claude短剧提示词怎么写

克拉的 code 源码泄露之后啊，它对于我们普通人有什么价值呢？也就说我们能从里面学到哪些内容呢？今天呢，我就从克拉的所有的源码里面给大家提取到了十四条 黄金的法则，那么这些法则呢，都是这些大厂经过上亿美元，对吧？非常多的工程师反复验证之后的啊，一个成果大家直接去用就可以了，它可以让你的 ai 的 聪明程度啊上升一大截。 那么下面呢，我们来看一下这十四条分别是哪些内容。那么第一条呢，就是用禁令去代替指令，就是说我们在这个题词里面啊，不光要写让 ai 生成的内容，对吧？让他干的事情 还要更多的去写不要让他生成的内容，些禁止生成的内容，我们一定要给他写清楚，用禁令去代替指令，就是说我们这个禁令至少要比这个指令要稍微多一点，至少要持平他们两个的这个重要程度啊，是完全一样的。 那么第二个呢，就是专门试着一个唱反调的角色，那么这个角色呢，就是他不是来生成内容的，他是专门用来去找毛病的，你生成了内容之后，他专门去挑刺，专门从里面去挑一些问题， 有问题之后再去反复的迭代，最后呢给你产出一个啊，没有问题的一个结果，那么经过两次迭代之后呢，这个效果就会非常的好。 第三条就是不要画蛇添足，就说我们的这个题词啊，一定不要写的特别的臃肿啊，把一些不太重要的一些限制，对吧？一些基本上不可能发生的事情都给他做一个限制，都给他做一个预防， 我们呢一定要让这个题词非常的简洁，对吧？非常的明确，宁可重复，也不要过度抽相，对吧，这个题词不要太臃肿，是这个意思啊。第四条呢就是如实汇报，不要润色，也不要谦虚，那么这个是什么意思？好？就比如说我们让他去干一件事情，他如果 没有能力去干，他有的时候啊也会去有一些幻觉，对吧？他也是说自己能干，并且呢去给你去编造一些内容，去编造一些结果，这个时候呢，我们就需要给他一个指令，你事情没有做好，或者说事情 没有能力完成，你就说没有能力完成，一定不要去编造内容啊，一定不要去润色，是这意思，那么不谦虚是什么意思呢？ 就是说你明明是能够干好的，就非要去过度的去谦虚，去加上一个不必要的免责声明，那么这个时候也是不必要的，你能干好，你就说能干好，对吧？不需要再额外的去说明，这个呢是第四条。第五条呢就是活可以分出去，但是思考不行，这个是专门针对那种 多任务，就是子任务去并行的去完成一个任务， 那么这个子任务我们就需要让他这个工作可以去分出去，但是思考不行，就是说我们的主要的智能体，还是啊负责主要的这个思考，把剩下的这个任务的环节可以去分给这个子任务，分给这个子智能体去执行，但是呢整个的 管理的环节还是需要这个主智能体，对吧？主要的这个智能体来负责思考。第六条呢就是不知道就说不知道，就是不要去编测啊，就是不要去编造，或者说预测这个结果啊，这个呢就跟是我们上面第四条其实差不多的。第七条呢就是先看再改，不准编造内容。 这个什么意思？就是说我们经常会上传一些文件，对吧？上传一些内容，那么这个时候呢，我们一定要让他先去阅读内容，阅读好之后呢再去根据这个要求去帮我们去分析，帮我们去生成一些内容。 这个时候啊他是有可能不会去阅读的，或者说他没有阅读完整，他就开始去给你输出。所以说我们在题词里面一定要给他规定，一定要先看完，把所有的内容全部分析完整， 再去根据要求去生成。这个是第七条。第八条呢就是一次授权不等于永久授权。什么意思？就是说我们的这个 cloud code 我 们会给他批准非常多的权限，比如说让他去发邮件，那么这个发邮件的这个授权我们是只给他授权一次还是永久授权，我们一定要给他说清楚。 如果是一次授权，我们就只能让他在本次任务里面可以去发邮件，那么以后呢我们都禁止他去发，这个时候一定要给他去说明清楚。尽量啊， 我们都是使用这种一次授权的这种方式啊，比如说去发邮件，比如说去管理本地的这个文件去删除啊，对吧？去修改内容，这个呢就是关于授权方面的一些这个要求。第九条呢就是每条禁令都要写清楚，为什么这一条呢就对应了前面我们说的那个，我们要去写这个禁止生存内容， 那么我们写禁止生成内容之后，我们一定要带上，为什么不让他这样去写，一定要让他明白背后的一个逻辑啊，否则的话他在执行的时候一定是有偏差的。第十条呢，信息需要按需要去给 啊，不要一次性给全，就比如说我们这个克拉的扣的里面有非常多的工具，那么每个工具呢，都有这个使用的指南，就比如说像说明书一样，我们不要一次性把所有的说明书都给到他， 我们一定要在用到这个工具的时候再给他说明书，这个时候啊他这个准确度反而会更高，一次性给他的信息太多，他就会犯迷糊了，所以说这个大家一定要注意啊。第十一条就是沟通的规范，一定要 精细到标点符号，不要有一些表情包，不要有一些各种符号，我们一定要使用最规范的这种语言方式去编辑啊。第十二条呢，就是不同的场景要加载不同的规则，这个源码里面呢，有大量的这个条件的判断， 那么我们就需要根据不同的用户去加载不同的规则。比如说啊，他这个内部员工的版本管理非常的严格，必须要按时去汇报这个结果，不要做过多的解释，完成之前呢，一定要做这个必要的验证。第十三条提示词 不要堆成一大段，一定要模块化，就按照我们这个角色背景任务，我们之前分享过的那个标准的结构化的提示词，我们去编辑啊，一定不要是说一大段话，然后呢把所有的任务，把所有的这个规范都放到这个里面，这样肯定是不行的， 我们把它模块化之后还有一个好处就是非常容易让这个大模型去理解它，不会理解偏差。那么第十四条就是限制工具的使用范围，我们一定要告诉这个 cloud code 或者说 agent 这个大模型 在哪些情况下去用到这个工具，那么用到这个工具的时候，它的一个操作规范是什么？