Anthropic 的全新 Prompt Engineering 指南，涵盖元提示、模板、系统角色、XML 标签等关键技术，助你全面提升 Claude 交互效果：

• Prompt generator：让 Claude 帮你写提示，元提示法高效又新颖
• 使用提示模板：写一次，多次复用，实现提示规模化
• Prompt improver：自动优化你的提示，从平凡到出彩，类似 AI 版 Grammarly
• 明确直白：避免模糊指令，精准表达成就最佳结果
• 多示例引导（multishot prompting）：通过示范教会 Claude 思考，提升回答质量
• 连锁思考（Chain of Thought）：让 Claude 分步推理，提升逻辑与复杂推理能力
• XML 标签：结构化控制输出，确保结果清晰规范
• 角色赋予（system prompts）：模拟律师、治疗师等身份，快速切换视角
• 预填回复：设定语气和结构，精准引导输出风格
• 复杂链式提示：拆解任务分步完成，逐步递进
• 长上下文处理技巧：教你如何高效利用大文档，避免超载
• 扩展思考技巧：通过迭代提问，激发深度思考和更优解

这套方法论不仅适用于 Claude，还对所有大型语言模型有借鉴意义。其核心在于“清晰沟通”与“结构化思维”，远胜语法修饰，实现快速迭代与高效控制，且无需高成本的微调。

A brief introduction to chunking：优化检索之前，先解决好chunking（文本切片）策略，才能打通用户与信息之间的无形壁垒。

• Chunking是将文本拆分成更小的“块”（chunk），每个chunk作为向量化和存储的基本单位。
• 合理的chunking策略影响检索效果和RAG系统的上下文信息量。
• 没有万能适用的chunking方法，需结合具体用例灵活选择。

6大核心chunking技术：
→ 固定大小Chunking（Fixed-Size Chunking）：简单经济，忽略文本结构，适合起步尝试。支持重叠chunk提升上下文感知。
→ 递归Chunking（Recursive Chunking）：先按段落等主分隔符切，再递归用句子等细分，尊重文本结构，灵活适配各种场景。
→ 文档结构Chunking（Document-Based Chunking）：基于文档自然分区如标题、章节，适合HTML、Markdown等结构化文本。
→ 语义Chunking（Semantic Chunking）：先划分成有意义单元（句子/段落），基于向量余弦距离合并，检测上下文变化生成chunk。
→ LLM驱动Chunking（LLM-Based Chunking）：利用大语言模型生成语义隔离且独立成章的句子或命题，精准度高但计算成本大。
→ 晚期Chunking（Late Chunking）：先对全文嵌入，再基于token级向量分块，最大程度保留全文上下文，兼顾成本与效果。

💡 实用建议：
• 从固定大小chunking开始，根据需求逐步探索更复杂策略。
• 技术文档推荐文档结构chunking；对话类数据语义chunking表现优异。

一张图浓缩计算机科学核心学习路线，打造扎实底层认知体系，助力职业跃升 | 推特贴文

• 编程：理解递归等核心概念，推荐《Structure and Interpretation of Computer Programs》+ Berkeley CS 61A 视频
• 计算机体系结构：构建硬件与抽象连接的心智模型，推荐《Computer Systems: A Programmer’s Perspective》+ Berkeley CS 61C
• 算法与数据结构：掌握栈、队列、树、图等基础，推荐《The Algorithm Design Manual》+ Steven Skiena 课程
• 计算机数学：数学是 CS 的基石，提升竞争力，推荐《Mathematics for Computer Science》+ MIT 6.042J
• 操作系统：理解代码运行环境及交互，推荐《Operating Systems: Three Easy Pieces》+ Berkeley CS 162
• 计算机网络：深刻理解互联网运作，释放网络潜力，推荐《Computer Networking: A Top-Down Approach》+ Stanford CS 144
• 数据库系统：深入数据存储与管理原理，推荐 Joe Hellerstein’s Berkeley CS 186
• 编译原理：理解语言与编译器机制，提升代码质量和学习效率，推荐《Crafting Interpreters》+ Alex Aiken edX 课程
• 分布式系统：现代大多数系统的核心，推荐《Designing Data-Intensive Applications》+ MIT 6.824课程

