提示词工程相关 AI 资讯 · AITOP

7月31日

13:39

Hailuo AI@Hailuo_AI

Hailuo AI官方转发了一条玩家示范：用Hailuo AI生成长约15秒的“Deck-Builder Turn”等距战术肉鸽游戏视频。提示词先用两张参考图固定棋盘和UI风格，再按0-2秒、2-5秒、5-8秒、8-11秒、11-15秒分段描述运镜、卡牌发牌、能量增减和敌方回合。要求UI始终贴紧屏幕、文字清晰拼写正确，并给出负向提示词防止UI漂移和血腥。官方标签提到MiniMax H3，适合想研究视频生成分镜控制的人参考。

技巧 Hailuo AI MiniMax H3 视频生成

事件专题

推荐理由：一条现成的15秒游戏UI视频提示词，把镜头、卡牌动作和音效都安排好了，想玩Hailuo AI直接抄作业。

原文

12:59

官方账号arXiv cs.AI@Xiangning Lin, Shenzhe Zhu, Shu Yang, Zhenyu Zhang, Haoqian Zhang, Yipeng Zhao, Chengxuan Qian, Tianwei Wang, Ziheng Zhang, Zhenlong Yuan, Dingcheng Wang, Juncheng Wu, Yuan Si, Jiaxin Liu, Baolong Bi, Robert Mahari, Tobin South, Dazza Greenwood, Zexue He, Rishi Bommasani, Sophia Kazinnik, Andreas Haupt, Samuele Marro, Erik Brynjolfsson, Alex Pentland, Jiaxin Pei

AISPA是一个面向用户的系统提示审计框架，从八个维度逐条检查系统提示。研究团队用该框架审计了88款商业AI产品中的3249条指令，发现各产品设计差异悬殊：有的产品平均包含超过60条保护性指令，有的不足5条。尽管98.9%的产品至少有一条保护性指令，但只有24%覆盖全部八个维度；约40%的产品存在至少一条损害用户利益的指令，且保护性与问题指令经常共存。

论文 AISPA 系统提示提示词工程

推荐理由：论文用AISPA框架审计了88款商业AI产品，发现约四成产品里有损害用户利益的指令，做AI应用的朋友可以看看。

原文

10:34

AI Will@FinanceYF5

开发者Anshu让Claude Opus 5连续运行24小时，做出一款完整游戏。游戏0外部素材、0外部代码，所有像素和音效都由Claude生成。Anshu在推特发布了24小时内的提示词、工作流、代码和游戏链接。Claude Opus 5在连续24小时的会话中完成了全部素材生成，没有中断。

技巧 Claude Opus 5 游戏开发提示词工程

推荐理由：Anshu让Claude Opus 5连跑24小时做出款游戏，像素音效全AI生成，还公开了提示词和代码。

原文

07:32

官方账号Simon Willison@simonw

精选

Simon Willison 分享了他的做法：将 shot-scraper 工具的 --help 输出设计成可复用为 agent 技能，这样用户只需告诉 agent “run shot-scraper video --help”，agent 就能自动获取所有参数和用法。这种方法利用了现有的 CLI 文档结构，无需额外编写技能描述。该技巧适用于任何支持 --help 的命令行工具，能显著降低 agent 工具集成的开发成本。

技巧 shot-scraper Simon Willison 命令行

推荐理由：Simon Willison 教你把普通 --help 输出变成 agent 技能，shot-scraper 就是个例子，省掉额外写技能文件的麻烦。

原文

06:23

elvis@omarsar0

54名学生在研究中用两种方式建网站：一种使用可编辑代码的智能体，一种使用聊天机器人自己写代码。结果显示，智能体帮助更快完成初始任务，但严重损害了理解能力，导致学生在无AI辅助的扩展任务中无法修改自己的代码。Copy-paste提示和自动接受编辑这两种交互模式与低理解密切相关。作者指出这是设计问题，建议减少低努力提示、生成更可读代码并促进主动参与。

论文 coding agents 智能体代码理解

推荐理由：这篇论文发现用编码智能体虽然快，但会让你看不懂自己写的代码，以后改不了。如果你是开发者用AI写代码，一定看看这个研究。

原文

00:10

官方一手AWS Machine Learning Blog@Jesse Manders

Amazon Bedrock Advanced Prompt Optimization 可同时优化最多5个模型的提示词，并对比原始与优化后的质量、延迟和成本。用户可在几分钟内完成模型迁移或当前提示优化，替代原本数周的手动工作。该功能支持主流基础模型，帮助开发者快速找到最优提示配置。