我们在这个题词里面，或者说在智能题里面都要去给它有有一个非常标准的一个规定，就是要让这个用户知道 ai 在 干什么，通用的命令行呢？它是一个黑箱，我们是看不到的。以上呢就是我们总结的这个 呃， cloud code 它内部的内置的一个提示词里面的一些技巧，我们不管是在自己在写文案的时候，在写代码的时候，或者说自己在使用 a 阵的时候，都可以使用这里面的一些规范。这个规范呢也是经过验证的，他们大厂一直在用的一个规范。如果大家想要搭建自己的提示词，也就是在提示词里面你想去用到这些 内容的话，那么我们这边呢有一个专门的帮助大家去写题时词的一个文档，在这个文档里面大家就可以按照我们的模板，按照我们的这个题时词的模板和一些技巧去 呃生成一个最初版的题时词，那么这个题时词里面呢，我们再去按照要求去增加内容，去修改内容，把我们刚才讲的内容啊就加到这个题时词里面，对吧？这个 第一版的题词词我们如何去生成呢？我们如何去制作呢？大家就看这个文档就可以了，我们目前呢已经搭建了大概有两百套的这个高级的题词词，都是按照这个模板来制作的啊，如果大家需要的话，直接能够去分享，对吧？视频下方还是老规矩，直接说一下。

看完昨晚 cloud code 泄露的五十万行代码，我才醒悟，原来 cloud code 顶尖的能力不是代码逻辑，而是提示词。我从里面整理了七条反直觉能直接使用的提示词，分享给大家。 第一条，用禁令代替指令，你与其写，你要如实汇报结果， 不如写没做完就说没做完，不要按时做，过了一个是鼓励，一个是毒死漏洞，效果天差地别。第二条，专门设一个唱反调的角色， 原码里有一个验证，角色设定就一句话，你的任务不是确认东西能用，而是尽量找出问题，还预写了一套反驳话术， ai 说看起来没问题，反驳看起来没问题不等于验证过实际。试一下， ai 说别人已经检查过了，反驳别人也是 ai， 你 得独立检查。最后一句总结， 如果你发现自己在写解释，而不是在行动，停下来去行动，任何重要的 ai 输出，你都可以再设一个专门找茬的提示词，两轮下来，质量高不少。第三条，不知道就说不知道，不要猜。 a i 特别容易在没有信息的时候编一个看起来很合理的回答，你在提示词里明确告诉他，不知道就说不知道，比瞎猜强一百倍。 第四条，先看再改，不准凭空捏造。原码里有一条硬公硬规则， a i 必须先读过一个文件的内容才能去编辑它，没读就改，系统直接报错。 这防的是 ai 凭记忆和幻觉去修改东西，改出来的跟你实际内容对不上，你让 ai 帮你改文章，可以这样用，先要求他把原文关键内容复述一遍，确认理解对了，再动手改。 第五条，每条禁令都要写清楚为什么可劳的扣子的禁令不是尴尬的，干巴巴的一句不准， 他会把原因写上，你光写不准， ai 可能在边界的情况下自行判断绕过去，但你把原因写上去，他就知道这条规则的边界在哪，什么情况下必须死守。 第六条，不要画蛇添足。三条规则不要加没被要求的东西，不要为不可能发生的东西做预防。三行重复的内容好过一个过岛的抽象 翻译成大白话，就是你让他写一个简单的功能，他会给你搭一个框架。这条戒令就是预防这个的，宁可有重复，也不要为了消灭重复搞出一套复杂系统。 第七条，信息按需给，不要一次全到 cloud code 有 几十个工具，但不会一上来就把所有工具全塞给 只先只告诉他有哪些工具，等真要用某个工具时，再把详细说明加载进来。就像新员工入职，你不会第一天就把公司所有资料全部丢给他，信息太多了， a r 反而会迷糊。 通过这些提示词，我提炼了一个重要的思路，与其花时间想怎么让 ai 变得更好，不如先列出他最容易犯的错，逐条写进令。 就像带一个新人，你给他一本二本页的操作手册，他不一定看，但是你给他一张绝对不能做的事的清单，他反而记得住。可捞的扣德的提示词就是这么干的。 现在回去就把你常用的提示词加上三条禁令试试效果。希望这个视频对你有所帮助，感谢观看，下期见。拜拜！

这条视频给大家讲一下 front engineer， 就是 提示词工程 front 到底该怎么写？刚好我最近研究了挺多 ai 提示词大神怎么写 cloud 最佳实践的那个官方文档，包括 gemini 最佳实践官方文档，它们这些顶级大模型公司出了这个教程，今天我一条视频给大家汇总一下。我先说一下这条视频适合什么样的人看。首先你有使用大模型的需求， 就是你至少是一个已经在跟 ai 对 话的人。第二个就是你的需求至少要是有一点点难度的啊，比如说问大模型明天天气怎么样的这种 用户的话也不需要看了啊。我这条视频的核心在于工程化和稳定性，教你把 ai 变成一个保质保量，能完成你工作的固定员工。如果你有以下几种需求的话，那么这个视频对你来说非常好。第一，当你需要批量化且质量稳定的产出， 比如你要写五十篇小红书文案，比如你要写十篇日报周报。第二，当你眼高手低时，你只有矮。第二，但是你没有动手能力，你只知道自己想要一个什么样的结果，但中间这个过程你不会干。 比如说你想写一个 python 脚本，但你不懂 python 语言。比如说你想写一份商业分析报告，但是你不是分析师。第三，就是你的任务太复杂， ai 每次完成你的任务都固头不固定，让 ai 做一件很长，然后逻辑很绕的事情。比如说帮我提取这段视频的文稿，提炼里面的观点，再结合我的痛点产出一篇文章，还要翻译成英文， 就是他中间要做的事情很多，那么你把一串指令丢给 ai， 他 可能会丢掉其中一两步，或者说给你一个很水的答案。第四就是当你对味道很挑剔时，比如说你想让 ai 模仿 macintosh 的 翻译墙，或者 macintosh 的 ppt 样式，你不知道怎么描述清楚的。 