type
status
date
slug
summary
tags
category
icon
password
Description
提示词技术是提示词工程的基础，但是提示词技术依然是上下文工程中很重要的一部分，不管是在记忆系统、RAG 或者 Agent 等场景下，提示词技术都被大量的使用，比如从聊天记录里提取客观事实、对聊天记录压缩、对聊天记录做摘要、重排文档等等，我们可以看看这篇文章中的这张图：
这里面都是借助了提示词 + 大模型来完成特定的任务。所以掌握提示词是构建上层应用的一个原子能力。就好像现在大家慢慢开始发现，并不是追求一个 AGI（Artificial General Intelligence，通用人工智能）或者 ASI（Artificial Superintelligence，超级人工智能）就足够了，反而未来是很多专用 AI 组合起来的场景，就好像我们现在的社会分工一样，每个人各司其职，这样能确保整个社会正常的运作。这也是 Multi-Agent 这个方向现在越来越火，越来越重要的原因。在里面我们就需要大量的去编写提示词，甚至现在已经开始有人研究自进化（Self-evolving），也就是提示词可以在运行时进行动态调整的。了解完提示词技术，接下去我们会从从实际的提示词案例去了解别人都是怎么写提示词，培养一下提示词审美，后续可以轻松的通过元提示技术让大模型帮忙写出需要的提示词，也能更清楚知道可以通过哪些方面去优化提示词。
3.3 提示词博览
因此在理解了提示词的相关技术和技巧之后，可以进一步去看看社区和行业里大家都是怎样来写提示词的，这对于我们扩宽视野非常有帮助。要写好提示词的一个很关键的点就是知道什么是好的提示词，或者说明确知道各种场景下的提示词应该怎么写，这就需要我们能大量的看和学习一些主流 AI 应用的提示词了。我平时经常会有一个习惯，在遇到一些不错的 AI 产品时，会通过一些提示词注入（Prompt Injection）的技术来 Hack 出其系统提示词，这样可以了解到这个产品背后提示词是怎么写的，下面我会列一些从各个地方收集的提示词，但是因为篇幅问题，只能放一部分内容。这边有几个相关的仓库，里面收集了各种提示词，有兴趣的可以看看，也可以自己再去发掘对应的提示词来学习：
3.3.1 Claude Code
Claude Code 能在推出到市场后以极短时间成为效果最好的 Coding 助手，除了底层基于 Claude 自家在 coding 方面很厉害的大模型外，还和 Claude Code 自身的底子足够好有关。虽然没有开源，但是因为是 NodeJS 写的，网上出现了一些逆向工程分析的 repo，有兴趣的可以看看：
- 在国内比较火的是 shareAI-lab 这个 repo
这其中就有提示词技巧，不仅仅是系统提示词，还有一些压缩提示词什么的，都非常值得学习
翻译成中文是
3.3.2 SRE/AIOps 诊断助手
来自于 xlab-uiuc 的 SREArena，是一个用于 SRE 或 AIOps 场景下的针对部署在 k8s 上的微服务进行问题诊断的 Agent：
翻译成中文是：
会配合下面的模拟用户消息的提示词来使用
翻译成中文是
3.3.3 Letta 历史聊天记录摘要
在 Letta 的代码里我们可以看到，Letta 也是借助了大模型，利用特定的系统提示词来对聊天历史记录进行摘要的动作，我们可以看到：
翻译成中文是
在实际调用大模型的时候，其实 Letta 还做了一 Assistant 的答复：
内容是：
Understood, I will respond with a summary of the message (and only the summary, nothing else) once I receive the conversation history. I'm ready.中文是：
明白了，一旦我收到对话历史，我将只输出消息摘要（仅摘要，不包含其他内容）。我已准备好了。这其实也是一种提示词技巧，通过一个伪造的回复，进一步引导指示大模型后续的回复应该遵循的指令。
3.3.4 Toki 智能日历助手
这是一个通过 APP、TG、WhatsApp、Line 或短信进行日程管理的 AI 应用，简单说就是通过自然应用交互，会自动生成对应的日程，到期前会提醒你，就是一个非常简单的一个功能，现在诸如飞书、企业微信之类的都开始集成这类功能了，我当时是看到豌豆荚的创始人王俊煜推荐的，我就简单用了一下。习惯性 Hack 了一下系统提示词：
翻译成中文是：
3.3.5 Cursor
Cursor 的系统提示词，我们先来看看一份 Agent 的系统提示词
中文是：
还有记忆相关的提示词：
中文是：
3.3.6 Gemini 故事书
Gemini 新出的 StoryBook，其实也是基于 Gemini 套系统提示词，然后里面挂载了22 个 Agent，所以其实这个是一种基于 Supervisor 式的多 Agent 架构。这也是我们通过提示词可以分析出来这些额外的信息。可以窥见一个 AI 产品背后的实现逻辑
中文是