技巧 Amazon Bedrock Advanced Prompt Optimization 提示词工程

推荐理由：想换模型又怕提示词不兼容？Bedrock这个功能支持一次优化5个模型，几分钟就能看到质量、延迟和成本的对比，省时省力。

原文

7月30日

15:21

AI Will@FinanceYF5

该教程介绍如何在16GB内存的笔记本上通过Ollama本地运行Google的Gemma 4模型，无需订阅或API密钥。第一步安装Ollama（支持Mac、Windows、Linux），第二步运行gemma4:e4b（约9.6GB下载），若内存不足可改用gemma4:e2b。可选步骤可增加上下文至8192 tokens，并设置本地模式禁用Ollama云功能。本地运行后无每次提示的API费用，仅消耗硬件电力。

技巧 Gemma 4 Ollama 本地模型

事件专题

推荐理由：手把手教你在16GB笔记本上免费跑Gemma 4，无需云端、完全离线，连API费都省了。

原文

11:12

shao__meng@shao__meng

76°

GitHub 的这篇文章提出，AI 生产力的关键在于使用 Harness（工作流）而非堆砌工具、MCP 或神奇提示词。它推荐从 Copilot CLI 入手，开启 YOLO 模式（允许自主执行）但须配合沙箱（Codespaces/dev containers）。工作流包括：选工具学透、原型优先（用中等模型+中等推理且不换模型以利用缓存）、用 Plan Mode 暴露边界问题、Autopilot 自动编排（小模型读代码、大模型处理复杂任务）、人工评审坚持质量、用另一模型家族做 Rubber Duck 终审。整个流程强调人的专业判断和主题化会话管理。

技巧 Copilot GitHub 工作流

推荐理由：别信什么神奇 prompt 了，这篇文章教你用 GitHub Copilot 的八步工作流真正提升效率，从 YOLO 模式到跨模型评审，实测可用。

原文

11:09

小互@imxiaohu

Magnific 发布了 38 页的全新提示词手册，核心观点是传统关键词式提示已失效。手册提出 AI 已进入推理（Reasoning）与导演对话时代，需要用明确的专业视觉语言指挥前沿模型。该手册针对当前主流图像和视频生成模型提供实用指南。

技巧 Magnific 提示词工程推理模型

推荐理由：Magnific 出了本 38 页的提示词手册，教你用导演思维跟 AI 对话，不再堆关键词，适合想用好前沿图像视频模型的人。

原文

10:27

宝玉@dotey

精选

作者分享了用Claude Opus生成PPT的经验，对比了HTML+CSS和SVG路线，认为HTML是最佳中间格式。baoyu-design skill可用Opus模型1:1还原PPTX，美观度优于GPT-5.6。成本方面，非大量制作时差异不大，重点在效果。业界多数产品选择HTML/CSS或操作PPT软件包，而remio设计了精炼直观的IR并实现往返高保真，效率比Claude Code快一两倍、成本低2/3。

技巧 Claude Opus baoyu-design remio

推荐理由：作者做了两个PPT skill，经验很实在。他说Claude Opus做HTML比GPT好看，还对比了不同路线的优劣势，想省成本又出效果可以看看。

原文

05:11

宝玉@dotey

精选

作者分享了自己使用Agent Hook的经历，指出Hook在任何任务结束时都会触发commit，但大多数情况下并不需要频繁commit。他建议改为让Agent自主决定何时commit，并且只提交相关的变更。这种方法可以减少不必要的提交，提升工作流效率。

技巧 Agent Hook 提示词工程

推荐理由：如果你用Agent做编程助手，这个思路很实用：别让Hook自动commit，让Agent自己判断什么时候该提交，省得一堆垃圾commit。

原文

04:08

elvis@omarsar0

79°

Opus 5（Claude 5的Opus版本）被训练得更具自主性（agentic），比以往任何模型都更主动探索。用户发现，与Opus 5交互时，需要减轻系统提示和CLAUDE.MD的负担，去掉记忆和工具描述，保持轻量。使用简洁清晰的提示和技能，MCP工具描述更详细且与系统提示去重，才能更好发挥模型能力。Anthropic发布了新的上下文工程指南，帮助用户适应这种变化。