这套路线不仅是系统性的知识地图，更是构建坚实技术底座的实践指南。持续学习与项目实战结合，才能真正将理论转为生产力。

作为a16z的 AI 合作伙伴，Olivia Moore 分享了她每周甚至每日实际使用的核心 AI 工具栈，以及目前正在测试的潜力新品，极具参考价值 | 推特贴文

核心 AI 工具栈：
• Comet - AI 浏览器，集搜索、购物、日历及邮件筛选于一体，支持快捷操作及模板自动化。
• Julius - AI 数据分析助手，擅长处理复杂数据表，提供可视化与深度分析建议。
• Happenstance - 人脉搜索工具，连接邮箱、推特、LinkedIn，实现跨平台网络搜索。
• Granola - 无缝 AI 会议笔记，支持手机端、相关会议提示及基于转录的复杂工作流程（如 CRM、邮件）自动化。
• Gamma - AI 幻灯片与文档生成，灵活格式与自然语言编辑，适合制作演示与博客发布。
• Willow - AI 语音转文字，精准度提升，支持各类应用（如 Slack）的语音输入与个性化写作风格调优。
• Superhuman - AI 邮件客户端，集成智能回复、提醒等功能，大幅提升邮件管理与安排效率。
• Overlap - AI 视频剪辑，支持长短视频内容筛选、自动字幕及精彩片段打分，优化内容发布。
• Krea - AI 创意伙伴，整合图像、视频、唇同步等模型，支持自定义 LoRA 模型，生成超真实内容。
• ChatGPT - 多场景应用的 AI 助手，从深度研究到图像生成，预计将完全替代传统搜索引擎。

新兴产品关注：
• Serif - 基于知识库的邮件助理
• Tako - 可信数据 AI 引擎，带美观图形
• Grok - 移动端图像/视频生成模型
• M1 - AI 接待员，聚焦中小企业及个人用户
• Genspark - 横向 AI 代理，支持多种工作流
• SnapCalorie - 移动端 AI 营养追踪器
• Rememe - AI 社交照片生成（换脸技术）

总结：
- 该 AI 栈覆盖从生产力、数据分析、内容创作、沟通协作到视频编辑的全方位需求，体现了当下 AI 工具多样化与专业化的趋势。
- 通过自动化与智能辅助，极大释放用户时间，提升工作效率。
- 用户可根据自身工作流灵活选择与组合，打造个性化的 AI 助手生态。
- 未来 AI 将从单点工具向整合平台演进，进一步简化操作与提升体验。

构建强大 GenAI 应用，犹如打造完美汉堡，层层关键缺一不可 | 推特贴文

• 基础设施层（底层面包）：云托管（AWS、GCP、Vercel）、无服务器函数（Lambda、Supabase）、CI/CD 流水线、编排（Airflow、Prefect）、监控日志、安全合规，保证应用稳定运行。

• 模型层（核心智力）：基础大模型（GPT-4、Claude、Gemini）、微调模型（LoRA/SFT）、开源模型（Mistral、Zephyr）、托管 API（Replicate、OpenRouter）、模型选择与上下文管理，实现智能推理与生成。

• 数据与集成层（智慧工具）：RAG 检索增强生成、向量数据库（Pinecone、Chroma）、嵌入向量（OpenAI、Hugging Face）、第三方 API 和插件调用，赋能动态实时能力。

• 逻辑层（应用大脑）：LangChain、CrewAI、AutoGen 等框架，负责提示工程、记忆上下文、函数调用、多步骤推理、agent 流程，连接界面与智能。