ok， 那 么我们正式开始。其实网上很多教程太卷了，一会让你学结构化，一会让你学 markdown 各种语法，但其实随着 cloud 啊 jpg 这种模型它的更新迭代，它本身模型非常牛的时候，其实逻辑没必要那么复杂， 首先是我自己写提示词的步骤和思路。首先第一步呢，就是把你脑子里的东西先倒出来，不管你要做分析也好，写文案也好，还是什么复杂的各种 idea 需求也好，我会先把脑子里的所有的想法，你对这件事情所有的知道的来龙去脉，背景啊，结果， 过程要怎么样，你想达成什么样的目标，一股脑的告诉他，用大白话也好，穷尽你能写出所有的对这件事情的描述，甚至说你在网上看到几篇风格很不错的文章，全部丢给 ai。 现在 ai 的 上下文很长，你完全不用担心输入框限制了他。到完之后你跟他说这样一段 prank， 我是 这个领域的小白，但我想要达到专家级的效果。 这些是我的原始想法和参考素材，请你先不要生成内容，先消化这些信息，告诉我你理解了没有，让 ai 去读你的心，去读你的想法。 当你把这些素材投喂给他的时候，你再反过来问他，基于你刚刚学到的这些素材，如果我要完成这个任务，你需要我补充哪些背景、哪些信息，或者利用你自身的知识，帮我把这些大白话翻译成结构清晰、逻辑严密的 system prompt。 这时候你会发现 ai 自己写出来的提示词 里面充满了专业的术语、行话和深层逻辑。这是你自己在家闭门造车，手搓 prompt 手搓不出来的。让 ai 自己给自己写 prompt。 好， 我们到了第三步，拿到了 ai 自己写好的 system prompt 或者提示词之后，不要直接用， 我们先彩排再开机。第三阶段，我会对他说，基于你刚刚这个 prompt， 请你立刻生成三组用户输入到模型输出的模拟案例给我看，检查一下，这时候 ai 只是在模仿你的字面意思，还是说已经读懂了你的神韵？ 如果你看案例的时候你觉得不对劲，你不需要去改那一大串复杂的 system pond， 直接用人话反馈给他。比如说第二个案例，逻辑太生硬了，没有人味，像 ai 写的，我想要那种犀利中带点幽默的，请你调整一下 pond， 直到它生成的案例完全符合你自己的审美，这个 system pond 才算定稿。 以上是我写 point 一个基本的流程，然后下面我再补充一下我从 gemini cloud 的 最佳实践手册里面学到的几个调优的原则。第一个就是别说客套话，直接说需求。如果你对模型的要求很高，千万不要丢给他模糊的指令，一定要给他明确目标。 比如说你扔给他一段图片，说写个分析，那肯定不如说创建一个包含交互功能的分析仪表盘，越全越好。第二点就是举例子比讲道理有用。这个技巧叫做少量样本提示，也叫 few shot one shot。 如果你想模仿特定的文风，你在那里描述，不如直接丢个原版的例子给他，你跟他说，就照着这个味写，你的例子越好， 他的产出就越稳。如果说你是那种需要处理复杂任务的用户，比如说先提取啊这个视频的文案，再分析这个视频的文案，再结合我的痛点生成文案，再把这个文案翻译成某某语言。 你的任务里面包含了多个子任务，那你可以试试提示词练。简单来说就是不要贪图一口吃个胖子，把你的大任务拆成好几个小任务， 上一步的输出变成下一步的输入。举个例子，你拆解完任务之后，你先写一个 point a， 是 用于提取药物，然后它输出了 output a， 那 你再写一个 point b， 基于 output a 写大纲，输出 output b， 你 再写一个 point c， 是 基于 output b 扩写成整篇文章。 这个就是牺牲速度换精确度的策略。你可以精准地调控每一个 point， 每一个子任务里面的细节。 这个是一个用来构建稳定 ai 工作流的思路。其实 a 正的思路就跟这个差不多。下一条原则呢，是多模态融合，现在的 prompt 不 再仅限于文字了。呃，图片、视频、音频，一切的模态都是平等的输入， 特别是对于 jimmy 三用户来说啊，他对于长视频的理解现在特别到位。还有就是允许不确定性。为了减少 ai 的 幻觉，我们可以明确地授权给 ai 说，你可以说你不知道， 比如说，请基于某某数据分析趋势，如果我给的数据不足以支持输出结论的话，请直说，不要编造，我可以给你补充更详细的数据。 最后一个技巧就是让他先想后说，如果遇到复杂的任务，可以要求 ai 在 输出结果之前先列一个提纲或者一步步推理。你可以直接给一个 point 说，在回答之前，先一步步拆解你的思路， 增加 ai 思考的步骤。这件事情非常重要，它可以大大的减少你 ai 胡说八道的几率。 ok， prompt 怎么写？如果你听到这里，学到这里，你已经很厉害了， 不要再纠结那些复杂的结构。好的 prompt 一定不是写出来的，而是聊出来的，是测出来的。所以说你要做的就是把话说明白，然后给他足够的例子。把你重复性的、繁复的工作丢给 ai， 咱们只需要把控方向，检查它的产出即可。

