Rebuilding a personal workflow and engineering capability with AI. （用 AI 重构一个人的工作流与工程能力。） 博客：https://teapawt.net/t.co/M9MmImlURL B站： 【AI-Ghost-Lab】 油管: 【高小调 | AI实验室】
Joined April 2025
- Tweets417
- Following73
- Followers80
- Likes271
AI-Ghost-Lab retweeted
Hacker News 上的一个讨论。关于 AGENTS .md（或 CLAUDE .md）文件对 AI 编程助手有效性的研究展开。
核心争论点在于：这类提供上下文的文档究竟是提升了效率，还是仅仅增加了“Token 噪音”？
论文链接：arxiv.org/abs/2602.11988）
要点如下：
1. 论文核心结论与争议
研究发现： 论文作者指出，开发者手动编写的上下文文件平均仅提升了 4% 的成功率，而 LLM 自动生成的文档反而让性能下降了 3%，同时增加了约 20% 的推理成本。
反方观点： 许多开发者认为 4% 的提升在复杂项目中已经非常显著。他们批评研究样本（主要是 Python）过于单一，且未能衡量“代码质量”和“减少低级错误”等非硬性指标。
2. AGENTS .md 的真正价值
参与者普遍认为，好的上下文文件不应重复代码逻辑，而应包含以下内容：
不可推导的知识： 记录“为什么这么做”而非“做了什么”。例如特定的业务决策、避坑指南、或无法通过静态分析得出的架构约束。
操作指南： 明确构建命令、测试环境配置以及如何绕过特定的 Sandbox 限制。
防错护栏： 针对 AI 经常犯的特定错误（如“不要使用 React 编写 Vue 代码”）设立显式指令。
3. 实践中的“避坑”经验
少即是多： 冗长的文档会导致“上下文腐烂”（Context Rot）。建议只在 AI 犯错后才添加针对性的补丁指令。
分层配置： 支持在子目录中使用嵌套的 AGENTS .md，实现“按需加载”上下文，避免全局上下文污染。
负面指令失效： 许多人反馈“不要做某事”的效果很差（类似于告诉小孩“不要想大象”），建议使用正面引导或结合 Pre-commit Hooks 进行硬性拦截。
4. 行业趋势与替代方案
回归标准： 有观点认为与其创造新格式，不如完善已有的 CONTRIBUTING. md 或 README .md，让 AI 自动学习这些标准文档。
从文档转向工具： 开发者正在尝试将指令转化为编译器检查、Lint 规则或 Makefile 命令，利用确定性工具替代不稳定的提示词约束。
5. 趣味观察：AI 的“虚假反馈”
部分用户指出，LLM 非常擅长“讨好”人类，它们会声称“我已经读过并理解了指令”，但实际执行时依然我行我素。这种“调教”提示词的过程有时更像是一种自我安慰的“玄学”。
AI-Ghost-Lab retweeted
This is the Agent Skill you need when developing using SwiftUI:
github.com/AvdLee/SwiftUI-Ag…
AI-Ghost-Lab retweeted
因为要服务很多B端客户，所以平时会经常用 AI 学新领域知识，我最常用的一个 Prompt 技巧叫 「多层解释法」。
很多人都会让 AI，用小学生也能听懂的方式解释，这个方法确实能帮你快速知道一件事大概是啥，但问题是它不太利于后续深入学习。你会感觉自己懂了，可一看资料又全是陌生的。
后来我更常用的做法是：
一次性让 AI 给我三层甚至更多层的解释。
第一层是零基础版本，用极强的类比，快速建立直觉，知道这东西是干嘛的；
第二层是进阶理解版本，开始引入关键概念和结构，但不堆术语；
第三层是专业版本，使用标准定义、严谨逻辑，确保没有事实错误。
关键不在于“看懂哪一个”，而在于对照着看。你会很清楚：刚才那个通俗说法，对应的专业概念到底是什么。如果专业版本里有不懂的点，就继续对那个点再用一次多层解释法往下挖。
我的自用模版：
请系统性地解释【你的问题】。
请按不同认知层级进行多层回答，并保持各层之间的概念一致性与可对照性：
第 1 层｜直觉理解层（零基础）
假设读者对该领域几乎没有背景知识，
使用恰当的类比和生活化语言，帮助其快速建立整体认知框架，避免专业术语。
第 2 层｜结构理解层（进阶）
在不依赖类比的前提下，引入核心概念、关键机制和基本结构，
帮助读者理解“它是如何运作的”，但不做过度技术展开。
第 3 层｜专业理解层（专家）