• 前端层（用户交互）：语音助手、聊天 UI（Web & 移动端）、嵌入式聊天机器人、Slack/Discord 机器人、命令行工具，打造多样化人机交互体验。

此外，完善的 GenAI 应用还需关注：

🍅 可观测层（番茄片）：日志、追踪、延迟监控、token 监测，保障上线后稳定与性能。

🧀 保护与校验（融化芝士）：输出验证、内容过滤、回退策略，确保安全合规，尤其适用于受监管行业。

🥬 成本与延迟意识（生菜脆感）：缓存、模型切换、提示优化，避免高昂成本和延迟带来体验和预算风险。

🧂 提示运维（盐味调料）：提示版本管理、测试机制、开发与生产环境分离，提示如代码般演进，保障质量与可维护。

知名“厨师”工具：OpenAI、LangChain、Pinecone、Hugging Face、Vercel、Zapier、CrewAI 等，助力打造高效可靠的 LLM 应用。

打磨每一层，才能做出既美味又实用的 GenAI 汉堡，助力应用在复杂场景中稳定落地。

coze的200+生产力工作流合集，持续更新中，助力高效自动化管理与内容创作。

• 汇聚多领域实用工作流，覆盖文档处理、视频制作、表格数据抓取与分析、数字人、声音克隆等多样场景
• 支持抖音、小红书、B站等平台无水印视频批量提取，自动生成视频文案、分镜脚本及推文音频
• 丰富视频生成模板：古风育儿、治愈系情感、书单推荐、英语学习、历史人物、心理学等多风格内容一键产出
• 表格自动化处理，轻松导入飞书多维表格，实现数据批量写入与可视化分析
• 兼顾开发者与内容创作者，Git克隆或ZIP下载两种获取方式，导入Coze平台即用，极低门槛快速上手
• 深度整合AI技术与实战经验，提供稳定、模块化、可扩展的工作流体系，助力长期生产效率提升

高效工作流的核心在于模块化设计与多平台无缝衔接，利用开源社区持续迭代，确保工具链贴合实际场景，不断优化自动化和智能辅助的平衡。这里集合的200+工作流，形成了涵盖采集、处理、生成、发布全流程的闭环思维框架，极具长期参考价值。

使用流程.png

905 KB

Claude Code（CC）一个半月高强度使用总结，深度剖析 AI 辅助编程的本质与方法论：

• 迭代速度惊人：Anthropic 内部 dogfooding 产物，短短数周内自定义命令、Hooks、Subagent 等功能极速上线，极大提升开发效率，开启“vibe coding”时代。⚡️
• Editor AI 与命令行工具差异：编辑器 AI 局限于局部文件，易造成上下文同步问题；CC 通过命令行深度理解整个代码库，依赖 token 量大，整体效果领先。
• 认清边界与长处：擅长代码逻辑分析、架构图绘制、快速原型开发，难以完成大规模精准重构，需结合传统 IDE 和脚本辅助。
• Plan Mode 方法论：先规划后编码提升质量和稳定性，适合已有架构项目；“莽夫流”快速迭代适合探索性项目，灵活选用符合项目节奏。
• 小步迭代优于“一次性放飞”：高可控性，便于定位和测试，防止因大规模改动引发的连锁问题；必要时配合完善测试与版本控制。
• 上下文窗口管理是关键：200k token 限制需合理拆解任务、主动 compact、借助 Subagent 扩展上下文，实现大项目分布式协作。
• Command 与 Hooks：重复任务用命令定义，提升效率和一致性；Hooks 自动触发适合固定流程，个人偏好保持手动控制。
• MCP 扩展能力：集成最新文档、项目管理和 LSP，针对不同语言和框架定制知识库，显著提升模型适应性和准确度。
• 编译测试规范流程：AI 生成代码必须立刻编译、测试、lint，结合 TDD 流程保障质量，利用多工作目录并行开发缓解编译瓶颈。
• CC 不只是写代码：支持代码提交、PR 生成、技术文档撰写、JIRA 任务管理及数据处理，极大释放开发者生产力。
• 体感与限制：Opus 模型效果优于 Sonnet，避开高峰期提升体验；近期社区反映性能下降，weekly 限制逐步实施，算力瓶颈依然严峻。
• 应对策略：分级使用模型、错峰操作、提升 prompt 质量、合理分配 subagent 任务、保持工具多样性，灵活应对限制。
• 深层认知：vibe coding 不仅是技术革新，更是思维模式转变。效率提升要与思考、生活平衡并行，技术应服务于人，而非绑架人。

