惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

T
Threat Research - Cisco Blogs
NISL@THU
NISL@THU
A
Arctic Wolf
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
S
Schneier on Security
T
Tenable Blog
I
Intezer
S
Securelist
Scott Helme
Scott Helme
V
Visual Studio Blog
Simon Willison's Weblog
Simon Willison's Weblog
Google DeepMind News
Google DeepMind News
T
The Blog of Author Tim Ferriss
D
Darknet – Hacking Tools, Hacker News & Cyber Security
AWS News Blog
AWS News Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
MongoDB | Blog
MongoDB | Blog
L
LangChain Blog
F
Fortinet All Blogs
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
C
Cisco Blogs
L
Lohrmann on Cybersecurity
M
MIT News - Artificial intelligence
G
GRAHAM CLULEY
博客园 - 司徒正美
aimingoo的专栏
aimingoo的专栏
雷峰网
雷峰网
MyScale Blog
MyScale Blog
D
DataBreaches.Net
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Recent Announcements
Recent Announcements
C
CXSECURITY Database RSS Feed - CXSecurity.com
量子位
博客园 - 三生石上(FineUI控件)
P
Proofpoint News Feed
Blog — PlanetScale
Blog — PlanetScale
云风的 BLOG
云风的 BLOG
大猫的无限游戏
大猫的无限游戏
GbyAI
GbyAI
Cisco Talos Blog
Cisco Talos Blog
Security Latest
Security Latest
Project Zero
Project Zero
K
Kaspersky official blog
罗磊的独立博客
Know Your Adversary
Know Your Adversary
T
The Exploit Database - CXSecurity.com
P
Privacy International News Feed
P
Privacy & Cybersecurity Law Blog
C
Cyber Attacks, Cyber Crime and Cyber Security
Apple Machine Learning Research
Apple Machine Learning Research

博客园 - 金石碼农

邓安庆的贴地叙事:最简单的东西,往往最复杂 不是1M上下文的不用,不是免费大模型不用,全面实现 token 自由 RustPress 零成本博客,它承载了我的软件开发思想 只用了 3 分钟,我把那个按钮钉在了主页上 太不真实了!以前一周的活儿,现在一天干完,连边框都得听我的 别做网页了,以后智能体就是交互终端 以后写代码也得考驾照?别笑,这是未来编程的常态 她一年涨 7 万粉,只用了这几点社交平台的“笨办法” 怒开 3 个 agy CLI 账号!我是怎么在老 Intel Mac 上实现顶级模型 Token 自由的? 从命令行到桌面自动化:AI辅助创作的黄金方案 你越休息越累的真正原因,藏在一个被忽略的常识里 别再当信息垃圾收集器了!我体验了 CatReader,AI 伴读确实爽,但也有几个槽点 摸头石头编程 如何在 agy 中高效管理 AI Skill? 折腾谷歌最新 SDK 两天后,我发现开源软件已经没必要写给人类看了 第三天了,你的谷歌Antigravity还能跑吗? 一天干完一百万字,谷歌 agy 这个工具简直是头不要命的洪水猛兽 谷歌发布 Antigravity 2.0:界面干净了,但我怎么感觉又被“白嫖”了? 都 2026 年了,竟然还有人在翻我 2023 年的“保姆级”旧贴? 为什么 AI 给的代码,鼠标一点就消失了? Vide Coding 经验总结,核心五点 Mise 是一种好软件 我用 AI 写了四五个软件之后的总结 板栗是人是狗? 写福字 那个把代码当拖拉机修的小镇青年,活成了王阳明眼中最好的状态 如梦令·雪后 论狂 有一个家伙说 Vide Coding 上瘾 龙骨 openclaw 能干多少事,取决于我们给它多少权限 无敌脚本批量删除私有笔记 社区终端软件支持 brew 安装了 社区终端发布新版,进一步去掉枷锁,让使用更简单 继 Claude Code 之后,Anthropic 又推出了 Cowork,为非程序员服务 人间美味——胡萝卜炒包菜粉丝 成为三剑客很难,手持两股剑倒有可能 手机和相机的区别是什么? 酒取阅自己,香水取阅他人 感觉又回去了
提示语工程的新六条
金石碼农 · 2026-05-22 · via 博客园 - 金石碼农

现在的程序员,做的事并没有变简单,只是内容变深了、变复杂了。当你觉得 AI 很强时,可能只是任务太简单。真正复杂的任务,永远需要你付出足够的精力和时间去打磨那些属于你自己的 SKILL。

我最近看那些所谓的“提示语工程黄金准则”越来越不爽了。是的,前两天我刚分享过一次,但我发现大家理解得不太对,或者说我当时没有讲明白。

满大街都在教你“扮演一个资深专家”、“给 AI 一些赞美”、“一步步思考”,这些老掉牙的教条在 AI 编程和 Agent 漫天飞的今天,不仅是废话,甚至成了绊脚石。信息爆炸时代,如果你还在用 1.0 时代的聊天逻辑去对付 2.0 时代的智能体,那你不仅是在浪费自己的 token,更是在亲手束缚 AI 的手脚。

