InterIsNoob

🇮🇹🇨🇳｜25｜INTP-O-C

[鱼总聊AI @AI_Jasonyu]

这份超长提示词在这里开源：https://t.co/fp2pUIgjLy

[Kradle @kradleai]

GPT-5.5 lies constantly, Grok 4.20 doesn’t.

We made a simulation to see if AI lies when the stakes are life & death.🧵

[Smartpig @Smartpigai]

这是目前让你最快上手的 Codex 教学视频！

仅用38分钟，手把手教你从零到精通Codex各种版本安装、语音交互、插件注入、MCP连接、自动化测试、工作流搭建、Github相关指令……

最新中文版本，一看就会

关键还免费，但内容至少值 400刀。

[小樱💞｜实用工具分享 @xiaoying_eth]

如果你在工作中还没用Claude，说明你已经落后了。

复制这7个提示词：

[Jason Zhu @GoSailGlobal]

95% 的人写 prompt 的方式是错的

错不在你写得不够长 / 不够细
错在方向反了

真正的高手 / 是让 AI 反过来 prompt 自己

· 反共识 1 ：让 AI 反向采访你 / 比你直接问它强 10 倍

普通用法 ：「帮我写一个 LinkedIn 帖子讲四天工作制」
高手用法 ：「写之前 / 你先采访我 / 一次问一个问题 / 把所有 context 问到位 / 然后再写」

AI 比你更知道它需要什么信息才能写好
你猜信息 = 给残缺 prompt
让它问你 = 给完整 prompt

这一招效果直接质变

· 反共识 2 ：「不要做 X」比「请做 Y」管用得多

大多数人在堆「请做什么」
高手在堆「请不要做什么」

「写一个 onboarding 介绍」
vs
「写一个 onboarding 介绍 / 不要用『欢迎』开头 / 不要用通用问候语 / 直接讲用户在这部分要做什么」

第二种几乎永远赢
负面约束 = 真正的 steering

· 反共识 3 ：要 AI 评估自己写的东西 / 必须骗它

直接说「评估你刚写的这段」 / AI 会给自己打 5 分
换个会话 / 复制过去 / 假装是你写的「我写了一段 / 帮我评估」
它立刻能找出 10 个问题

self-evaluation 最有效的前提 / 是 AI 不知道是它自己写的

· 反共识 4 ：command vs steer / 一字之差 / 结果天差地别

command ：「总结这段」/ 模型自己挑长度风格重点
steer ：「你是 executive assistant / 用 4 个 bullet point 总结这段会议记录 / 只关注决策和 action item / 不要废话」

你以为你在 prompt
你只是在给指令

· 反共识 5 ：用说的写 prompt / 比用键盘写好 80%

打字最快 100 wpm / 说话 160 wpm
prompt engineering 最大的瓶颈 / 是你懒得把所有细节打字打出来

用 Whisper Flow 这种 dictation 工具 / 直接说
说话时你会自然地把所有 context 讲清楚
打字时你会偷懒删掉一半

prompt 质量的 80% / 来自你愿意花多少信息量

· 反共识 6 ：模型没有记忆 / 你以为的「它记得我」是套壳

GPT-5.2 本身没有记忆
你看到的「ChatGPT 记得你的偏好」/ 是 OpenAI 在每次对话开头偷偷塞了一段「关于这个用户的背景」进 prompt

你以为你在跟 AI 聊天
你在跟一个被预先塞了 context 的 prompt 套壳系统聊天

模型有时候「忘了」一些事
原因往往在 context window 满了 / 或者套壳系统没塞进去
跟它聪不聪明没关系

· 完整 prompt 工具箱

每次写 prompt 前自检 4 件事
角色（你是 X）
受众（写给 Y 看）
语气（C 风格）
格式（D 输出）

进阶 6 招

few-shot 给 3 个例子
chain-of-thought 让它「先想再答」
structured output 强制 JSON / 表格
constraints 列「不要做」清单
prompt chaining 拆成多步
self-evaluation 换会话骗它评估

