📚 AI专家养成计划 · 第22篇（共140篇）
⏱️ 阅读时间：正文10-15分钟 + 地铁深读5-10分钟
🎯 适合人群：刚学完思维链理论，想动手练一遍的你
上篇回顾：思维链的三个层次
今天早课我们学了思维链（Chain-of-Thought），核心就三件事：
1. 思维链的本质——不是让AI”多说点”，而是让AI把推理过程展示出来。
2. 三种用法——从简单的”请一步步思考”，到你自己设计思考框架，再到给AI看完整的推理示例。
分类： AI学习
-
Day11——晚课 思维链：引导AI逐步推理
-
Day11——早课 思维链：引导AI逐步推理
这是「AI专家养成计划」系列教程的第11篇，共140篇。
适合人群：AI零基础学习者，每天15-25分钟，从零到AI达人。
上篇回顾
Day10我们掌握了结构化提示词的核心武器：
- CRIS万能公式：角色(Role)+任务(Task)+输入(Input)+格式约束(Style)
- 结构化提示词比模糊提问效率提升3-5倍
- 给AI看”好例子”比描述1000字更有效
还没消化的同学建议先回去翻翻Day10，今天的内容会用到这些基础。
一个让我抓狂的真实场景
上周我让AI帮我分析一个技术方案的可行性，提示词写得很漂亮——角色设了技术架构师，格式约束也给了，输入信息也齐了。
-
Day10——晚课 结构化提示词：模板化你的需求
📚 AI专家养成计划 · 第20篇（共140篇）
⏱️ 阅读时间：正文10-15分钟 + 地铁深读5-10分钟
🎯 适合人群：刚学完结构化提示词理论，想动手练一遍的你
上篇回顾：结构化提示词的四个零件
今天早课我们学了结构化提示词，核心就四件事：
1. CRIS框架——角色（C）、任务（R）、输入（I）、格式与约束（S），四个模块拼成一个完整的提示词。
2. 格式决定一切——同样的任务，指定格式和不指定格式，AI的输出质量差距巨大。
-
Day10——午课 AI安全漏洞引发行业震动，OpenRouter估值翻倍
今天的AI圈不太平静。一个藏在开源包里的安全漏洞，让数百万个AI Agent集体”裸奔”；一个做AI模型路由的创业公司，一年内估值翻了一倍多；Google的AI水印技术终于被行业巨头们接受了。
让我们逐一拆解这些重磅消息。
-
Day10——早课 结构化提示词：模板化你的需求
📚 AI专家养成计划 · 第19篇（共140篇）
⏱️ 阅读时间：正文10-15分钟 + 地铁深读5-10分钟
🎯 适合人群：零基础，想让AI输出更精准、更稳定的你
上篇回顾：角色设定为什么这么好使
上一篇我们学了角色设定，用一个”骨科医生”的例子让AI回答质量翻了三倍。三个核心要点：
1. 角色 = 知识范围 + 表达方式 + 思维框架
不只让AI”知道什么”，还决定它”怎么说”和”怎么想”。设定为产品经理和设定为程序员，面对同一个需求，给出的方案完全不同。
-
Day09——晚课 角色设定：让AI扮演专家
📚 AI专家养成计划 · 第17篇（共140篇）
⏱️ 阅读时间：正文10-15分钟 + 地铁深读5-10分钟
🎯 适合人群：零基础，想立刻上手角色设定技巧的你
上篇回顾：角色设定为什么有用
早上我们学了角色设定的原理和四种模板。三个核心要点：
1. 角色 = 知识范围 + 表达方式 + 思维框架
不是让AI”装”成专家，而是激活它训练时学到的专业知识域，约束输出风格。
-
Day09——午课 Waymo暴雨趴窝、DeepSeek再降80%成本、Claude办公实测翻车
今天的AI圈，可以用”冰火两重天”来形容：一边是DeepSeek把推理成本打到骨折价，另一边是Waymo无人车在暴雨中集体趴窝。技术在飞速前进，但现实世界依然在给AI上”物理课”。
速报摘要
今天的五条重磅消息：
- DeepSeek V4缓存优化工具上线，命中率99.82%，成本直降80%
- Waymo因积水问题大规模召回，多城Robotaxi服务暂停
- Google SynthID水印技术获OpenAI、Nvidia等巨头采用
- Claude在SaaS办公自动化实测中通过率不到4%
- 2026智源大会即将开幕，图灵奖得主领衔
新闻一：DeepSeek V4缓存命中率99.82%，推理成本再降80%
事实：DeepSeek V4系列发布仅一个月，第三方工具已经把缓存命中率优化到了99.82%。实测数据显示，原本需要4亿token、61美元的任务，现在只需12美元即可完成，成本降低了约80%。
-
Day09——早课 角色设定：让AI扮演专家
📚 AI专家养成计划 · 第16篇（共140篇）
⏱️ 阅读时间：正文10-15分钟 + 地铁深读5-10分钟
🎯 适合人群：零基础，想让AI输出更专业的你
上篇回顾：你跟AI说话的方式变了吗
上一篇我们聊了”搜索式提问”和”对话式沟通”的区别。三个核心要点：
1. 把AI当同事，不要当搜索引擎
搜索引擎给你信息，AI能帮你思考。提问时加上背景、目的、约束条件，AI的回答质量会完全不同。
-
提示工程（Prompt Engineering）
原文作者：Lilian Weng | 原文日期：2023年3月15日 | 译者：攀岩者
原文链接：https://lilianweng.github.io/posts/2023-03-15-prompt-engineering/
引言
提示工程（Prompt Engineering），也称为上下文提示（In-Context Prompting），是指在不更新模型权重的前提下，通过设计输入提示来引导大语言模型（LLM）产生期望输出的方法。它本质上是一门实验科学——同样的提示技巧在不同模型上效果可能天差地别，因此需要大量的实验和经验积累。
本文聚焦于自回归语言模型的提示工程，不涉及完形填空、图像生成或多模态模型。提示工程的核心目标是对齐（Alignment）与可控生成（Steerability）。
💡 Lilian 的个人观点：有些提示工程论文写了8页，其实核心技巧一两句话就能说清，剩下的全是跑 benchmark。社区更需要好用的共享评测基础设施。
【阅读总结】提示工程是在不修改模型参数的情况下，通过精心设计输入文本来引导 LLM 输出的一门实验性技术，核心目标是对齐和可控。