词仍是人机交互的核心。作者旨在将读者从仅会提问的初级用户，升级为具备系统思维的 AI 工程师。文章详细讲解了具体的技能升级路径，包括：如何进行具体且确切的提问、如何设定角色（Role）来界定行为、利用示例来固定输出模式，以及如何正确引导模型的推理过程。
相关文档
如何将一个想法变成可探索的 3D 模型：Kimi 3D Make 完全教程
本文介绍 Kimi 推出的 3D Make 功能，用户只需一句话描述即可生成可查看、可编辑的 3D 模型。文章通过三个实战案例（喷气发动机剖面拆解、雨林中庭、哥特式大教堂）演示完整的提示词写法：如何描述物体、关键部件、外观风格与视角；如何通过后续对话逐步细化，如拆分发动机各阶段、增加植物层次、渲染彩色玻璃光线。文章还给出了通用的修改提示模板，强调每次只提出一个具体改动并旋转检查效果。该功能已在 kimi.ai 和 Kimi 应用上线，支持在线预览与编辑模型。
How to Write a CLAUDE.md for Your Obsidian Vault (Full Course)
本文是一篇完整教程，讲解如何为 Obsidian 笔记库编写 CLAUDE.md 文件，让 Claude Code 在管理个人知识库时表现稳定可控。作者指出用户直接让 Claude 整理笔记常导致文件被重命名、日志被改写等问题，根源在于 Claude 不了解用户的组织方式。教程逐模块介绍了 CLAUDE.md 的 7 个必备部分：个人身份与库的用途、文件夹结构说明、笔记写作规范、安全规则（禁止删除、批量操作需确认、重命名时更新链接）、回答偏好及当前工作重点，并提供了完整模板，适用于写作者、创业者、学生和研究者。
最适合创作者的模型：保姆级教程教你用 Gemini 4 Argon 跑通 3D 鹈鹕游戏
本文是针对 Google 最新旗舰推理模型 Gemini 4 Argon 的保姆级使用教程。文章介绍了使用该模型的两种方式：一是通过 Antigravity 桌面版订阅会员直接使用；二是安装 Gemini CLI 并配合开源工具 CC-Switch 一键导入第三方中转站配置。教程覆盖 Mac 和 Windows 平台，从 Node.js 环境准备、CLI 安装、配置导入到最终提示词发送，全程无需编程基础。作者用一个完整的 3D 鹈鹕骑自行车网页游戏任务作为实战案例，展示 Argon 在空间想象力、几何结构推理和前端代码生成上的能力，并提供了在线试玩地址。
How to make a cartoon explainer video with Claude
本文介绍如何用 Claude（Opus 5.5）通过一个主提示词和四次审批，全自动制作 75-90 秒的竖版卡通解说视频。Claude 负责写脚本、录制旁白、绘制卡通角色并生成 28 个镜头的成片，用户只需在各阶段进行确认，无需任何剪辑技能或打开剪辑软件。文章详细说明了所需准备（可运行代码的 Claude、角色模型表、参考资料、主提示词），提供了完整的可复制主提示词，涵盖视觉风格、角色设定、视频格式、制作流程等规则，并指出先脚本后语音再视频的固定流程，以及各阶段修改的成本差异。
GPT Image 2.5 最强“焚诀”直接拿去用，保姆级拆解教程
作者分享了一套 GPT Image 2.5 出图的结构化提示词方法论，将画面拆解为身份、物理、摄影、视觉风格四大系统加负面词控制系统，共 17 个层级，并提供 5 层、8 层、15 层三个版本。通过“雨夜便利店”同场景实测对比，展示信息量对出图质量的影响。作者还用蚂蚁百灵 Ling-3.1-flash 模型将 5000 字方法论文档在 24 秒内一次性生成单文件 HTML 提示词拼装工具，支持逐层填写、实时拼接、一键复制，并介绍了将该模型接入本地 Claude Code 的环境变量配置方法与使用体验。
从零掌握 Claude Opus 5.5 提示词工程
