搜索
Paperboy 正在尝试找到一种更自然、更连续、更可协作的 Agent 界面与记忆结构——Agent 应该通过观察你用电脑来自己学习，用 IM 而不是 session 来组织对话，主动找你，而不是等你 prompt。
如今想写出一篇结构严密、用词专业的文章已经不算难事，只需要敲几个 prompt 生成式 AI 就能瞬间给你一篇成千上万字的文章。布鲁金斯学会去年的一项调查显示，拥有学士学位的成年人中有 35% 的人在工作中使用 AI 来撰写或编辑文档。
RAG 系统上线后答案出错，绝大多数团队的第一反应都是换更贵的模型、反复调试 prompt。
就在前两天，Anthropic祭出Claude 4.7的同时，照例公开了Claude 4.7的「驯化手册」，也就是那份系统提示词（system prompt）。Simon Willison在博客中对这份system prompt进行了逐行对比，哪里加了、哪里删了、哪里改了措辞，全部标了出来。
今天早上，OpenAI突然宣布一个促销政策：未来 30 天内，企业用户如果迁移到 Codex，2 个月免费 Codex 用量。同期，桌面端还内置了迁移工具，可以把 Claude Code 的 system prompts、custom skills、chat history、MCP server 配置一键搬过来。
AI 的熟手玩家，都应该知道system prompt这个词：每一个你用过的 AI 助手，背后都有一份你看不见的文件，却对模型有着决定性的作用。
用强化学习（RL）优化文生图模型的 prompt following 能力，是一条被广泛验证的路径 —— 让模型根据 prompt 用不同随机种子生成多张图片，通过 reward model 计算 reward，再利用相关 RL 算法优化模型。
最近发现 GitHub 上有个 4 万多 Star 的开源项目（system_prompts_leaks），干了一件事：把市面上几乎所有顶级 AI 产品的 System Prompt，全部扒了出来。ChatGPT、Claude、Gemini、Grok、Claude Cowork、Codex、Perplexity....你能叫得出名字的，基本都有。
吴恩达老师又出新课了。5月1号刚刚上线的这次教的是提示词。课程名叫 AI Prompting for Everyone，在 DeepLearning.AI 平台上线，由吴恩达本人主讲，面向所有人，不需要任何技术背景。
Anthropic 的工程师们写了篇技术博客，标题是：构建 Claude Code 的经验教训：Prompt Caching 就是一切。Anthropic 内部把 Prompt Cache 的命中率当作基础设施级别的指标来监控，地位跟服务器 uptime 差不多。一旦命中率下降，就会触发 oncall 告警，工程师得像处理线上事故一样去排查。