Claude Code 作为“软硬件一体”的垂直整合平台，代表了 AI 辅助开发的未来趋势。掌握其方法论和边界，才能真正释放 AI 生产力，避免被工具裹挟。

入门PyTorch首选指南：Sebastian Raschka的《PyTorch in One Hour》全面覆盖关键基础，助你迅速掌握深度学习核心技术。

• 深入理解PyTorch三大核心：高效张量库、自动微分引擎（autograd）、灵活深度学习模块。
• 从张量基础到多层神经网络构建，涵盖自动求导、模型训练循环及高效数据加载。
• 详解GPU加速训练与多GPU分布式训练（DDP），助力大型模型快速迭代。
• 实践示例丰富，代码易懂，兼顾初学者与进阶者需求，避免初期忽视细节导致后期团队协作难题。
• 额外附赠权威书籍推荐与深度学习相关资源，打造长期可参考的学习体系。
掌握PyTorch核心，开启神经网络开发之路，提升模型训练效率与效果。

The Ultra-Scale Playbook 是 Hugging Face 科研团队 nanotron 发布的一份权威指南，专注于大规模 LLM 训练的最佳实践与底层技术，适合所有希望掌握大规模分布式训练核心方法的研发者。

• 内容详尽：246 页精美排版 PDF，系统讲解 DeepSeek-V3 模型训练，涵盖 5D 并行、ZeRO 优化、快速计算核、计算与通信重叠及瓶颈分析。
• 丰富工具：集成理论解析、交互式图表、4000+ 次扩展实验及音频讲解，帮助理解复杂概念与实际应用。
• 开放资源：配合 nanotron 开源库（Nanotron、Picotron）及 Hugging Face 平台，促进高效分布式训练生态构建。
• 订阅获取：完整 PDF 通过 Hugging Face PRO 订阅提供，详见 hf.co/nanotron。
• 社区认可：被业界专家盛赞为分布式训练领域的“黄金级”读物，助力学术与工业界加速创新。

独立开发穷鬼套餐(Web实践篇)，帮你用最低成本开启盈利项目：

• 推荐框架：Next.js 14/15，兼顾生态活跃度与AI代码质量，支持SSR/SSG/ISR满足多场景需求。
• 核心技术选型：Drizzle ORM（轻量高性能）、Better Auth（多鉴权方式）、Stripe+Creem支付、React Email+Resend邮件服务、Cloudflare R2对象存储、Fumadocs文档系统、Tailwind CSS+Shadcn/UI等现代UI库。
• 成本敏感的三大部署方案：
1. 云平台免费额度（Vercel、Supabase、Neon、Railway等），0成本起步，适合启动期，缺点是超额成本高，部分平台限制商业使用。
2. 全面利用Cloudflare（Workers、D1、KV、R2），$5/月起，适合高流量、技术熟练用户，全球CDN无流量费，国内访问速度相对较慢。
3. 自托管（VPS/VM），自由度最高，成本最低，但需自主管理运维、安全、备份和扩容。
• 其他必备成本：合理选域名（推荐Cloudflare Domains）、邮件服务（Resend或自托管Unsend）、成熟支付平台（Stripe更稳，Creem适合初期无需开公司）。
• 独立开发核心理念：避免过度折腾技术和平台，聚焦快速迭代产品和市场，合理规划成本与盈利模式。
• NextDevKit项目助力快速搭建全栈Next.js项目，支持多平台一键部署，内置支付和管理后台，助力独立开发者降本增效。

高效阅读论文的 Obsidian 标签布局实战指南：推特贴文 | #指南 #论文

• 左上角设为 Source note，方便快速定位原始笔记。
• 左下角启用 Excalibrain，助力知识网络可视化。
• 中央固定 PDF++，实现论文 PDF 的无缝浏览和标注。
• 右侧配置 NotebookLM，实时向 AI 提问，快速解决疑难。
• 英文论文先用 Readable 翻译，再通过 PDF++ 展示，提升理解效率。
• 全文导入 NotebookLM，确保所有疑问即时获得专业解答。

该方法完美融合笔记管理、知识图谱和 AI 辅助，极大提升论文阅读与研究效率。