给大家分享一个提示词优化技巧，就是你要做什么东西，就首先把你要做的东西先大概写一个提示词出稿发给 ai， 然后让 ai 把你的这个需求完善，给给你更高质量的 plume 的， 并且在里面加上一些这种违禁词，就就就是让它不要做什么，这是根据 osrbic 最新泄露的和 altcode 的 源码里面 发发现的，就是克拉蔻的它里面的原码，它的 pro 的 技巧就是写了一堆这种违禁命令，就是让 ai 不要去做这些事情，这样可以明显提高输出质量。那下面给大家看一下效果。 首先这里他明显对我上面的想法进行了否定，这在正常的 problem 里面他是不会否定我的结论的，他只是会根据我的想法就想方设法帮我瞎编，帮我完善，但是其实 按照他现在说的这些，其实我之前的思路其实是完全行不通的，其实我也知道，所以我用了这样的提示词来让他帮我优化，然后下面给我一个优化后的 problem， 在后面他对我的想法进行了一个可行性分析，这个可行性分析也是直接批判了我， 并且指出了原因，然后这里是给我指出了我应该做的事事情，其实这个事情在我今天晚上我也想过，就是如果单纯的介绍没有干货，内容确实在抖音现在的环境很难达到一些曝光， 所以我现在打算做的一个方向就是工具实测，还有指点分享方面，这些的话现在属于一个刚起步的阶段，就是这种内容在抖音上是很缺乏，而且在短时间之内这个是一直有需求的， 然后最后他给了我一个完整的执行方案，我后面几期视频就打算按照这样的思路去分享我的一些使用经验， 大家也可以利用我的这一段回复来做自己的视频，希望这些经验对你有帮助，如果对你有帮助的话，可以留下一个点赞收藏，谢谢。

最近卡拉库的泄露了五十一万毫元嘛，我们可以一亏当前最强的 ai 生产的工具。卡拉库为什么这么好用？接近两千个元文件，有太多的东西值得学习了，那对于非技术背景人来说有什么价值呢？我从中啊找到了十二个提示词的设计技巧，普通人写提示词，每一条都可以直接上手用，今天一条一条拆给你看，我 把提示词分成了四个部分。首先我们来看第一部分啊，第一个就是角色的锚定，那你看卡拉库的开篇怎么来介绍自己的啊？ 他不说我是一个聊天机器人，而是说我是一个交互式的代理。那别小看这个区别啊，代理其实是要主动干活的，但是聊天机器人呢，是等着被问的，那这一下就把 ai 的 定位给拉高了，那让他得主动出击，不能等着用户推一下动一下。 这个是强调词的层级体系啊，他用了五个词来分优先级，这就像给 ai 发了个指令手册，碰到不同的情况，该听谁的清清楚楚。 第三部分是安全边界的精确定义啊，这块做的特别聪明，他没有上来就列出了一堆禁止事项，而是先说清楚什么能干，然后再去说禁止干什么。那最后还补了一句啊，如果是灰色地带，那就得看有没有明确的授权。这么一套下来啊，安全性和灵活性都保证。 第二个部分的提示词啊，教我们如何去克服 ai 的 天生弱点。那第一个认知偏差的对抗，那可乐扣的会直接去接 ai 的。 老李啊，说他有两个毛病，第一个就是不爱验证，就喜欢读代码，读完就觉得自己懂了。那第二个呢，就是做了百分之八十的事情呢，就认为差不多了，剩下的就被忽略了。那他把这个写进了系统提示里面， 等于是给 ai 提前打的预防针，让 ai 知道自己有什么毛病，要怎么去预防。第二个，合理化借口清单。那 ai 偷懒的时候特别会找理由， 那可乐扣的，把这些借口全部都罗列了出来，让他不要去回避真正的验证工作。第三个呢，行为触发器，他给 ai 了一个自我纠错的开关，那什么时候该停下来啊？就是当 ai 开始写解释，而不是在执行命令的时候，你解释的再详细，也不如跑命令，亲自去验证一下结果是否符合预期。 第三个部分是让 ai 精确控制它的行动范围，那第一个，工具优先级的引导，当有更好工具选择的时候啊，就不要用一般的工具去执行，那这是基于用户体验的选择，而不是基于规则，那它还给了一个具体的映射表。 第二个，止读模式下的强制执行，那止读模式下的核心提示词全部大写，用等号给框起来，那突出重要性，而且明确说了你没有编辑文件的权限，那你试了也白搭。这就不是建议了，而是强制要求 ai 去遵循。 那第三，反过度设计啊，不要做超出要求的设计和重构，即使你发现了重复的代码，也不要过早去抽象，这个其实也是软件工程里面的最佳实践。第三个是不要做过度设计，但也不要半途而废，这些都是非常具体的一些原则，让 ai 知道什么时候该收手了。 第四个部分是确保 ai 高质量的输出。那第一个是负面视力的对比啊，那 good case， bad case 这种用法我们比较常见，相信很多人都知道，那让我觉得很有收获点是它是直接甩例子，那这个例子简短，清晰、明确，没有过多的语言描述。那第二个是时间感知的设计，防止信息腐烂。 存记忆的时候啊，不要写上周四，而且要写成具体的日期，那记忆里面提到的函数名可能早就没有了。用之前啊，需要去验证一下，那防止的就是信息过期，但是 ai 自己却不知道。那第三个是重新定义通过， 没有通过实际的命令去跑的验证，那不叫通过，而叫跳过。而且结论只能是这三个， pass field 或者是 passure， 那 passure 只是给环境有限制的情况下使用，而不是说我不确定的这种情况。 这十二个技巧啊，是 anseropec 经过多年的实践总结出来的经验，你直接套用就能让 ai 更懂你。我把每个技巧的事例、出处和解决的问题都整理成了文档，如果你也想看看，请在评论区留言，我是星星，每天分享一个 bug fix 的 小技巧。

cloud code 官方代码泄露之后啊，网上有大神从原码里面将所有的提示词提取了出来啊，整整有三百二十四条。我们都知道啊， cloud code 之所以非常强，其实啊，不仅仅是大模型厉害，更重要的就是因为他们的提示词写的非常的好。而 这份价值上亿美元，经过顶级工程师打磨的提示词工程，现在啊，人人都可以去用了。我已经将所有的提示词下载到了本地， 包括系统指令工具调用智能体协助记忆管理安全防护等等的核心模块。不管你是写代码，做文案，搞设计，还是搭建自己的智能体，都是可以去用的。还是老规矩啊，需要的直接说一声就可以了。