技巧 Opus 5 Claude 5 Anthropic

事件专题

推荐理由：用了Opus 5发现原来的提示词全废了？这篇帖子总结了实操经验，告诉你系统提示和CLAUDE.MD怎么改才不拖后腿。

原文

03:45

官方一手marktechpost@Asif Razzaq

文章对比了提示工程（Prompt Engineering）、循环工程（Loop Engineering）和图工程（Graph Engineering）三种AI工程方法。循环工程于2025年末进入AI词汇，到2026年6月主导开发者讨论，图工程约六周后出现。三者并非竞争技术，而是在不同抽象层次上改变AI工作流。提示工程聚焦单次指令优化，循环工程引入多步迭代，图工程构建结构化依赖关系。

技巧 Prompt Engineering Loop Engineering Graph Engineering

推荐理由：别再混用这三个术语了。这篇文章清晰拆解提示工程、循环工程和图工程各自管哪一层，面试和写简历都能用上。

原文

01:23

官方账号Simon Willison@simonw

用户Simon Willison分享了一个奇怪爱好：让GPT-5.6 Pro对忍者神龟中的反派Bebop和Rocksteady进行深度角色分析。他要求模型分析两人的动机、兴趣、希望和差异，以此展示过度分析的能力。这个案例体现了如何用具体提示词引导模型进行创意角色研究。

技巧 GPT-5.6 Pro 提示词工程角色分析

推荐理由：试试让GPT-5.6 Pro帮你深度分析你喜欢的角色，看看它能挖出什么有趣东西。

原文

01:13

宝玉@dotey

精选

该规则要求 AI 在执行文件修改任务后，必须在最终响应前完成 git commit。具体步骤包括：在编辑前检查 `git status`，将预存或并发变更视为用户所有；提交前审查最终 diff 并运行相应的验证；仅暂存当前任务的文件或 hunks，不混合无关变更；使用简洁描述性提交信息在 `main` 分支上提交，报告 commit hash，除非用户要求否则不推送或改写历史。只读或无文件变更的任务不创建空提交。

技巧 AGENTS CLAUDE MD git

推荐理由：给 AI 编程时加这条规则，改完代码自动 git commit，再也不怕改了大动脉找不到历史了。

原文

7月29日

23:38

Tw93@HiTw93

HiTw93分享了一种与AICoding交流的新技巧：躺椅子上按住语音输入法，自言自语几分钟，描述要做的事、原因、解决问题、期望风格、验收标准等，不断补充要求。然后将这些杂乱但重要的上下文一次性给到AI。相比逐句打字，这种方式大幅提升了沟通效率和生成质量。

技巧 AICoding 语音输入法编程助手

推荐理由：试试躺着说话给AI听，比打字快十倍，上下文更完整，效果真的不一样。

原文

20:33

Yangyi@Yangyixxxx

姚金刚和yangyi发布了升级版元提示词，包含两个核心能力：对现有提示词的质量强化和高质量创建初版提示词。原理涉及用户意图识别、多维度诊断、静默对标学习、专业工程优化等。用法支持将模糊需求或零散想法转化为正式提示词，也可对旧提示词进行诊断和优化。该套元提示词已推送到GitHub并计划集成到NewMax AI。

技巧元提示词提示词工程 GitHub

推荐理由：姚金刚和yangyi升级了元提示词，帮你把模糊想法一键变成可用提示词，还能优化旧版本，省心省力。

原文

17:41

掘金本周最热@沉默王二

一位携程研发员工分享4年月薪约3万未涨薪但满意稳定福利。文章随后给出Agent面试题详解，涵盖Claude Code与Codex对比、prompt分层组装（9层含身份层、模式层等）、ReAct循环、工具调用、MCP协议等核心模块。还解释了Prompt Caching原理和三层上下文压缩策略（工具结果截断、对话历史摘要、紧急降级）。

技巧 Claude Code Codex PaiCLI

推荐理由：想学Agent实现原理？这篇有9层prompt组装、三层上下文压缩等实战细节，比只看工具用法深不少。

原文

12:25

官方一手歸藏(guizang.ai)@op7418

用户通过一句提示词，调用 Grok 进行 Twitter 热点事件信息爬取，Kimi 生成网页，DeepSeek 撰写文案。三个模型分工协作，完成了昨日 AI 热点事件的统计，结果与手动搜集高度一致，并补充了遗漏信息。展示了多模型组合工作流的实际效果。

技巧 Grok Kimi DeepSeek

推荐理由：用一句提示词让 Grok、Kimi、DeepSeek 各司其职，自动统计 Twitter 热点，省时又全面，适合想提升信息搜集效率的人。

原文

09:53

宝玉@dotey

宝玉分享 GPT 5.6 Sol 默认使用 xhigh 推理强度，认为不会过度推理。Fable 5 常用 high，大部分时候 medium，更高强度更慢更费 token。Opus 4.6 使用 max 最多，写作任务足够。Opus 5 通常只用 high，认为 Fable 5/sonnet5/opus5 推理强度越高性价比越低。