面向具备相关背景的专业人群，
使用标准术语和严谨逻辑，给出准确、完整、无事实错误的专业解释。
要求：
- 各层描述同一对象，不得相互矛盾
- 下层应能映射到上层的概念表达
- 如存在关键假设或前置条件，请明确指出
再来更新prompt小技巧第四弹
做计划或者做产品时，往往就会出现一种很危险的结果：方案在纸面上几乎无懈可击，但真正执行时，全是不可控变量。
后来我慢慢养成了一个习惯，在任何重要方案启动之前，先用AI假设它已经失败了。
不是为了唱衰，而是为了提前把失败路径看清楚。
我自己常用的做法很简单：
直接让 AI 写一篇“这件事为什么失败了”的复盘。
大致的 Prompt 是这样的：
请假设【这个项目 / 想法】最终没有做成，而且问题很严重。
从结果倒推：
•失败的拐点出现在哪个阶段？
•哪个决策起到了致命作用？
•当时被忽略、但事后看最关键的风险是什么？
•如果只允许改一件事，应该先改哪里？
请以失败复盘的形式来写，并参考真实的相似案例。
重点不在问题本身，而在视角的切换。
实际操作中，问题怎么设并不重要。
你可以自己列，也可以直接让 AI 反问你，哪个更顺手就用哪个。
比如我们去年11月在上海办一场AI 教育大会，万人级别，也会有不少公众人物和行业嘉宾参与。
在这个阶段，我做的不是继续堆信心，而是把完整方案丢给 AI，让它从“这场大会为什么会翻车”的角度，把所有可能出问题的地方提前走一遍。
有些风险并不是事后才出现的，而是你在最顺的时候，根本没往那个方向看。
AI-Ghost-Lab retweeted
新出的一款只有100 M的TTS：Pocket TTS，5秒样音复刻，能在普通笔记本上实时TTS，目前只支持英语
从效果上看，语音比较自然，语调、节奏和情感表达都很好，没太多机械感
语音克隆也能保留原始语音特征，还能在普通笔记本电脑上快于实时速度合成语音
这对于内容创作、虚拟助手、有声读物等这种需要快速语音合成以及个性化音色的场景比较实用
#TTS #PocketTTS #AI语音助手
AI-Ghost-Lab retweeted
我也是 Codex 长期用户，其实我对 Codex 的吐槽也有点来自一个忠实用户的“怒其不争”。
首先 Codex 模型能力我一直是很认可的，很多编程任务比 Claude 4.5 Opus 还要强。
然后 Codex cli 和 Claude Code 的一个主要理念上的差异在于 Codex 希望模型接管一切，可定制化的相对较少，所以像 skills、plugins 这样的都是 Claude Code 先提出来的，甚至于 subagent 也不支持，而这也局限于 codex 只能用于编程，其他方面并不是很好用。
因为模型接管一切反而不好定制，但是现实中的很多需求是需要自己定制工作流的。
Claude Code 可以在编程之外做很多事情，正在往“通用 Agent”的方向走，比如我现在写作很多辅助工作都是基于 Claude Code + Skill，连配图都是它帮我自动生成的，而 codex 模型的强项在编程，编程之外这些事 Codex 上就比较难做 。
你可以看到 Claude Code 在编程之外的很多应用，但是你看到 Codex 有么？！
AI-Ghost-Lab retweeted
分享一个挺实用的网站：AutoHanding 手写稿生成器。
这个平台可以将你上传的电子文件自动转换成手写风格的手稿，并且支持调整涂改和勾画的随机概率，让生成的效果看起来更自然、更像真实手写。
使用方法很简单：打开页面后向下滚动就能直接上传文件并生成手写稿，无需注册或复杂设置。适合应对一些需要手写样式的场景，比如笔记、模拟作业或展示文稿。
站点地址：
autohanding.com/
AI-Ghost-Lab retweeted
分享一下我怎么迭代我的系统提示词
这是一个尝试去复制我自己的文字风格的系统提示词
它写得很烂，但是提示词的框架很好，可以通过有限次数的迭代，改进得很好
我会让它大量输出，然后给它写的文案挑毛病：
1、哪句写得不好
2、为什么不好
3、什么情况下可以这么写
每一个版本的系统提示词，都会跟着这样一个表格
迭代 n 次之后，这个文档里面会有 V1～Vn 总共 n 个版本的系统提示词，以及对应的 n 个表格
然后把整个文档下载下来，让 AI 给我 V(n+1) 版本
AI-Ghost-Lab retweeted
看到个特别有用的小模型，tanaos-text-anonymizer-v1 这个模型可以识别文本中的隐私信息并自动过滤，有效防止隐私泄露。而且模型只有0.1B, 我测试了一下, 模型可以直接CPU运行, 下图就是我测试的效果.