有读者给我留言,说这些东西落伍了,是的,老六条法则确实落伍了,盲目奉行只会让你陷入低效的泥潭。今天,我们得聊聊真正能打的“新六条”。

别再用角色设定给 AI 戴枷锁

过去我们总喜欢说:“你是一个拥有 20 年经验的资深安全专家”。大家觉得只要给了定义,AI 就能脱胎换骨。

但在现在,大语言模型已经足够强悍。你给它一个“资深安全专家”的身份,可能反而限制了它的视野。如果一个问题同时涉及安全与架构,它到底是该按安全专家的刻板架构来,还是兼而有之全盘考虑效率?角色设定无法突破模型的知识边界,反而可能放大某种偏见,把模型引进信息的狭隘胡同。

当然,我不是说角色定义完全没用,而是你得明白什么时候它是一种保护,什么时候是枷锁。比如写小说,你可以说“你是一位富有经验的新式小说家”,这是一种文体导向。但在处理复杂的业务逻辑时,给它特定的理论框架(如 AWS 架构原则)远比给它一个虚无缥缈的身份更有用,例如:

“请根据 AWS Well-Architected Framework 中的最小权限原则,审查以下 IAM 策略并指出风险。”

先想后做和步步为营早已是底层基建

很多人还在纠结要不要在提示词里写“请一步步思考”。事实是,在 Antigravity 这种现代 Agent 工具里,这已经是铁律,是内化在 Implementation plan 里的基本机制。

Agent 早已明白:思维链(CoT)不是一种技巧,而是一种生存方式。如果你只是写个简单的小工具或说明书,根本不需要你废话。但如果你在搞垂直领域的复杂业务逻辑,你依然需要这种步步为营的思维。

我常用的方式是把它们联合起来:先在 thinking 标签里做逻辑分析,再到 review 标签里搞评审,最后才给出 final_verdict。这叫专业,不叫玄学。

给个综合示例:

“……请先在 <thinking> 标签内对整个任务写下你的逻辑分析及执行步骤,接着在<review>标签内写下评审意见,然后根据评审意见自我修正,最后再在 <final_verdict> 标签内给出你认为最专业的结论。”

“不知道”是精密仪器的准则,不是创作的

以前我们要 AI “不确定就说不知道”,是为了防幻觉。现在 AI 动辄处理百万级上下文,幻觉已经不是核心矛盾了。它现在已经很少产生幻觉了,你已经多少时间没有看到 AI 产生幻觉了?

这时候,这条规则变成了一把双刃剑。

如果是搞严谨的项目,你当然要它“极度自信才回答”;但如果我在搞文学创作,还加这种紧箍咒,那就是在扼杀 AI 的想象力。我需要它的想象瑰丽奇幻,需要它飘逸,这时候更适合的提示语是:

“你要充分发挥想象力,所思所想俱瑰丽奇幻且又合乎逻辑”。

而如果我在写论文,最适合的提示语仍然是:

“请你只在极度自信时回答,不确定就说‘不知道’,谢谢。

结构化输入输出是自动化时代的唯一语言

这条规则永远不会过时,甚至越来越重要。

在这个 Agent 协同的时代,我们给 AI 看的东西、AI 吐出来的东西,都必须是结构化的。为什么?因为我们要实现自动化,我们要让程序能精准解析。

别再发一段乱七八糟的文字了。把信息塞进标签里,让 AI 把结果也吐进标签里。这种输入输出的结构化,是流程化协作的基石,是实现“自造工具”的前提。

给个综合示例吧:

“我给你的信息放在了<tag>...</tag>标签内……请将你提取到的车牌号放在 <plate> 标签内,将最终的理赔判断放在<final_verdict> 标签内。输出时请以 time json 字符串开头:{time:……”

但要记住,我给出的示例永远只是示例,它不是准则。准则需要你自己理解、内化,然后应用于自己的创作实践中。

只有内化的 SKILL 才是真正的技能

说一千道一万,看别人的准则永远是在看别人的生活。

前两天我看到一句话,深有感触:只有自己内化的 SKILL 才是真正的 SKILL,仓库里或硬盘里的,那只是别人的东西。每个人需要的技能都不同,你必须形成自己的技能并内化下来。

这是一个不但有工具使用,还可以自造工具的时代。有扳手钳子,也有能制造扳手钳子的车床。

我最近就在优化我自己的技能库,我使用法则新六条优化技能也就一句话的事:

“请按照以上提示工程新六条,依次优化 .gemini/skills 目录下的每个 SKILL”。

就这一句,比你研究一百遍SKILL都好使。所谓提示语工程的法则,是 SKILL 的 SKILL。

最后明确一下,我给出的示例只是示例,并不是万能钥匙。你要理解,然后应用。别再拷贝了,去创造吧。

2026年05月21日

封面