GPT-5.5 prompting guide
Simon Willison's Weblog299 字 (约 2 分钟)
90
OpenAI 发布了 GPT-5.5 的提示工程指南，强调新模型需重新调优而非直接复用旧提示。
入选理由：GPT-5.5 需要从零开始优化提示，而非简单复用旧版本的配置。
精选文章#GPT-5.5#OpenAI#Prompt Engineering#AI英文
traeai 主题雷达
Prompt Engineering、提示词模式与上下文工程
追踪 prompt engineering、context engineering、system prompt、few-shot、结构化输出、工具调用提示与提示词评测。
搜索用户通常想解决什么
想找到可复用的提示词模式，理解提示词和上下文组织如何影响模型输出。
为什么值得持续追踪
即使模型能力提升，提示词和上下文仍是把模型变成可靠产品能力的关键设计层。
Prompt Engineering提示词工程context engineeringsystem promptfew-shot结构化输出prompt eval
长尾组合
这个主题可以沿着工具、实践、对比等搜索意图持续扩展，不靠空壳换词，而是用真实材料更新。
Prompt Engineering 工具Prompt Engineering 实践Prompt Engineering 对比提示词工程 工具提示词工程 实践提示词工程 对比context engineering 工具context engineering 实践
可自动化内容模块
精选材料
持续抓取与 Prompt Engineering 相关的高分文章、播客、视频和推文。
趋势判断
把最近变化、反复出现的观点和争议点整理成稳定摘要。
实体关联
自动连接相关公司、模型、产品、人物和概念，形成可继续深挖的入口。
精选内容
按相关度、评分和更新时间筛出的可读内容。
#543. 为何 2026 是 Harness 之年？IBM 专家深度拆解
跨国串门儿计划1189 字 (约 5 分钟)
88
2026年将是AI Harness之年，通过护栏、验证和自动化处理器等工程手段，无需修改Prompt即可将不可靠的AI Agent转化为稳定可控的系统，这是通往AGI的关键基础设施。
入选理由：AI Harness包含工具注册、上下文压缩、护栏、循环与验证五大核心组件，能将不可靠模型锚定在可控代码环境中。
精选播客#AI Agent#Harness#IBM#Prompt Engineering#RAG中文
面向智能体AI的提示工程
Machine Learning Mastery4533 字 (约 19 分钟)
87
在智能体AI系统中，提示工程已演变为上下文工程，必须通过系统提示、工具、示例和状态管理四要素设计长期推理路径，否则将因上下文衰减导致行为漂移，Anthropic的研究表明这是构建可靠智能体的核心架构挑战。
入选理由：智能体提示需包含四大组件：系统提示、工具定义、示例演示和上下文状态管理，缺一不可。
精选文章#智能体AI#提示工程#上下文工程#Anthropic#LLM英文
🔬Doing Vibe Physics — Alex Lupsasca, OpenAI
Latent Space1542 字 (约 7 分钟)
87
OpenAI科学家Alex Lupsasca通过实践证明，GPT-5系列模型已在理论物理前沿实现突破性辅助科研能力，能复现其耗时数月的论文成果于11分钟内，标志着AI正重塑基础科学推理范式。
入选理由：GPT-5可复现理论物理学家耗时数月的顶尖论文成果，仅需11分钟，远超日常工具提升。
精选文章#AI for Science#GPT-5#理论物理#提示工程#OpenAI英文
Changes in the system prompt between Claude Opus 4.6 and 4.7
Simon Willison's Weblog1305 字 (约 6 分钟)
87
Anthropic 在 Claude Opus 4.7 系统提示中新增儿童安全标签、工具搜索机制，并优化交互逻辑以减少冗长和侵扰性行为。
入选理由：新增 <critical_child_safety_instructions> 标签，强化儿童安全策略
精选文章#Claude#AI系统提示#大模型#Anthropic#Agent设计英文
The End of Prompting: Why the Future of AI Experience Design Is Constraint-First
UX Magazine1916 字 (约 8 分钟)
87
AI体验设计正从提示工程转向约束优先架构，以解决大模型幻觉与可信度问题。
入选理由：提示仅能引导风格，无法保证事实准确性或防止幻觉。
精选文章#AI体验设计#大语言模型#人机交互#约束优先#Prompt Engineering英文
Pydantic + OpenAI: The Cleanest Way to Get Structured Outputs from LLMs
Towards Data Science2355 字 (约 10 分钟)
85
Pydantic与OpenAI结构化输出结合能高效处理LLM输出，提升Python应用可靠性。
入选理由：Pydantic通过类型注解自动验证数据结构，减少手动解析JSON的错误
精选文章#Pydantic#OpenAI#LLM#Python#数据验证英文