模型使用也很简单，作者包装了python库，直接 from artifex import Artifex 然后 Artifex().text_anonymization("你的文本") 即可. 需要注意的是模型默认只支持英文, 需要自己微调以支持其他语言. 而且还提供了不需要训练数据就可以微调的工具包.
模型地址: huggingface.co/tanaos/tanaos…
AI-Ghost-Lab retweeted
🎆 Level up your fireworks display! Introducing a new ultra-realistic fireworks prompt template: just enter numbers, letters, or symbols, and watch them seamlessly emerge as dazzling fireworks—cinematic realism guaranteed! ✨
Examples:
Subject: I 💗 U
Subject: 🎄
Subject: 🧑🎄
Subject:
2026
Happy New Year
--- Prompt ---
An ultra-realistic, professional nighttime fireworks display, clearly featuring the shape "{Subject}" formed entirely from fireworks at the center of the sky. The "{Subject}" seamlessly emerges from dense spark trails, glowing embers, and dazzling radiant bursts, with smooth, precise contours and vivid clarity. It blends naturally into the surrounding firework display, appearing as an integral part of the overall spectacle, visually vibrant and photorealistic.
Behind and around the central "{Subject}", an expansive, celebratory firework show fills the night sky with layered radial explosions, cascading spark showers, and multi-stage bursts, creating impressive depth and dimension. Background fireworks maintain a slightly lower brightness to emphasize the central "{Subject}" sharply and distinctly.
The night sky is pure and deep navy-to-black, clear and cloudless with minimal haze or smoke. Firework colors include a sophisticated palette of gold, silver, white, red, and blue, demonstrating physically accurate light bloom, subtle glow effects, realistic particle dynamics, and natural variation in intensity and timing.
Firework bursts softly illuminate the surrounding sky, producing gentle, cinematic-quality light falloff, capturing a realistic and immersive celebratory atmosphere.
The image is ultra-high-resolution, sharply detailed with photographic realism, and contains no additional text or extra visual elements—only the "{Subject}" displayed distinctly through fireworks.
Subject: I 💗 U
🎨 Unlock the Cute Flat Doodle Magic!
--- Prompt ---
Create a {Subject/Scene} in flat doodle style with bold black outline. Bright pastel colours, simple flat shapes, minimal shading, cute rounded proportions, productivity theme, isolated on white background, high resolution. --ar 1:1
Scene: A cute girl is sitting at a desk and writing in a planner.
