看到朋友在网上的分享： 用Deep Research 的时候就怕在研究来源中看到ZHIHU、SINA、CSDN 这样的网址，这简直就是报告结果的灾难！ 垃圾进 垃圾出。。 在大模型还没有进化出反思修正和推理新知识能力的时候，务必屏蔽掉低质量信息源，AI无脑文越演越烈。
近年来，生成式人工智能（Generative AI）技术的突破性进展，特别是文本到图像 T2I 生成模型的快速发展，已经使 AI 系统能够根据用户输入的文本提示（prompt）生成高度逼真的图像。从早期的 DALL・E 到 Stable Diffusion、Midjourney 等模型，这一领域的技术迭代呈现出加速发展的态势。
只需一组公开的prompt，ChatGPT看图猜地点的能力又科幻般进化了！
最近，Google 官方发布了一份长达 69 页的【Prompt Engineering 白皮书】，可以说是目前最系统、最权威的“AI 沟通指南”了。我们也是第一时间翻译好了这本书，准备【免费】送给大家！
我是没想到，GPT4o用一段小小的Prompt生成的一些图片，引发的热度浪潮。
近日，Github 上有一个开源项目，曝出了 FULL v0、Manus、Cursor、Same.dev、Lovable、Devin、Replit Agent、Windsurf Agent 和 VSCode Agent 的完整官方 System Prompt（系统提示词）和内部工具，有超过 6,500 行关于其结构和功能的见解。截至目前，该项目已经斩获了近 2.5 万颗星和 7700 多分叉。
3D生成明星玩家VAST，又又又又又开源了！Tripo Doodle（内部代号TripoSG Scribble) ，能够将简单的2D草图和文本提示（Text Prompt）实时转化为精细的3D模型。它改进了传统3D建模学习曲线陡峭、耗时耗力的痛点，尤其是在初期“打形”阶段。
早在去年10月底IBM推出了PDL声明式提示编程语言，本篇是基于PDL的一种对Agent的自动优化方法，是工业界前沿的解决方案。当你在开发基于大语言模型的Agent产品时，是否曾经在提示模式选择和优化上浪费了大量时间？在各种提示模式（Zero-Shot、CoT、ReAct、ReWOO等）中选择最佳方案，再逐字斟酌提示内容，这一过程不仅耗时，而且常常依赖经验和直觉而非数据驱动的决策。
每天脑子里都有很多想法转瞬即逝，不赶紧记录下来就会懒到不想再实践，于是在周五依然好好更新了！今天也是一个很不错的干货，这组提示词的作用是，你只需要输入你的文字内容，就可以得到还不错的文字设计的视觉效果。为了它的效果测试和呈现我几乎掏空了我的即梦AI，测试非常多组合和风格后确信效果确实是还不错的。
这届老年人，沉迷300块的老年大学AI课