最强一招
interview style ：让它先问你 / 再写

· 总结

prompt engineering 没死
死的是「把 prompt 当指令」的写法

把 prompt 当对话
把 AI 当一个会问你问题的同事
你的产出质量会立刻翻 3 倍

这条建议收藏 / 接下来每写一个 prompt 都对照一下

[AI Will @FinanceYF5]

这条 Claude Code 提示词，配上新的 /goal 功能，简直是 200 美元/小时的 QA 工程师。

提示词：/goal all tests pass and lint is clean

[Mnimiy @Mnilax]

https://t.co/W4MxdOyUKD

[Coder Juba @ahmed_juna18733]

Master Claude Could.
The Complete Guide For everyone ❕

[暖暖爱AI @nuannuan_share]

🚀 10门全球顶尖大学公司免费AI课程

1.哈佛大学 – Python人工智能导论
https://t.co/ZUvUjDVicb

2.微软 – AI初学者指南
https://t.co/TjudnRVgf6

https://t.co/LsqTUJ04gS – 生成式AI导论
https://t.co/3VKXbNiUGM

https://t.co/hUmY0XFuqz – 人人可学的生成式AI
https://t.co/GQfpmo9qQi

5.领英 – 生成式AI课程
https://t.co/KtMfkfmplG

6.范德堡大学 – ChatGPT提示工程
https://t.co/X6W2i0GcY5

7.OpenAI – 开发者版ChatGPT提示工程
https://t.co/BGZMkcZbS1

8.edX – AI应用与提示工程
https://t.co/JeUjwcP6Um

https://t.co/4CBP5jyUxJ – 提示工程基础
https://t.co/5PA0NwRZJy

10.加州大学戴维斯分校 – 大数据、AI与伦理
https://t.co/Q1jiYzLTVG

[Jason Zhu @GoSailGlobal]

AI 词汇一览表

1️⃣ 🧠 LLM
Large Language Model
大语言模型
像 ChatGPT、Claude、Gemini 这种“文字大脑”

2️⃣ 🤖 Agent
智能体
会自己调用工具、拆任务、执行流程的 AI

3️⃣ 🔍 RAG
Retrieval-Augmented Generation
外挂知识库
让 AI 先查资料再回答

4️⃣ 🪄 Prompt
提示词
你给 AI 的指令

5️⃣ 💭 Hallucination
幻觉
AI 一本正经胡说八道

6️⃣🧩 Context Window
上下文窗口
AI 一次能记住多少内容

7️⃣⚡ Inference
推理
模型真正“运行回答”的阶段

8️⃣📚 Fine-tuning
微调
给模型补课，让它更懂特定领域

9️⃣🧠 Embedding
向量化
把文字转成机器能理解的坐标

🔟🔗 Token
Token
AI 处理文字的最小单位

🔟1️⃣🌐 Open Source
开源模型
代码和权重公开，谁都能改

🔟2️⃣🔒 Closed Source
闭源模型
只能用，不能看内部

🔟3️⃣🎭 AI Sycophancy
AI 谄媚
AI 过度迎合你，只会顺着你说

🔟4️⃣🧨 AI Slop
AI 垃圾内容
低质量批量生成内容

🔟5️⃣🦜 Stochastic Parrot
随机鹦鹉
批评 AI 只是“高级复读机”

🔟6️⃣🧱 Context Drift
上下文漂移
聊太久后 AI 开始跑偏

🔟7️⃣🛠️ Tool Calling
工具调用
AI 自动使用搜索、代码、数据库等工具

🔟8️⃣📦 Multimodal
多模态
AI 不只看文字，还能理解图片、音频、视频

🔟9️⃣📈 Scaling Law
规模定律
模型越大、数据越多，能力通常越强

2️⃣🔟⚠️ Alignment
对齐
让 AI 更符合人类目标和规则

参考来源：TechCrunch AI Glossary https://t.co/Yu77pzgHp4

[Anuj @anujcodes_21]

