调模型不如“管上下文”。这篇文章基于 ACE（Agentic Context Engineering），把系统提示、运行记忆和证据做成可演化的 playbook，用“生成—反思—策展”三角色加差分更新，规避简化偏置与上下文塌缩。在 AppWorld 与金融基准上，ACE 相较强基线平均提升约 +10.6% 与 +8.6%，适配时延降至约 1/6（-86.9%），且在无标注监督场景依然有效。
Hi，返工早上好。 我是洛小山，和你聊聊 AI 行业思考。 AI Agent 应用的竞争逻辑，正在发生根本性变化。 当许多团队还在死磕提示词优化（PE 工程）时，一些优秀团队开始重心转向了上下文工程
其实大语言模型的“教育”问题也差不多。研究者在训练和使用这些模型时，离不开提示词。这就像一份人生剧本，告诉模型“你是谁？”“你要做什么？”“你能做到哪里？”但问题是，提示词到底应该像家长一样，
先给你们看个刺激的：国外有个哥们儿，自己一个人用 AI做 3D 模型，最高单日收入折算快 1 万人民币了：一年收入30 万刀。而他在用的也只是通过提示词让 AI 生成对应的 3D 模型，或者上传图片生成 3D 模型。
论文的标题很学术，叫《心理学增强AI智能体》但是大白话翻译一下就是，想要让大模型更好地完成任务，你们可能不需要那些动辄几百上千字的复杂Prompt，不需要什么思维链、思维图谱，甚至不需要那些精巧的指令。
话说回来，梁文锋作为通讯作者已经足够引人注目了，但细心的网友还发现了这篇 Nature 论文的贡献者名单里出现了两位熟悉的人物——涂津豪和罗福莉。先说涂津豪，2007 年出生的他，2024 年在阿里巴巴全球数学竞赛首次开设的 AI 赛道中，以 34 分（当届最高分）从全球 563 支高校与企业队伍中脱颖而出，直接夺得第一名。
上下文学习”（In-Context Learning，ICL），是大模型不需要微调（fine-tuning），仅通过分析在提示词中给出的几个范例，就能解决当前任务的能力。您可能已经对这个场景再熟悉不过了：您在提示词里扔进去几个例子，然后，哇！大模型似乎瞬间就学会了一项新技能，表现得像个天才。
即梦AI最新上线的Agent模式，只需要说出你的需求，它就能自动帮你写提示词，新上手的小白也能轻松玩转。比Nano banana更懂中文场景，文生图和图像编辑还比Nano banana强！
刚刚，火山引擎上线了豆包・图像创作模型 Seedream 4.0，我提前试了一下，应该各位也看到了各种非常强的玩法和图片。 简单来说就是一个支持图片生成、连续图片编辑、多图参考的全能图像创作模型。
存款60美元、欠债1.5万美元，82岁的Luis正在积极学习提示词策略，创办科技公司，他想用AI为自己的人生来一场漂亮的收官；年近80的Scalettar，教会了96岁丈夫使用AI编辑。AI为许多美国老年人打开了一个新世界，他们比许多年轻人更接受，也更会用AI。
