对于 LLM 从业者来说，让 LLM 落地应用并发挥作用需要手动构建并反复调试 Agentic Workflow，这无疑是个繁琐过程，一遍遍修改相似的代码，调试 prompt，手动执行测试并观察效果，并且换个 LLM 可能就会失效，有高昂的人力成本。许多公司甚至专职招聘 Prompt Engineer 来完成这一工作。
是李继刚贯彻 read in prompt out 的七个提示词。
大家对in-context learning(ICL)的能力可能已经很熟悉了，您通常会通过上下文示例就能快速让prompt适应新任务。然而，作为AI应用开发者，您是否思考过：为什么有时候精心设计的few-shot prompt会失效？为什么相同的prompt模式在不同场景下效果差异巨大？
最近，来自德国奥尔登堡大学计算智能实验室的研究人员Oliver Kramer和Jill Baumann提出了一种创新的方法——认知提示（Cognitive Prompting），通过模拟人类认知过程来提升LLM的问题解决能力。这项研究将在ICLR 2025会议上发表，本文将为各位读者朋友详细解读这一突破性的技术。
一个「汉语新解」的 prompt 突然爆火。 在 Claude 3.5 里使用这个 prompt 后，输入一个中文词语，AI 会生成一张这个词语的吐槽解释图。Prompt 本身的写法很神奇，使用了伪代码的写法，也让很多人意识到，原来 prompt 可以这么写。
学会与 AI 对话。 这两天，一段 Prompt 在网上火得一塌糊涂。 将Prompt 输入 Claude Sonnet 模型之后，它就能将一个寻常词汇剖析得淋漓尽致。
AI 生成工具出来之后，做内容的确简单太多了：一条 prompt 可以出音乐、出视频，字幕口型也都可以自动配好。剩下的，只要放到平台上，赚播放量分成就行——真·躺着赚钱。
之前介绍了很多在本地部署远程大模型以及本地大模型的教程，但是对于 AI 的使用尤其是如何让 AI 准确理解并执行下达的任务也是一个技术活，所以又诞生了 Prompt 提示词工程这个概念。
只用提示词，多模态大模型就能更懂场景中的人物关系了。
上周，iOS 18 测试版发布，部分用户提前试用了苹果在 WWDC 宣布的一系列 Apple Intelligence（苹果智能）的功能，更多的功能会在未来几个月内陆续发布。
