提示词的尽头，是把问题说清楚
文章借用维特根斯坦的语言澄清思想，探讨在顶级模型时代提示词的意义。作者认为提示词的核心不是魔法措辞，而是澄清需求：语言可以把模糊的愿望包装成看似完整的指令，如'更好''漂亮''最佳'都缺少参照和取舍。作者指出说不尽的美学偏好可以通过示例和参照来沟通，澄清需求可以是对话的成果而非前提。好的提示词是：能说清楚的说明白，难以说尽的给参照，存在冲突的讲取舍，最后检验结果。
相关文档
万字长文｜Skill 从入门到精通 - 入门一句话，精通一张词表
文章系统讲解如何编写 AI Skill：从用一句话加 SOP 封装出第一个 60 分的 skill，到通过把目标改写为动作、补充约束、设计自由度和提高词表颗粒度来提升到 90 分。作者拆解了摄影 skill 和封面 skill 两个开源案例，指出高手的秘诀在于将模糊概念拆成可执行的词表和明确的「不要」清单。还介绍了如何让 AI 递出陌生领域的行话词表，并澄清了 skill 与提示词、智能体的区别。全文强调约束和颗粒度决定 skill 的专业程度。
新概念一等奖写作 Skill 发布
作者Orange AI发布了一个写作Skill（Claude技能），其理念源自一篇获得新概念一等奖的万字爱情故事。该故事全篇无抒情无评论，仅用数字、动作和物件传递情感：如卵子三点五微克与五千万美元两吨半的对比、反复出现的指甲锉、重复十几次的'我说好'。Skill提炼的核心心法是时刻关注读者的认知与情绪状态，具体技巧包括：数字做情感的工作、物件代替心理描写、重复结构与打破、零解释信任读者、信息差结构。Skill推荐使用Opus 4.6模型，配合语音输入写作真实情感故事，已在GitHub开源（MIT协议）。
AI写作的习惯及其应对方法
本文由 a16z crypto 发布，探讨 AI 生成写作的典型特征及编辑应对策略。作者认为不应纠结于文章是否由 AI 写成，而应关注写作是否有效传达信息、赢得信任。文章将 AI 写作问题归纳为修辞、声音、结构等方面，如'伪洞察式'空话、空洞对比、过度对仗、总结性套语等，指出这些问题在人类写作中早已存在。编辑建议包括改写测试、删除无意义语句、制定风格指南、利用 LLM 简化语言等，帮助创业者提升沟通效果。
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。
我找到了AI写作问题的根源（附解法）
本文深入剖析了AI生成文字中常见问题的根源，包括自造隐喻和英文句法迁移导致的语义错配。作者指出，AI写作常使用需要读者二次理解的表达，以及“反映出”等连接词将事实、解释和结论混为一谈。文章结合训练数据背景，解释了英文表达习惯为何会进入中文，并提出了与AI协作写作的具体方法：先分类原材料，再检查自造说法和连接词，最后使用提示词让AI输出原句、问题和建议。最终强调，人需对文章中的判断负责。
如何用AI模仿葬爱咸鱼
本文作者分享了利用AI成功模仿特定作者（如潘乱、葬爱咸鱼）写作风格的实践经验。文章指出，大多数AI仿写失败是因为只模仿了表面的语言梗，而没有掌握深层的叙事逻辑。作者提出了“风格模仿的双重输入法”：首先寻找“叙事同构”的样本来解决故事组织问题，其次寻找“表达同构”的样本来提取语言指纹（如功能词、句法节奏）。通过结合YouMind工具进行分层拆解和样本控制，AI不仅能模仿语气，还能复制思考骨架，从而生成高质量的风格化文章。
耗时1000小时！硅谷技术负责人总结的AI提示词六大黄金法则
本文基于硅谷技术负责人Amit Rawal的实战经验，提炼出KERNEL框架六大提示词法则（简单、可验证、可复现、窄范围、明确约束、结构化）。该框架通过标准化指令，解决了AI输出不稳定的痛点，实测首次输出成功率大幅提升，Token用量显著降低，适用于代码开发、数据分析等确定性工作场景。
Harness Engineering: How to Build AI Agents That Actually Work
文章指出大多数人在错误的层面修复 AI Agent 问题：模型失败时反复改提示词、换模型、加工具，却忽略了真正的问题是模型周围的环境——Harness。Harness Engineering 是构建围绕模型的系统，决定模型能看到什么、能做什么、记住什么、如何判定成功与失败。作者提出六大实践：将请求转化为带完成条件的任务契约；用渐进式披露提供项目地图而非塞满上下文；在模型与工具之间设置网关校验与策略授权；将记忆（事实、决策、状态、经验）移出对话外部存储；以可观测证据作为任务完成的门槛，优先用确定性检查。好的 Harness 能提升每一次运行的质量。
AI 写得快，却总有机器腔？去 AI 味，按这 3 步来
文章针对 AI 写作常见的空泛、模板化问题，提出三步解决方案：先查清问题、再改表达、最后校准文风。作者整理了 22 个去重后的开源工具清单，包括 humanizer、stop-slop 等编辑规则工具，AI 文本检测研究项目，以及 shuorenhua、qu-ai-wei 等中文改稿 Skill，还有 writing-style-skill 等长期校准个人风格的工具。文中强调改稿时要保留事实、数字和原有语气，不靠编造经历来'显得像人'，并给出了可直接使用的提示词模板。
学 AI，上名课：先从这 10 门课开始
作者逐一核对了 10 门免费或部分免费的 AI 学习课程，并按学习阶段分为四站：零基础入门（吴恩达 AI for Everyone、Google 生成式 AI 路径）、提升 AI 使用能力（OpenAI Prompting 指南、Karpathy How I use LLMs）、补编程基础（哈佛 CS50x/CS50P/CS50AI）、动手实践（微软 Generative AI for Beginners、Claude Code in Action、n8n 搭 AI Agent）。每门课均附出品方、时长、费用、证书等详细信息和链接。作者建议不必全学，根据自己的阶段挑选两门深耕即可。
Skill 装了 800 多个，真正用顺手的是这 3 个基础＋7 组场景
作者整理近半年来安装的800多个Skill，筛选出每天实际使用的5-8个。文章先介绍Skill的三个安装入口（技能页搜索、SkillHub、自然语言指令）及安装注意事项，再推荐3个基础Skill：skill-scanner（安全扫描）、humanizer-zh（去AI味）、self-improving-agent（记忆偏好，非必装）。随后按七类工作场景推荐约18个Skill，包括文案写作（writing-dna、chinese-novelist-skill）、PPT与数据可视化（guizang-ppt-skill、dashi ppt、smart-charts）、社交媒体内容、视频剪辑等，并附使用提示词、生成效果对比及踩坑经验，帮助读者按需选装、提高效率。
AI 设计词典（中篇）｜怎么准确描述视觉效果
本文是 AI 设计词典系列的中篇，系统整理了 AI 设计中高频的视觉词汇，帮助用户更精确地控制 AI 生成的视觉效果。文章分为五大维度：字体（衬线/无衬线、字重、字距、行距）、颜色（色相、饱和度、明度、主色/强调色）、形状（几何/有机、圆角/直角、描边）、材质与效果（纹理、渐变、透明度、光影）、风格（极简主义、瑞士风格、粗野主义、编辑设计等）。作者强调不必背诵术语，而应把这些词当作「视觉旋钮」，用「风格名称+具体规则」的方式替代模糊的主观描述，让 AI 输出更符合预期的设计。
