如何消除寫作中的「AI味」
本指南探討了為何AI生成的內容會顯得生硬，並提供了讓內容更具「人味」的實用策略。內容涵蓋了風格注入、角色定義及迭代反饋等提示詞工程技巧。
Search
Tag: #prompt-engineering165 results
AI Agent Skill 的技術本質解析
本文拆解了 AI Agent 中「Skill」的本質，指出其核心仍是 Context Window 內的提示詞工程。文章強調，雖然模型僅能識別 Token，但外部的管理層（觸發器、權限、版本控制）才是讓 Skill 具備實用性的關鍵。
利用敵對審計提示詞減少 AI 幻覺
本文探討了一種提示詞技術，即指示 ChatGPT 扮演敵對審計員的角色來驗證其輸出。這種方法能顯著提高透明度，並減少模型回應中出現幻覺的情況。
OpenAI GPT-5.5 的哥布林禁令曝光
開發者 @arb8020 在 OpenAI 的 Codex 儲存庫 models.json 中發現重複指令，指示 GPT-5.5 除非絕對相關，否則絕不提及哥布林、貓妖、浣熊等。 此病毒式發現引發 AI 社群的幽默、猜測及提示工程「粉紅大象」效應討論。Sam Altman 在 X 上幽默回應。
🤖
太奶提示詞一夜破解論文
病毒式「太奶論文法」利用80歲奶奶人設，提示LLM以簡單比喻、無術語解釋複雜SCI論文。它觸發AI同理心，提供耐心鼓勵回應，大幅縮短研究生閱讀時間。小學生或笨博士等變體擴展此技巧。
🎵
提示工程提升自動語音辨識準確度
開發者分享用於全雙工語音模型 MichiAI 的進階提示工程技巧。用於自動語音辨識（ASR）的脈絡提示，指定如車牌或姓名類別，優於 Deepgram 的單字提升。包含部落格、Github 與語音代理範例。
目標提示修正生成圖像偏差
新型推理時框架無需重新訓練，即緩解如 Stable Diffusion 等文字轉圖像模型的人口統計偏差。使用者可選擇公平目標，從均勻分佈到 LLM 告知的分佈，生成比例對應的人口特定提示。在 36 個提示評估中，皮膚色調輸出符合使用者定義目標。
COMPASS：LLM 任務計劃解釋的自適應提示生成
COMPASS 提出一種自適應提示工程方法，用於 LLM 生成複雜系統中任務計劃的人類可理解解釋。它將使用者認知建模為 POMDP，納入注意力與不確定性等潛在狀態，以自動化提示精煉。在網路物理系統上的評估證實其可行性與品質提升。
GROVE 視覺化語言模型輸出分布
GROVE 是一個互動視覺化工具，將多個語言模型生成描繪為文字圖中的重疊路徑，揭示共享結構、分支和叢集。基於與 13 名語言模型研究者的研究，它解決單一輸出互動在提示迭代的限制。使用者研究證實它改善結構性判斷，如多樣性評估。
🔬
Gemma 中元提示勝過設計啟發式
一項研究使用 Gemma 31B 和 52 種系統提示生成 156 個登陸頁。元腳手如草稿-批判-修訂得分最高達 7.70，優於設計啟發式（6.93），後者低於空基準（7.00）。經典角色和 Stripe SVP 人設表現出色。