从 50+ 国内外信源筛出真正值得读的 AI 编程、办公提效与工程实践。每天评分、翻译、提炼，让信息差变成生产力。
作者实测对比：好模型配skill文档与纯任务提示的表现差异，结果反直觉——脚手架在高能力模型下反而可能降低效果。
文章提出"模糊度门控"概念，主张 AI 代理在接收需求后应先评估请求的模糊程度（目标清晰度、约束清晰度、成功标准），只有当模糊度低于 0.2 时才开始生成代码，以避免无效重构。
AI应用代码中prompt分散难以维护的问题催生新工具赛道，本文介绍按文件组织、组合、测试评估等不同切入点的代表性项目。
介绍当下快速崛起的 Prompt 管理工具品类，解决 AI 应用中 Prompt 散落、版本混乱、难以测试的核心痛点。
作者通过模型分级、Prompt压缩、缓存等简单手段大幅降低AI调用成本，并给出具体可操作的方法论。
作者因prompt歧义导致同一commit重复调用免费模型三次，建议将prompt视为合同并做版本化管理。
Anthropic 公开的系统提示词从 358 词扩至 3235 词，作者拆解其中工程化设计供 AI 产品团队借鉴。
论文发现：改变prompt中的语言风格（使用模糊词、标签疑问句、集体代称）比改用户姓名产生更大、更一致的输出差异。使用"礼貌克制"语气时模型回答更短、更简单。
提出将 AI 请求分解为预设决策点的菜单式结构，而非让 AI 盲目猜测或逐个追问。总结七种真实决策形态，帮助快速获得符合预期的输出。
新版模型发布后工作流反而退化，根因是自定义技能指令基于旧模型行为编写；审核清理后可恢复甚至超越原有表现。
Hacker News讨论Anthropic平台的系统提示词官方文档，含50条评论109个投票；文档覆盖Claude的system prompts机制和使用指南。
Anthropic偏好XML标签、OpenAI偏好markdown分隔符源于各自后训练数据分布，而非解析器需求；XML标签对token消耗不容忽视，40+标签的prompt需计算实际成本差异。
Prompt中「像输出」的部分（示例、语气示范、源文档引用）必须用目标语言本地书写，「像指令」的部分（任务描述、约束、输出schema、角色声明）可保留模型最熟悉的语言；因为模型是基于全量token做延续，非特权通道。
数据每日自动更新 · 最后同步 2026-08-23 23:13 · 内容由 AI 整理解读，观点仅供参考