文章系统讲解了 Claude Opus 5.5 的提示词工程方法。作者指出 Opus 5.5 是首个官方提示指南以“删减”为主的前沿模型：模型会自主决定思考深度，手动思考预算已失效，强制工具调用不再支持。核心心智模型是把 Claude 当作毫无上下文的天才新同事，需明确目标、提供充分背景、给出示例、用 XML 标签结构化输入、指定输出格式。新模型的关键变化是 effort（低/中/高/超高/最大）成为控制智能、延迟与成本的首要杠杆，默认为 medium；应停止使用“仔细思考”“一步步推理”等旧式提示，而用 effort 控制思考量。文中还包含 API 调用示例与新旧提示写法的对比。
想要什么气质，直接说：我的人像角色设定 Skill 公开了
作者南鸢分享了自研的「人像角色设定师」Skill，用于解决 GPT Image 2.5 生图时人物脸部千篇一律的问题。用户只需用自然语言描述想要的气质（如清冷、明媚、初恋感），Skill 便会将其展开为包含骨相、妆容、发型、服饰与场景的完整中文提示词，可直接用于生图。文章通过唐风妆容与初恋感两个实操案例，讲解了如何分步沟通、保留喜欢的五官、只改妆容或表情，并提供了 Skill 的下载与安装方法。
MJ V8 提示词怎么写？别再堆相机参数了
文章讲解了 Midjourney V8 摄影类提示词的正确写法，指出堆砌相机参数（如机身型号、光圈、快门）并非最优解，应遵循“主体与动作→景别与角度→镜头感觉→光线→胶片质感→参数”的顺序结构化描述。作者详细解释了景别与机位选择、各类镜头词的画面倾向、光线要写可见结果而非数字参数、质感词的作用，以及 --ar、--raw 等参数的正确用法。还提供了中文+英文混合写作的实用方案，以及细节丢失时的排查顺序，帮助写出结构清晰、可控可改的 Prompt。
AIGC 冷知识：更长的提示词，准确率反而更低
文章探讨了提示词工程中的一个常见误区：提示词越长，生成结果不一定越准确。当提示词同时包含过多人物属性、颜色、物体数量和空间关系时，模型可能生成看起来不错却悄悄偏离关键要求的图片。文中通过长提示词与精简提示词加分步编辑的对比实验说明，约束越多，属性串位、关系混乱和细节遗漏的概率越高。DetailMaster 研究证实，随提示词长度增加，文生图模型在人物属性、位置和实体关系上的准确率一致下降。作者建议不要把提示词写成一次性需求文档，而应先用短提示词锁定主体和构图，再通过局部编辑逐层增加细节，每轮只修改一类变量。
我用Codex做了一个东方仙界Skill，附详细教程
本文作者李岳分享了使用Codex制作东方仙侠视觉导演Skill（xianxia-visual-director）的完整教程。文章详细介绍了如何从定义问题、搭建最小骨架、编写触发条件、将审美经验转化为可检查规则、设计规则路由、建立参数锁定、固定工作流、测试失败案例到发布GitHub的全过程。作者强调，一个可复用的Skill应保存一套稳定的判断流程，而非简单的提示词堆砌。该项目已在GitHub获得260+ Star。
上下文工程：取代提示词工程的Karpathy-Cherny方法
本文探讨了AI领域中从提示词工程向上下文工程的演进。引用Karpathy的Software 3.0理念，指出上下文窗口即新程序，通过写入、选择、压缩和隔离四大操作管理模型记忆以避免上下文腐化。结合Claude Code创建者Cherny的循环工程理念，说明通过构建包含技能、子代理和验证器的自动化循环，可实现高效上下文工程，将AI从简单工具升级为强大的操作系统。
使用 Grok Imagine 制作短片的完整指南
本文详细介绍了如何利用 Grok Imagine（Imagine Video 1.5）从零开始制作一部短片。由于视频模型在多次生成中没有记忆，文章强调了利用参考图像和文本提示来维持角色、场景和道具一致性的核心原则。作者分享了四个核心的 Grok 技能（脚本编写、角色图、场景/道具参考、提示词生成），并逐步讲解了创作流水线：从构思一句话灵感、设定基础要素，到编写结构化的剧本大纲，以保证 AI 短片的高质量产出。