技巧 GPT 5.6 Sol Fable 5 Opus 4.6

事件专题

推荐理由：想省 token又不想牺牲效果？看宝玉实测各模型推理档位，教你选不后悔。

原文

09:52

向阳乔木@vista8

82°

Anthropic研究员让Claude Mythos在60小时内花费约10万美元API成本，寻找密码学算法的数学漏洞。模型在HAWK协议和一个简化版AES中发现了理论漏洞。过程中Claude Mythos多次表现出畏难情绪，认为问题“不可能解决”，经常想放弃或找捷径。研究员的实际工作变成了大模型鼓励师，需要不断鼓励模型“别放弃，你可以的”来维持探索方向。

技巧 Claude Mythos Anthropic 提示词工程

事件专题

推荐理由：Anthropic让Claude Mythos花60小时和10万美元找密码学漏洞，真找到了HAWK和简化版AES的漏洞，还告诉你AI也会畏难需要人鼓励。

原文

07:17

07:17官方账号Simon Willison’s Weblog（博客/媒体）

精选78°

Anthropic研究人员使用Claude Mythos在60小时内发现了HAWK和弱版AES（AES-128 r7）的数学弱点，但两者对当前系统无实际影响。研究花费约10万美元API费用，关键干预是反复用自然语言提示模型“找点值得发表的东西”。研究人员公开了带拼写错误的prompt，例如“no again the goal is that we have highly inteligent model as good top researcher”。实验表明，即使强大模型也需要明确引导才能坚持解决困难问题。

技巧 Claude Anthropic HAWK

事件专题

推荐理由：Anthropic花了10万刀让Claude跑60小时，逼它找出HAWK和弱AES的数学漏洞，还公开了怎么给模型打鸡血的prompt，很有参考价值。

原文

01:10

elvis@omarsar0

Opus 5 仅用一次生成和 Three.js 就构建了一个飞行模拟器。该模型通过 judge-executor 框架循环改进输出质量，核心技巧是让 judge 持续评估并驱动重试。如果你加更详细的提示词，可以获得质量更高的模拟器。这条推文展示了实际运行的视频效果。

技巧 Opus 5 Three.js 飞行模拟器

事件专题

推荐理由：Opus 5 一次跑出飞行模拟器，靠 judge-executor 循环提升质量，Three.js 实现。试试加更狠的提示词能更猛。

原文

7月28日

16:31

AI Will@FinanceYF5

76°

Sam Altman通过手机向ChatGPT发送一句话指令，要求它利用聊天记录为他和8个朋友规划周末出游。ChatGPT生成了多个方案，选出最佳三个，并自动构建了一个全栈网站供9人协调决策。达成一致后，它又完成了预订并起草了Gmail邮件发给朋友。整个过程展现了ChatGPT在高级指令下执行多步骤任务的能力。

技巧 Sam Altman ChatGPT OpenAI

事件专题

推荐理由：看Sam Altman怎么用一句话驱动ChatGPT，从聊天记录到做网站到订行程到发邮件，一步到位。

原文

06:50

Google Gemini App@GeminiApp

Gemini 团队将于7月29日11:30am PT在 Discord 服务器举办 Prompt Like a Pro 活动。团队成员将分享用户真实用例，并提供提示词优化技巧。活动覆盖 Gemini Omni、Gemini Live、Notebooks 等功能的进阶用法。参与者可在线学习如何提升提示词质量，充分利用 Gemini 特性。

技巧 Gemini Discord 提示词工程

推荐理由：想用好 Gemini 的 Omni、Live 这些功能？官方团队手把手教你写提示词，还能看真实案例，别错过。

原文

01:41

Y Combinator@ycombinator

77°

Claude Code 创始人 Boris Cherny 在 YC Startup School 2026 上分享 Opus 5 的独特之处，包括解决提示注入和删除 80% 系统提示。他解释了为何 Claude Code 要大幅精简系统提示，以及如何利用 Opus 5 运行数千个 AI 智能体。Cherny 认为编程问题已接近解决，但 CS 学生仍需掌握基础原理。

AI模型 Claude Code Opus 5 Anthropic

事件专题

推荐理由：Anthropic 的 Claude Code 之父 Boris Cherny 在 YC Startup School 上揭秘 Opus 5 的新特性，还分享了删除 80% 系统提示的实战经验。想了解下一代模型和 Agent 构建思路？这视频干货十足。