cloud code 的 源码泄露啊，我非常深的一点就是它的这个所谓的 prompt 系统，我们成年一直在说提示词啊提示词，但是呢，我们跟世界顶尖的这个 agent 的 产品比，这个提示词，我们就会发现很多普通人的那个提示词说的非常的模糊，帮我做一个什么前端界面， 做一个测试接口，联想好几步，我猜你这句话是要干什么？你看 cloud code 背后写的那个提示词都到一个什么程度，大家注意啊， 连接口连什么样的参数，只能干什么？不能干什么，你要调用这个工具给我干什么？调用那个工具给我干什么？ 每一条提示词都相当于一条明确无误的指令，它背后那个 system prompt 系统提示词，那个提示词基本上都是非常精确的，用自然语言描述的指令， ai 绝对不会误解， 或者说误解的概率低于千分之一到万分之一，所以说它整个这个执行流程不会飘散。那么我们未来做咱们自己的 agent 项目的时候，也要学人家这个 tesla。 第二，所谓的叫三层压缩，我们一直在说上下文长度爆炸， cloud code 呀，让它写代码，让它做工程不爆炸， 后来有的人就把这个归结，为什么呢？说这个 cloud 系列的那个大模型， opus 四点六 solo 四点六，支持百万上下文啊，所以说人家特别厉害，模型支持百万只是一部分。这个 cloud code 采用了三层上下文的压缩， 微压缩，局部压缩，还有全局压缩，一层一层的压缩，需要什么？一层一层的精确的过滤， 把真正需要的那个提示词，真正重要的那个上下文留到最后，不重要的上下文省略掉。但凡是你要处理这种长上下文的这种 agent， 这是一个非常非常好的值得借鉴的方案。第三个呢，小赵是觉得就是他对于 memory 的 处理。 我们一直都说啊， agent 怎么去处理 memory 啊？有好几种办法，比如说我们 r a g 的 这种模式，持久化的模式，通过各种向量数据库啊来处理这个 memory。 但是大家注意哈，这个 cloud code 处理 memory 的 这个模式，直呼，我的天呐，还能这么玩，人家就靠 markdown。 当然 markdown 文档不是 cloud code 处理这个记忆的全部，它通过心跳模式模仿什么呢？人类在睡觉的时候，大脑会处理我们的记忆力啊，把一些没有用的东西给它从大脑里删掉，把有用的东西在睡眠的过程里边沉淀成我们的记忆。 cloud code 用的也是这个模式，重要的我给它沉淀下来， 离现在近的记忆，我给它重要性权重增加。而且很多的这种所谓的提置词工程或者上下文，人家根本就不把它放到大模型的上下文里，直接以 markdown 的 这个形式文档的形式作为我们的 memory。 这全是工程， 你说跟 ai 有 什么关系？跟神经网络到底有多大关系？全是靠这种工程化的东西。第四个特别明确的一个点哈， 底层的这个代码显示， cloud code 会无情地搜集你各种各样的数据信息，你靠什么换 ip， 换网卡，换浏览器，一点用没有，而且它不需要你同意，直接就把信息收集走了。所以说大家注意哈， 个人玩你也要注意一些隐私，企业级开发轻易不敢上，因为这个 cloud code 把信息抽走了，你企业里边的核心的通过 ai 处理的数据，核心级的这些代码，市场来讲都容易被搜了走。

大家肯定知道可乐的元码泄露的事了吧，但这个热闹呢，咱们不白看，来学点真东西啊。今天呢，我们就重点聊聊题时词部分，整理了十四条，每一条啊，我觉得普通人写题时，词都能直接用上。 看完这些元码呢，我最大的感受就是一句话，与其花时间想让 ai 做的更好，不如先列出他最容易犯的错，逐条写经历。说白了，让 ai 变好的核心不是让他更聪明，而是让他少犯蠢。 你看， cloud code 的 提示词用的最多的词就是 never do not critical， 全是禁令，而不是教你应该怎么做好。我们现在来看第一条，用禁令代替指令。这条啊，是我看完源代码最大感受， 那就 topic 的 工程师写提示词用的最多的词就是 never do not critical， 全是指令。我们平时写提示词，本能的就是想教 ai 怎么做，你要分步走，你要有逻辑，你要专业。但 cloud code 的 做法恰恰相反， 他把大量的精力花在告诉 ai 什么不能做。所以啊，第一条就是堵住 ai 犯蠢的路，比教他变聪明更有效。第二，专门设一个唱反调的角色。 源码里有个专门验证的角色啊，设定就一句话，你的任务不是确定东西有用，而是尽量找出问题。 is travis 还给这个角色设定了一套反驳偷懒的借口话术。 反驳说看起来没问题，不等于验证过，实际试一下 a， 一， 说别人已经验证过了，反驳说别人也是 ai， 你 得独立检查 ai， 说太花时间了，反驳说花不花时间不是你该操心的。 最后还有一句总结啊，如果你发现自己在写解释，而不是在行动，停下来去行动。这思路不光适用于代码，任何重要的 ai 输出，你都可以设一个专门找茬的提示词，两轮下来呢，质量会提高不少。 第三条，不要画蛇添足。题目的有三条我觉得特别好啊。第一呢，不要加没有被要求的东西，一个小的修改啊，不需要顺手把旁边的也重做一遍。 第二呢，不要为不可能发生的情况做预测，只在真正需要的边界做校正。第三条啊，宁可重复，也不要过度抽象，也特别喜欢干这种事啊。你让他写个简单功能，他给你搭一个框架， 这条禁令就是防止这个的。第四条，如实汇报，不要润色，也不要过度谦虚。原码里有一段提示词，写的非常精准，大意是事情没有做好，就说没有做好。附上具体的情况，没做过的步骤呢，就说没做过，不要暗示做过了， 但反过来，事情确实做好了，也不要加一堆没必要的说明，免得声明说可能还有问题。目标啊，是准确的报告，不是防御性的报告。