wiki-ingest batch 2026-04-16 early morning: Never-write-another-prompt, OpenAI ChatGPT个性化定义, RAG(duplicate)
This commit is contained in:
@@ -1,7 +1,7 @@
|
||||
---
|
||||
title: "Never Write Another Prompt"
|
||||
type: source
|
||||
tags: [ai, prompt, youtube, tool]
|
||||
tags: [prompt-engineering, youtube, ai-tools]
|
||||
date: 2025-03-06
|
||||
---
|
||||
|
||||
@@ -9,34 +9,38 @@ date: 2025-03-06
|
||||
- [[raw/AI/Never write another prompt.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:通过提示词生成工具,从简单描述自动生成结构化详细提示词,降低 AI 应用门槛
|
||||
- 问题域:用户难以写出精确的提示词,导致 AI 返回质量不佳的响应;专业提示词服务费用高达 $100-500/条
|
||||
- 方法/机制:工具将简单描述转化为结构化提示词,支持变量插入和编辑;API Key 认证保护账户安全
|
||||
- 结论/价值:提示词工程民主化让任何人都能创建高质量提示词,无需专业技术背景
|
||||
- 核心主题:AI 提示词生成工具,通过简单描述自动生成结构化高质量提示词
|
||||
- 问题域:传统提示词工程门槛高,专业定制费用高达 $100–$500/条
|
||||
- 方法/机制:描述转提示词 + 变量注入 + 提示词库复用
|
||||
- 结论/价值:提示词生成民主化,普通用户无需专业背景即可获得高质量提示词
|
||||
|
||||
## Key Claims
|
||||
- 提示词工程已从专业技能转变为工具化流程,非技术用户也能生成高质量提示词
|
||||
- 变量(Variables)机制使提示词可高度定制,无需重写即可适应不同场景
|
||||
- 提示词库(Prompt Libraries)作为灵感来源,显著减少创作时间
|
||||
- AI 工具成本极低,用户可创建无限量提示词
|
||||
- 提示词工程(Prompt Engineering)是将模糊描述转化为精确 AI 指令的核心技能
|
||||
- 详细提示词比模糊提示词获得更精准的 AI 输出,减少来回纠正的次数
|
||||
- 成功的提示词可保存复用,长期提升 AI 使用效率
|
||||
- 提示词库(Prompt Libraries)提供灵感来源和现成模板,显著降低创作成本
|
||||
|
||||
## Key Quotes
|
||||
> "Prompt engineering is the art of crafting prompts that elicit specific responses from AI. With the introduction of this tool, users no longer need to be experts in this field." — Never Write Another Prompt
|
||||
|
||||
> "You become a curator of ideas that people wouldn't even think to ask AI for, and that people would never come across organically." — Demystified principle
|
||||
> "Prompt engineering is the art of crafting prompts that elicit specific responses from AI." — 视频旁白
|
||||
> "This democratization of technology is vital in empowering more individuals to leverage AI effectively." — 视频旁白
|
||||
|
||||
## Key Concepts
|
||||
- [[Prompt工程]]:通过结构化方式构建 AI 提示词以获得最佳响应的技术
|
||||
- [[提示词生成工具]]:将简单描述自动转化为结构化提示词的 AI 应用工具
|
||||
- [[变量机制]]:提示词中可插入变量以实现模板化和复用的设计模式
|
||||
- [[Prompt工程]]:将简单描述转化为结构化提示词的技术
|
||||
- [[提示词库]]:平台提供的现成提示词模板集合,支持用户复用和二次编辑
|
||||
- [[变量注入]]:在提示词中插入动态占位符,实现一次生成多次自定义使用
|
||||
|
||||
## Key Entities
|
||||
- [[Anthropic Claude Console]]:提供 API 访问权限的 Claude 控制台,用于提示词测试
|
||||
- [[Anthropic]]:视频末尾提及 Console Anthropic,作为 AI 使用入口
|
||||
- [[ChatGPT]]:主要支持的 AI 应用之一
|
||||
- [[Google Gemini]]:主要支持的 AI 应用之一
|
||||
|
||||
## Connections
|
||||
- [[Claude Code]] ← uses ← [[Prompt工程]],Claude Code 通过高质量提示词调用 Claude 模型
|
||||
- [[Nano Banana 提示词框架]] ← extends ← [[Prompt工程]],Nano Banana 是结构化提示词的具体实现
|
||||
- [[Agent Skill 设计模式]] ← relates_to ← [[提示词生成工具]],Skill 是提示词的封装形式
|
||||
- [[如何写出完美的Prompt(提示词)?]] ← related_to ← [[Never-write-another-prompt]]
|
||||
- [[Prompt工程]] ← extends ← [[如何写出完美的Prompt(提示词)?]]