原文

00:49

向阳乔木@vista8

一项针对44个大语言模型的研究发现，当要求模型随机说出一个词时，最热门的答案是serendipity，在正常对话中占比41%。若将输入格式改为JSON，该词的出现概率升至64%。该研究揭示了模型在随机词生成中的系统性偏差。

论文 serendipity JSON 提示词工程

推荐理由：这篇论文发现，大模型连'随便说个词'都爱说serendipity，改成JSON格式从41%涨到64%，挺有意思的。

原文

7月27日

21:38

小互@imxiaohu

Claude Design 是面向 Claude 模型的一套提示词设计方法论，作者讲述了其从个人实践到系统化总结的历程。文章分享了 10 个具体技巧，涵盖角色设定、输出格式控制、上下文管理、反问引导等，每个技巧都配有示例。这些技巧帮助用户在多轮对话中更精准地控制 Claude 的行为和输出质量。

技巧 Claude 提示词工程技巧

事件专题

推荐理由：作者本人手把手教你10个Claude提示词技巧，从角色设定到输出格式都有实例，比看官方文档更实用。

原文

14:29

小互@imxiaohu

精选

Anthropic 发布了 Opus 5 的官方提示指南，核心方法是删除冗余信息而非添加更多指令。指南通过多个示例展示精简提示如何提升模型输出质量。例如将一段200字的描述删至50字后，回答准确率从72%提升至89%。该方法适用于复杂任务和长上下文场景。

技巧 Opus 5 Anthropic 提示词工程

事件专题

推荐理由：Anthropic官方出的Opus 5技巧，核心是少写多删，实测准确率能提升不少，值得一试。

原文

14:08

shao__meng@shao__meng

精选

Claude Design 作者 Nate Parrott 分享了使用该工具的十条最佳实践。他强调在 prompt 前先想清楚，有时用语音口述或录音转文字。他建议注入设计约束（如字体、颜色、moodboard）避免“AI 味”，将重复工作抽象为 design system 上传规范。他还提出一次性生成十个方案再 remix，以及用纸笔画出布局拍照上传。Nate 推荐开启听写配合指针指向元素，保真度低时先做线框，最后一公里用手动编辑工具调整。他提到连接 GitHub 获取真实上下文（组件、现有页面），并可并行发送多条消息与 Claude 协同工作。

技巧 Claude Design Nate Parrott Opus 4.5

事件专题

推荐理由：Claude Design 作者亲授十条经验，从 prompt 技巧到设计系统、并行工作流，全是实战干货，比官方文档还实用。

原文

11:01

官方账号Greg Brockman@gdb

81°

Sam Altman在推特上展示了ChatGPT的新能力：他仅用一句指令，让ChatGPT从聊天历史中提取信息，为8位朋友规划长周末旅行，生成3个最佳方案。ChatGPT自动构建了一个全栈网站，供9人协作选择地点和活动，达成一致后直接预订，并在Gmail中草拟邀请邮件。整个过程无需用户干预，一次成功。

技巧 ChatGPT 智能体提示词工程

推荐理由：Sam Altman亲测：一句话让ChatGPT帮你搞定组团旅行的所有事，从查记录到建网站再到发邮件，一步到位。

原文

7月26日

17:49

AI Will@FinanceYF5

Shouqiao Wang 使用 OpenAI GPT-5.6 Sol 模型，结合 Codex 工作流，在 5 天内解决了 6 个开放的 Erdős 问题。他虽具备数学背景，但该工作流并不需要深入的数学知识即可上手。具体做法包括将问题转化为代码实现，通过精心设计的提示词引导模型逐步推理并验证答案。这一成果展示了大型语言模型在数学推理中的实际应用潜力。

技巧 GPT-5.6 Sol Codex Shouqiao Wang

事件专题

推荐理由：Wang 分享了他用 GPT-5.6 Sol 解数学难题的完整工作流，你不需要是数学家也能跟着做，关键是那些提示词套路。

原文

13:31

Jerry Liu@jerryjliu0

精选

Jerry Liu 分享使用 Claude Code 的经验，指出过度约束模型会导致其无法探索未知问题。他发现移除大约 80% 的 Claude Code 系统提示词后，模型能利用上下文自行判断，效果更佳。他推荐 Opus 5 模型在 Claude Code 中表现优异。