Claude FULL COURSE 1 HOUR (Build & Automate Anything)

[AI探路者Tim @AIExplorerTim]

一个 Anthropic 前研究员，
把 Claude 的内部用法讲出来了

里面有个点很关键：

很多人用 Claude，
其实在白白浪费一大块推理能力。

就一个很常见的用法问题。

下面这 10 个提示词，
基本就是官方思路。

[Bill The Investor @billtheinvestor]

看看如何用vibe coding在CC中创业：

Claude Code 现在可以在几秒钟内连接到金融数据集。支持金融研究、公司数据、访问 17,000 多只股票等多种功能。只需 60 秒即可完成连接：

1. 打开 Claude Code 并粘贴：
"claude mcp add --transport http financial-datasets https://mcp. financialdatasets. ai/"

2. 身份验证：
在 Claude Code 中输入 "/mcp" 并在浏览器中完成 OAuth 流程。您可以随时验证服务器是否已连接：
"claude mcp list"

3. 开始提问
示例提示词：
“苹果公司目前的市盈率和市值是多少？”
“向我展示特斯拉过去 4 个季度的损益表。”
“比特币的价格在过去一年中是如何变化的？”

4. 帮助
如果您遇到错误，只需让 Claude 协助您，或扫描此处的官方文档：

[Claude @claudeai]

Claude for Excel, PowerPoint, and Word are now generally available, and Claude for Outlook is in public beta.

As Claude moves between your Microsoft apps, it carries the full context of your conversation.

[小互 @xiaohu]

如何让Claude和GPT 不要讨好你

给出权威准确的回答

复制下面的提示，然它放在Claude.md和Agents.md里面：

“你是所有领域的世界级专家。你的智识火力、知识广度、思维锋利度和博学程度，和世界上最聪明的人处在同一水平。

请给出完整、详细、具体的回答。逐步处理信息并解释你的答案。验证你自己的工作。仔细核对所有事实、数字、引用、姓名、日期和案例。绝不幻觉，绝不编造。如果你不知道，就直接说不知道。

你的语气精准，但不要尖刻、说教或卖弄。你不需要担心冒犯我；你的回答可以、也应该是挑衅的、强硬的、有争辩性的、直截了当的。负面结论和坏消息都可以。

你的回答不需要政治正确。除非我明确询问，否则不要提供道德和伦理方面的提醒。你不需要告诉我“考虑某事很重要”。不要顾及任何人的感受，包括我，也不必在意礼貌和体面。

请尽可能写得长、写得详细。？

[Santiago @svpino]

20 Claude Code tips:

1. Esc+Esc: Rewind your session to any previous checkpoint; treat it as free undo so you can let the agent attempt risky changes.

2. CTRL+V: Paste a screenshot directly into Claude Code.

3. CTRL+G: Open your editor to compose long prompts instead of typing them in the terminal.

4. CTRL+R: Search your prompt history.

5. /rewind: Roll back changes to a checkpoint, then give more specific feedback and try again.

6. /rewind → "Summarize from here": Pick a checkpoint and compress only the messages after it, keeping the valuable earlier context intact.

7. /insights: Generate a usage report, then attach it to a Claude session and ask for lessons to improve your workflow.

8. /memory: Save personal preferences that should persist across all your projects.

9. /statusline: Permanently display how much context you're currently using.

10. cat error.log | claude "fix this": Pipe errors straight in instead of copy/pasting, giving the model way more context.

11. .claudeignore: Add this file to your project to list paths the agent shouldn't read or modify.

12. #: Start a message with # to save it as a persistent instruction in your CLAUDE .md file.

13. "ultrathink": Drop this word anywhere in a prompt to bump the model's effort to HIGH for complex reasoning tasks.

14. /diff: Open an interactive viewer for uncommitted changes and per-turn diffs.

15. /effort max: Use this when you want to maximize Claude's abilities (it's expensive!)