|
||||
- [[Nano Banana结构化提示词框架]] ← alternative ← [[Never-write-another-prompt]]
|
||||
|
||||
## Contradictions
|
||||
- 与 [[流程工程]] 视角:本文将 Prompt工程 工具化;流程工程认为 Prompt 只是表面,SOP 才是核心。冲突点:工具化降低门槛但无法保证一致性;SOP 封装才能保证稳定复用。当前观点:工具化适合个人使用,流程工程适合团队协作。
|
||||
- 与 [[Nano Banana结构化提示词框架]] 相比:
|
||||
- 冲突点:Nano Banana 是人工设计结构,Never-write-another-prompt 是工具自动生成
|
||||
- 当前观点:工具生成适合快速产出,人工设计适合精细控制
|
||||
- 对方观点:结构化框架提供更稳定可复现的输出质量
|
||||
|
||||
55
wiki/sources/OpenAI-ChatGPT-个性化定义.md
Normal file
55
wiki/sources/OpenAI-ChatGPT-个性化定义.md
Normal file
@@ -0,0 +1,55 @@
|
||||
---
|
||||
title: "OpenAI ChatGPT 个性化定义"
|
||||
type: source
|
||||
tags: [chatgpt, personalization, openai, prompt-engineering]
|
||||
date: 2026-04-16
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/OpenAI ChatGPT 个性化定义.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:ChatGPT 自定义指令(Custom Instructions)配置,记录用户对比利哥(47岁、前云服务交付高级经理、现 TikTok 跨境电商创业者)的 AI 个性化设置
|
||||
- 问题域:通用 AI 输出不符合个人偏好,自定义指令让 AI 适配用户的认知风格和需求模式
|
||||
- 方法/机制:Custom Instructions 双字段结构(Instructions + User Details),系统将用户背景和响应偏好持久化到每次对话
|
||||
- 结论/价值:个性化配置决定 AI 输出质量天花板,是 AI 调校的核心手段之一
|
||||
|
||||
## Key Claims
|
||||
- 自定义指令通过提前声明用户背景和响应偏好,消除每次对话的"热身"损耗
|
||||
- AI 输出质量受个性化配置影响显著,配置决定 AI 是否能提供真正有价值的建议
|
||||
- 专业背景相似的用户可复用相同的响应风格配置(如技术深度、推理优先等)
|
||||
- 自定义指令中的"不做什么"(如不道德说教)同样重要,明确边界减少无效输出
|
||||
|
||||
## Key Quotes
|
||||
> "错误会削弱我的信任,所以务必做到准确和详尽" — 个性化指令核心要求
|
||||
> "重视合理的论据,而非权威,来源无关紧要" — 反权威推理优先的认知风格
|
||||
> "请将 URL 列表放在回复末尾,不要直接写在回复中" — 输出格式的精确要求
|
||||
|
||||
## Key Concepts
|
||||
- [[个性化]]:基于用户背景和偏好定制 AI 行为模式的机制
|
||||
- [[自定义指令]]:ChatGPT Custom Instructions 双字段配置,用户详情 + 响应偏好
|
||||
- [[精准表达]]:要求 AI 提供详尽解释而非泛泛而谈的认知偏好
|
||||
|
||||
## Key Entities
|
||||
- [[OpenAI]]:ChatGPT 平台提供方,自定义指令功能首发平台
|
||||
- [[ChatGPT]]:个性化配置的实施载体
|
||||
- [[TikTok]]:用户当前创业方向,AI 辅助业务拓展的核心场景
|
||||
|
||||
## Connections
|
||||
- [[Agentic AI]] ← design_principle ← [[个性化]]
|
||||
- [[AI Agent 思维方式]] ← relates_to ← [[自定义指令]]
|
||||
- [[Prompt工程]] ← extends ← [[自定义指令]]
|
||||
|
||||
## Contradictions
|
||||
- 与 [[Agentic AI]] 的"预判式设计"原则相比:
|
||||
- 冲突点:个性化指令是用户主动声明偏好,预判式设计是 AI 主动推测需求
|
||||
- 当前观点:主动声明确保准确性,被动预判提升体验,两者互补
|
||||
- 对方观点:过度预判可能产生干扰,自定义指令提供更可控的个性化边界
|
||||
|
||||
## User Profile Summary
|
||||
- 年龄:47 岁
|
||||
- 前职位:企业级软件公司云服务交付高级经理
|
||||
- 管理经验:近 20 名全球分布员工
|
||||
- 当前:TikTok 跨境电商创业者
|
||||
- 技术背景:强(云服务交付、SaaS 运维)
|
||||
- 核心诉求:用 AI + 自动化 + 云技术驱动电商业务拓展
|
||||
Reference in New Issue
Block a user