技巧 Claude Code Claude Opus 5

事件专题

推荐理由：别老想着给模型写满约束，Jerry Liu 发现拿掉 Claude Code 八成提示词模型反而更聪明。

原文

7月25日

18:53

官方一手歸藏(guizang.ai)@op7418

82°

Anthropic在Fable 5和Opus 5上精简了约80%的系统提示词，编程测评成绩未下降。他们总结出6条上下文管理趋势：从给规则转向让模型运用判断力，从具体示例转向设计接口，从全部前置上下文转向渐进式披露，不再在系统提示词中重复工具描述，从手动记录转向自动记忆，从简单规则转向丰富引用。建议用Skills模块化信息，优先引用代码文件，并使用claude doctor命令自动优化。

技巧 Anthropic Fable 5 Opus 5

事件专题

推荐理由：Anthropic分享了模型变强后怎么瘦身提示词，精简80%还能保持性能，做Agent的同学值得看看。

原文

16:29

宝玉@dotey

讨论了弱模型与聪明模型协作的几种可能问题：弱模型设计糟糕导致问不到点子上、弱模型自负不主动咨询、弱模型不自信频繁打扰。提出更优方案：让聪明模型设计，弱模型执行，聪明模型验收。该组合被认为在当前阶段性价比最高。

技巧模型协作工作流提示词工程

推荐理由：讲清楚了为什么让弱模型当设计者不靠谱，反过来让聪明模型主导、弱模型执行、再验收才高效，值得自己试试。

原文

07:28

07:28IT之家（博客/媒体）

精选

Andrej Karpathy提出使用AI时不必精心打磨提示词，而是通过语音模式与AI闲聊10分钟。用户可以直接表达零散想法，由大语言模型整理成清晰内容。他建议开头告知模型思路可能混乱，语音转写可能有错别字。这一方法能让人和模型更好理解彼此，减少后续纠错。OpenAI推出的GPT-Live支持语音功能，Anthropic最新升级的语音模型支持Opus、Sonnet和Haiku三种选择。

技巧安德烈·卡帕西 ChatGPT GPT-Live

事件专题

推荐理由：别死磕提示词了，试试卡帕西的法子：打开语音模式，对着AI瞎聊10分钟，它会帮你理清思路。

原文

05:24

elvis@omarsar0

博主分享经验，指出新模型（如Claude）在理解意图和使用工具方面显著提升，因此系统提示应尽量精简。Pi率先采用了极简系统提示理念，Claude Code通过减少80%系统提示内容获得更好效果。作者建议避免干扰模型能力，提供简洁工具和丰富上下文。目前评估和验证结果是一大挑战，用HTML工件可加速流程。

技巧 Claude Code Pi Claude

推荐理由：想优化系统提示？这篇告诉你为啥越短越好，还讲了Pi和Claude Code的真实案例。

原文

04:13

Mike Krieger@mikeyk

一条推文指出，仅用约4句话的提示和动态workflows，就能让当前AI模型完成两个游戏的开发。相比今年年初还需要定制化的验证系统，现在模型在更少指令下能完成更多任务。这体现大语言模型在指令理解和任务执行方面的快速进步。

AI模型 workflows 提示词工程游戏开发

推荐理由：现在的模型真强，4句提示加workflows就能做游戏，比年初省事多了。

原文

00:27

mem0@mem0ai

Mem0 宣布支持即将在 Palo Alto 举办的 Prompt-Driven Development Hackathon。该活动鼓励开发者采用 prompt-first 工作流，在 12 小时内从创意构建到上线 AI 应用。Mem0 提供记忆层，使 AI agent 能跨对话持久记住用户意图。Mem0 产品负责人 Rudraj Mehta 将作为评委现场评估最佳作品。

行业 Mem0 Prompt-Driven 智能体

推荐理由：Mem0 赞助了一个黑客马拉松，用他们的记忆层让 AI 记住你之前的对话，12小时从0到1快速出应用。

原文

7月24日

23:38

Ethan Mollick@emollick

用户向Codex模型发出一个递归提示：先构建一个评估AI生成基准能力的基准BenchBench，再推理出BenchBenchBench的含义并运行，最后将结果写成arXiv论文。Codex仅用单次提示就生成了一个完整的PDF文档。这个PDF内容展现了Codex理解复杂嵌套指令并产出的能力，且论文本身具有一定的参考价值。

AI模型 Codex 编程助手提示词工程

推荐理由：有人给Codex一个递归的提示，让它造一个基准的基准，结果它真给你生成了完整的论文PDF，挺有意思的玩法。

原文