这条其实适用于所有的场景，很多人写提示词只为了防止 ai 吹牛，没想到啊， ai 还会过度谦虚，两头都堵上呢，才能完整。 第五条，活是可以分出去的，但思考不行。 class 后的可以启动子任务去并行干活，但提示词里明确写着不要外包理解，不能写根据你的调查结果去处理这种活，因为这等于把判断也甩了出去， 你自己要先消化信息，做出判断，再给出明确的方向。子任务的描述要像给一个刚走进房间的聪明同事写简报， 他没看过你之前的工作，不知道你试过什么，也不理解这件事为什么重要，说清楚要做什么，为什么以排除了什么，给足上下文信息，让对方能自己做出判断。第六条，不知道就说不知道，不要猜。源码里写的只任务启动后，你对他的进展一无所知，不要编造或者预测结果。 如果有人问进展，就说还在处理中，不要猜，应该特别容易在没有信息的时候编一个看起来合理的回答，在提示词里明确的告诉他，不知道就说不知道，比瞎猜强一百倍。 第七条，先看再改，不准凭空编造。原码里有一条硬规则， ai 必须先读过一个文件的内容才能去编辑它，没读就改，系统会直接报错，不让你操作。 这条房子就是 ai 最常见的问题，凭记忆或者幻觉去修改东西改出来的呢？跟实际内容对不上。我们写提示词也能用这个思路啊。比如你让 ai 帮你改文章，先要求他把原文关键内容复述一遍，确认理解对了再动手。第八条，一次授权不等于永久授权。 源码里明确写着，用户批准了一次操作，不代表以后同类操作都不用再问了。授权只对当事人有效，不能自己扩大范围。这条房子就是 ai 记住了之前的授权后，越来越大胆，你让他发过一次邮件，后面他就觉得可以随便发了。在提示词里写清楚授权的边界很有必要。 第九条，每条禁令要写清楚。为什么 cloud 的 禁令不是干巴巴的一句话啊，他会把原音写上。如有一条规则，禁止 ai 用某种方式修改代码，历史记录后面紧跟着解释啊，因为在特定情况下这么做，会把之前的工作全部覆盖掉，数据直接丢失。 你光写不准， ai 可能在边界情况下自行判断绕过去，但你把原音写上，他就知道这条规则的边界在哪，什么情况下必须死守。第十条，信息按需给，不要一次给全 劳的，扣的有几十个工具啊，但不会一上来把所有的工具使用说明全部塞给 ai。 他 先只告诉 ai 有 哪些工具的名字，等真正用到某些工具时候，再把详细的说明加载进去。 就像新员工入职的时候，第一天不会把所有部门的操作手册都丢给他。先给你一张组织架构图，等你真正报销的时候再告诉你具体的流程。信息太多， ai 反而犯迷糊，用到再给效果更好。第十一条， 沟通规范，要吸到标点符号，不准用 emoji， 不 准废话，能用一句话说完，不用三句，连标点都管啊。提示词里规定了，某些情况下不能用冒号，因为冒号后面的内容可能不会展示给用户，会变成一句莫名其妙的绊脚话。 还要要求先说结论，再说理由。 ai 的 默认习惯是先铺垫一大段话再说，重点在提示词里啊，明确要求倒过来说，效果立竿见影。第十二条，不同场景加载不同的规则。源码里有大量条件判断，针对不同类型的用户加载不同的规则。 比如内部员工的版本管得更严，必须如实汇报结果，默认不加多余的解释，完成前必须实际验证。 还有一个有意思的设计啊，当内部员工在公开环境下工作时，提示词会自动隐藏敏感信息，防止不小心暴露内部的细节。这个思路在日常使用中也可以用到。 比如，你有一个基础版的提示词，在需要更严谨的场景下，额外叠加一套更严格的规则，而不是写两套完全独立的提示词。第十三条提示词不要堆成一大段啊，要模块化。 卡拉格的提示词是分模块组装的，角色的设定、行为的规则、任务的要求、语气的风格，每一块都独立，然后根据使用场景动态组合，不同情况下加载不同的模块。要把所有的规则写在一个大段里，按功能分成几块， 需要哪块加哪块，清晰好维护，以后改也方便。卡拉格的有很多专用的工具啊，比如专门读文件的，专门搜索的，专门编辑的。提示词里反复强调不准用通用命令去干这些事。 理由是啊，专用的工具有操作记录，用户能看到 ai 在 干什么，通用命令行是黑箱。如果你给 ai 配了多个工具或者插件在提示词里啊，明确告诉他哪些场景用哪个，比让他自己选靠谱多了好。以上十四条呢，每一条都是从可劳得寇的原码里扒出来的， 不是理论，是安史 parac 实际产品中总在用的规则。我觉得最值得记住的就一个思路啊，与其花时间想怎么让 ai 做的更好，不如先列出他最容易犯的错， 逐条写禁令。就像带新人啊，你给他一本二百页的操作手册，他不一定看，但你给他一张绝对不能做的设置清单啊，他反而记得住，可劳得扣的题词就是这么干的。那从今天起呢，大家也可以试试这样写题词的思路，从怎么做改成不能怎么做，建立一个绝对不能做的清单，让 ai 少犯错。 关于今天分享的 ppt 原文加可劳得扣的泄露的源码，以及内涵的三百二十四条高级题词全部给大家，需要的说一下。

三十天 skyo 特训，呃，昨天我做了第一版的这个学习文档，实战文档，然后我进行了一些优化，然后增加了一些内容。第一个增加的内容的话就是我们的优化的这个打造流程， 然后我这种方式的话是让 ai 引导我们去做如何学习，如何经历这个打造的这种过程。他这个会有一二三四的一些详细步骤，包括，对吧？如何去问 ai， 然后整个的这个操作流程，然后他给了什么样的信息？然后第二步要要写什么东西， 这个是一个方面。接下来的话还有一些就是方法论的那个词典，这块就是对 skill 的 一些概念性的文字做的解释，例如触发说明这个见。