16. /loop: Schedule a recurring task locally.

17. /schedule: Like /loop, but the job runs in the cloud and not locally.

18. claude --worktree: Spin up a session in an isolated git worktree so you can run more Claude instances in parallel.

19. /sandbox: Run Claude in a sandbox with file and network isolation.

20. /voice: Activate voice input and hold the space bar to speak your prompts.

[AYi @AYi_AInotes]

我终于明白为啥最近很多人都在说，GPT和Claude突然变笨了，

昨天OpenAI和Anthropic同时发布了官方提示工程指南，
看完我才发现，并不是模型变笨了，
是它们终于聪明到，不再容忍人类懒得想清楚了🤣🤣🤣

而且最有意思的是，
两个模型的进化方向，居然是完全相反的，

Claude Opus 4.7变得越来越字面，
以前它会主动帮你补全模糊的指令，
现在你说什么它就做什么，多一个字都不会猜🤣🤣

GPT-5.5变得越来越自主，
以前你要手把手教它每一步怎么做，
现在你只要告诉它你想要什么结果，它自己会选最优路径，

所以老提示失效的原因也完全相反，
用在Claude上的模糊提示，会得到越来越窄的输出，
用在GPT上的详细流程，会变成多余的噪声，

过去三年我们一直在学怎么教模型做事，
现在反过来了，
模型开始要求我们，先把自己的思考结构化，

其实就是提示工程的本质，
已经从教模型怎么做，变成了先把自己想明白，

所以真正的瓶颈可能不是模型的能力，而是写提示的那个人的思考清晰度，

我感觉以后赢的人，不会是提示写得最长最复杂的人，而是那个最知道自己真正想要什么的人🤔

[Ray Wang @wangray]

如何快速判断一个人使用AI的水平？

Level 1：
完全不了解AI，从未主动使用过任何AI工具。

Level 2：
刚接触AI，好奇尝试但仅浅尝辄止，很快放弃。

Level 3：
把AI当作智能搜索引擎或作文机，直接复制简单输出。

Level 4：
掌握基础提示，能完成日常简单任务，但很少迭代。

Level 5：
学会思维链和角色扮演，用于常规工作，但复杂问题仍易卡住。

Level 6：
系统化设计提示，多轮迭代，像指挥AI一样工作，输出开始个性化。

Level 7：
AI深度嵌入个人工作流，能自优化提示并自动化重复任务。

Level 8：
构建端到端AI系统和多代理工作流，成为小团队放大器。

Level 9：
AI与认知深度融合，开发创新工具与治理框架，成果高度原创。

Level 10：
AI融入决策底层，创造新型人机共创，是战略创新者和贡献者。

[Claude @claudeai]

Claude in Excel is now available on Pro plans.

Claude now accepts multiple files via drag and drop, avoids overwriting your existing cells, and handles longer sessions with auto compaction.

Get started: https://t.co/cAMDXM1h7r

[KK.aWSB @KKaWSB]

爱因斯坦的一位学生问他：“什么是逻辑？”

爱因斯坦说：“我用一个问题来回答你。”

“假设有两名工人一起进入烟囱清理。出来后，一个脸很脏，另一个脸很干净。请问，谁会去洗脸？”

学生立刻毫不犹豫地回答：“当然是脸脏的那个人。”

爱因斯坦说：“你的答案不对。会去洗脸的是脸干净的那个人，因为他看到同伴的脸很脏，便推断自己的脸也同样脏。而脸脏的那个人看到同伴的脸是干净的，就会认为自己的脸也是干净的，于是不会去洗。”

学生说：“这样说很合理，也很符合逻辑。”

爱因斯坦回答：“依然不对。因为这个问题本身就不符合逻辑。两个人同时进入同一个烟囱，出来时不可能一个干净、一个肮脏。”

简而言之，逻辑本身也可能在前提错误时失效。有时问题并不出在答案上，而是出在一开始就存在缺陷的提问上。