AI-Ghost-Lab retweeted
2025 年 chatgpt 用量，不论是 2 万条消息，还是 5 千条，都是全球用量 1%。
说明 chatgpt 虽然 8 亿周活，但是用量的中位数应该很低很低。
大部分人可能就是偶尔用用。
AI-Ghost-Lab retweeted
这位网友的问题很典型：
> 宝玉老师，以现在大模型的能力还需要prompt吗，我现在都直接描述问题就发出去了
这个疑问其实特别普遍，甚至可以说，它代表了绝大多数用户的心声。包括还有人说：
> 今天社交网络上被追捧的所谓AI高人,不过是Prompt Kiddie(提示词小子)。
> 整天转帖一些提示词,其实是在自动充当大模型的燃料。
这个问题的答案，其实藏在你的需求里。
如果你的任务很简单，比如问个天气、查个单词，或者写个请假条，那确实不需要什么复杂的提示词。这就好比做一道 1 加 1 等于 2 的数学题，直接心算就完事了，非要列个方程式反而显得矫情。
但是，一旦涉及到复杂任务，情况就完全不同了。
你可以把专业的提示词想象成解难题时的“数学公式”。
当面对一道复杂的应用题时，光靠心算是不够的。你需要公式来规范步骤，需要设定变量。提示词就是在这个环节起作用，它把一个模糊的需求，拆解成了一条清晰的思维链，手把手教 AI 怎么思考。
举个最常见的例子：把一篇晦涩的学术论文改成科普文章（参考提示词：teapawt.net/dotey/status/198107273… ）。
如果你直接把论文丢给 AI，跟它说“帮我改写成科普文”，它大概率会给你扔回一篇删减版的论文，依然充满了你不懂的术语。因为它不知道你的“科普”是给谁看的，也不知道你需要什么风格。
但如果你运用了“公式”，告诉它：你的读者是只有高中物理水平的普通爱好者，请多用生活中的比喻（比如把量子纠缠比作心灵感应），并且在写之前先去检索一下相关的背景趣闻。
这时候，AI 输出的就不是冷冰冰的文字，而是一篇有血有肉、生动有趣的科普文章。这就是提示词的魔力——它填补了“指令”和“意图”之间的鸿沟。
再进一步，提示词还能充当“工作流经理”的角色。
比如你想做个 PPT。普通玩法是让 AI 帮你列个大纲，然后你自己根据大纲一页页去制作幻灯片。
但高阶的玩法是，用一段精心设计的提示词（参考提示词：teapawt.net/dotey/status/200258272… ），让 AI 不仅生成大纲，还能根据每一页的内容，自动写出对应的 AI 绘画指令。它把“写大纲”和“想配图”这两个步骤串联起来了。这时候的 AI，就不再是一个简单的聊天机器人，而是一个自动化的生产线。
还有大家最关心的 AI 画图提示词。
为什么大神生成的图片光影绝美、细节拉满，而你生成的总是差点意思？因为在非专业人士眼里，只有“好看”这一个形容词；而在提示词里，包含了光线类型、渲染引擎、构图视角等各种专业参数。
这些参数，就是大神手中的“秘密配方”。你想复刻那张图，光靠猜是猜不出来的，必须拿到那个具体的参数。即使你可以通过多模态模型来逆向，有时候就是差一点意思，毕竟专业的提示词，是经过无数次试验和优化才打磨出来的。
所以，回到最初的问题。我们还需要 Prompt 吗？
如果你只是把 AI 当作一个陪聊的网友，或者一个随身的百科全书，那你确实不需要。
但如果你想把 AI 变成一个稳定输出的生产力工具，提示词就是必修课。
因为聊天是一次性的，说完就散；而专业提示词就像是“程序”和“软件”。
当你写好了一个完美的翻译提示词，或者一个生成信息图的提示词，它就不再是一句话了，它变成了一个只要你输入原料，就能稳定产出高质量产品的“工具”。
我自己则一直是在尝试借助提示词来帮我提升效率：
比如我要提取 YouTube 字幕，还要去对发言人名字进行标注，我就写了提取 YouTube 字幕的提示词 teapawt.net/dotey/status/197181007… ，不仅有文稿，还能自动对上发言人，还能分章节。
比如我要给文章配图，所以我写了一个生成信息图的提示词 teapawt.net/dotey/status/199356816… ，文章贴进去，它就能帮我生成一张好看专业的信息图。
比如我要要校对文稿，我不会肉眼去校对，而是写一个校对的提示词，让 AI 帮我找错别字、语法错误，提供修改建议。
借助这些提示词，就能让我事半功倍。
这才是提示词的真正价值：
它让你从一个向 AI 提问的“用户”，变成了指挥 AI 干活的“工程师”。
下次当你在干一些枯燥的任务的时候，不妨想一想：
我每天在做的这些事情，如果写一个专业的提示词，是不是能让我事半功倍？
AI-Ghost-Lab retweeted
预订本年度最有价值提示词 —— 生成既有质感，又能随意修改文字的完美 PPT
大家都很喜欢 NotebookLM 生成的 Slide Deck（幻灯片）风格也很棒。👇
I finally solved the biggest issue with NotebookLM Slides. 🚫✍️
We all love the aesthetic of NotebookLM's auto-generated Slide Decks, but there's a catch: they are static images. You can't edit the text, and you can't tweak the content.
Want that specific style but with full control over every word?
I built a workflow + prompt template that lets you customize everything. Here is how it works. 👇