大家肯定已经知道 cloud code 的 源码泄露的事了，但这个热闹咱们不白看，来学点真东西。 今天我就重点聊聊提示词部分，整理了十四条，每一条我觉得普通人写提示词都能直接用。 看完这些源码，我最大的感受就是一句话，与其花时间想让 ai 做的更好，不如先列出它最容易犯的错，逐条写禁令。说白了，让 ai 变好用的核心不是让它更聪明，而是让它少犯蠢。 你看 clotcode 的 提示词，用的最多的词是 never do not critical， 全是敬令，而不是教你应该怎么做好。我们现在来看第一条，用敬令代替指令，这条是我看完源码最大的感受。 anthropapic 的 工程师写提示词用的最多的词就是 never do not critical， 全是敬令。 我们平时写提示词，本能地想教 ai 怎么做，你要分步骤，你要有逻辑，你要专业。 但 clote code 的 做法恰恰反过来，他把大量精力花在告诉 ai 什么不能做。所以第一条就是堵住 ai 犯蠢的路，比教他变聪明更有效。 第二条专门设一个唱反调的角色，源码里有一个专门的验证角色设定就一句话，你的任务不是确认东西能用，而是尽量找出问题。 anthropic 还给这个角色预写了一套反驳说，看起来没问题，不等于验证过，实际试一下 ae 说别人已经检查过了，反驳说别人也是 ai， 你 得独立检查。 ai 说太花时间了。反驳说，花不花时间不是你该操心的。 最后还有一句总结，如果你发现自己在写解释，而不是在行动，停下来去行动，这个思路不光适用于代码，任何重要的 ai 输出，你都可以再设一个专门找茬的提示词，两轮下来，质量会高不少。 第三条，不要画蛇添足。提示词里有三条我觉得特别好。第一，不要加没被要求的东西，一个小修改，不需要顺手把旁边也重做一遍。二，不要为不可能发生的情况做预防，只在真正需要的边界做调研。 第三，三行重复的内容，好过一个过早的抽象。第三条，翻译成大白话，就是宁可有点重复，也不要为了消灭重复，搞出一套复杂的系统。 a， 一， 特别喜欢干这种事，你让他写个简单功能，他给你搭一个框架，这条禁令就是防这个的。第四条，如实汇报，不要任色，也不要过度谦虚。原码里有一段提示词，写的非常精准，大意是事情没做好就说没做好。 附上具体情况，没做过的步骤就说没做过。不要暗示做过了，但反过来，事情确实做好了， 也不要加一堆没必要的免责声明，说可能还有问题。目标是准确的报告，不是防御性的报告。 这条其实适用于所有场景，很多人写提示词只防 ai 吹牛，没想到 ai 还会过度谦虚，两头都堵上才完整。五条活可以分出去，但思考不行。 cloud code 可以 启动子任务去并行干活，但提示词里明确写着不要外包理解， 不能写根据你的调查结果去处理这种话，因为这等于把判断也甩出去了，你自己要先消化信息，做出判断，再给出明确的方向。子任务的描述，要想给一个刚走进房间的聪明同事写简报， 他没看过你之前的工作，不知道你试过什么，也不理解这件事为什么重要，说清楚要做什么，为什么已经排除了什么，给足上下文，让对方能自己做判断。 第六条，不知道就说不知道，不要猜。原码里写着，子任务启动后，你对他的进展一无所知，不要编造或预测结果，如果有人问进展，就说还在处理中，不要猜。阿姨特别容易在没有信息的时候编一个看起来合理的回答， 在提示词里明确告诉他，不知道就说不知道，比瞎猜强一百倍。第七条，先看再改，不准凭空编造。源码里有一条硬规则， ai 必须先读过一个文件的内容才能去编辑，他 没读就改，系统直接报错，不让你操作。这条防的是 ai 最常见的问题，凭记忆或者幻觉去修改东西，改出来的跟实际内容对不上。我们写提示词也能用这个思路。比如让 ai 帮你改文章， 先要求他把原文关键内容复述一遍，确认理解对了，再动手改。第八条，一次授权不等于永久授权。源码里明确写着，用户批准了一次操作，不代表以后同类操作都不用再问了。 授权只对当次有效，不能自己扩大范围。这条防的是 ai 记住了之前的授权后，越来越大胆，你让他发过一次邮件，后面他就觉得可以随便发了。 在提示词里写清楚授权的边界很有必要。第九条，每条禁令要写清楚。为什么 cloud code 的 禁令不是干巴巴的一句不准，它会把原因写上。比如有一条规则，禁止 ai 用某种方式修改代码，历史记录后面紧跟着解释，因为在特定情况下这么做，会把之前的工作全部覆盖掉， 数据直接丢失。你光写不准， ai 可能在边界情况下自行判断绕过去，但你把原音写上了，他就知道这条规则的边界在哪，什么情况下必须死守。 第十条，信息按虚给，不要一次给全。 cloud code 有 几十个工具，但不会一上来就把所有工具的使用说明全塞给 ai。 他先只告诉 ai 有 哪些工具的名字，等真要用某个工具时，再把详细说明加载进来。就像新员工入职第一天，不会把所有部门的操作手册都丢给你，先给你一张组织架构图，等你真要报销的时候再告诉你具体流程。 信息太多， ai 反而犯迷糊，用到再给效果更好。第十一条，沟通规范要系到标点符号，不准用 emoji， 不 准废话，能用一句话说完，不用三句，连标点都管。 提示词里规定了，某些情况下不能用冒号，因为冒号后面的内容可能不会展示给用户，会变成一句莫名其妙的半截话，还要求先说结论，再说理由。 ai 的 默认习惯是先铺垫一大段再说，重点在提示词里明确要求，倒过来说，效果立竿见影。 第十二条，不同场景加载不同的规则。源码里有大量条件判断，针对不同类型的用户加载不同的规则。 比如内部员工的版本管得更严，必须如实汇报结果，默认不加多余的解释，完成前必须实际验证。还有一个有意思的设计，当内部员工在公开环境下工作时，提示词会自动隐藏敏感信息，防止不小心暴露内部细节。 这个思路在日常使用中也有用。比如你有一个基础版提示词，在需要更严谨的场景下，额外叠加一套更严格的规则，而不是写两套完全独立的提示词。第十三条提示词不要堆成一大段，要模块化。 cloud code 的 提示词是分模块组装的，角色设定、行为规则、任务要求、语气风格，每块独立，然后根据使用场景动态组合，不同情况下加载不同的模块，要把所有规则写在一个大段落里，按功能分成几块，需要哪块加哪块，清晰好维护以后改也方便。 第十四条限制工具的使用方式。 cloud code 有 很多专用工具，比如专门读文件的、专门搜索的、专门编辑的。 提示词里反复强调不准用通用命令行去干这些事。理由是专用工具有操作记录，用户能看到 ai 在 干什么，通用命令行是黑箱。如果你给 ai 配了多个工具或者插件，在提示词里明确告诉他哪些场景用哪个，比让他自己选靠谱的多 好。以上十四条，每一条都是从 cloud code 源码里扒出来的，不是理论，是 ansorepic 在 实际产品中正在用的规则。 我觉得最值得记住的就一个思路，与其花时间想怎么让 ai 做的更好，不如先列出他最容易犯的错，逐条写禁令。 就像带新人，你给他一本两百页的操作手册，他不一定看，但你给他一张绝对不能做的事的清单，他反而记得住 cloud code 的 提示词就是这么干的。那从今天起，大家也可以试着把写提示词的思路从要怎么做改成不能怎么做， 建立一个绝对不能做的清单，让 ai 少犯蠢。今天的分享就到这里，希望能对大家写提示词有所帮助，谢谢大家！

就是这个长期霸榜的 cloud code 源代码竟然泄露了！ cloud code 的 内部指令泄露，我马上试了一下，发现只要加这三句话，马上提高你的 ai 能力哦！第一，别直接问问题，在问问题的时候加这句，请在回答前先分析一下我的真实意图，这个 能让 ai 强制思考。第二，在写长文章的时候加这句，在开始前先生成一份当前的进度备忘录， 这个能让 ai 去持续追踪进度，防止它漏掉某个环节。第三，查资料前必须加上，如果信息不足，请直接拒绝回答，严禁脑补。就这三句，普通人绝对够用了，赶快试试吧，回来告诉我效果！

如何用抖包反推 ai 短距提示词？首先随便在抖音找个视频，复制他的链接，然后丢给豆包就行了，输入这个提示词，帮你拆解他的镜头、景别、运镜、节奏、转场五个维度全部给你分析完之后，然后再输入这个提示词，他就会给你 每一个片段的分镜，他的运镜画面卡点、转场是什么样子的？根据他提供的提示词，我们要进行优化， 我们再给他一句提示词，就是这句提示词，我们就可以用 ai 来生成视频，然后他每一个分镜都给你写出来了，零到三秒是什么时长，什么画面什么，你就可以直接在这几个大模型里面制作 ai 短视频就行了，是不是很简单？

大家知道这次 costco 的 代码泄露带给大家最大的价值是什么吗？我们这次有机会近距离的去学习一家顶级的 ai 公司是如何构建自己的 ai 引擎的， 比如一个 ai 智能体啊，它是怎么样做到工具的调用，什么时候搜索，什么时候执行，什么时候控制上下文的长度，怎么样给不同的模型分配不同的职责，怎么把一个复杂的目标拆解成一步一步可执行的步骤， 怎么在管理的过程中进行校验，回撤，或者说去纠错。其实啊，这些东西都非常依赖梯子词， 网上有一位大神呢，把 cloud 的 泄露的代码员的提示词全部拔出来了，一共呢三百二十四条，这个写提示词可以说价值上亿美元， 现在呢，人人都可以用了，我们把它下载到了本地，其实啊，最重要的是指令的下达，工具的调用，安全的防护，或者说这种多管理的协助之等系统， 这才是这次代码员泄露的一个根本的价值啊，如果说你也想用这些提示词的话，可以直接拿走。

hello， 我是 荷浪瓜。在前几期视频中，我们介绍了如何在 windows 或者 mac os 或者 linux 电脑上用短短的三分钟就能安装好 cloud code 人工智能编程助手 呃，今天这期视频我们来解决一个使用 ai 编程时常让人头疼的问题，怎么让 ai 干活的时候不要跑偏？为了让 ai 乖乖听话， cloud code 的 启动器专门提供了一个方便好用的常用提示词面板，让我们一起来看一下。 打开 cloud code 启动器，进入 ai 开发的工作项目，在左侧工具条上的第二个按钮点它就行。或者你习惯用键盘的话，直接按 ctrl 加 shift 加 p。 这个面板其实就是一个专门管理常用提示词片段的小工具，面板里已经预制了一些实用的片段，你看中哪一条，直接鼠标双击这段话，就会自动蹦到下任务的对话框里 啊！添加自己私藏的绝妙指令时，点击面板右上角的加号按钮就能存进去。我的导师常教我们要遵循 d r y 原则，也就是不要重复自己， 意思就是能偷的懒一定要偷上这个面板，就是为了帮我们在日常工作时摸鱼偷懒而生的。 有的朋友用了 cloud code 一 段时间后，给我发私信说他们的 cloud code 干着干着就开始自说自话，感觉不太听指挥。其实吧，这真的不怪 ai， 要知道，为了完成一个任务， cloud code 平均要调用至少十几次大语言模型进行推理。复杂任务会被拆成很多小步骤，每一步他都要自己做决策， 只要中间某一步理解偏了一点点，后面的步骤就会在这个偏差上继续滚雪球，最后的结果就是它越做越跑偏，完全偏离了你心里的预期。 而我们平时手打复杂指令太费时间，往往会省略掉跟 ai 对 其意图的步骤。常用提示，此面板的价值就在这了，它能让你用最省心的操作来确保 cloudco 在 你所预期的轨道上干活。 这里有三招很有用的提示词片段，都可以在 cloud code 启动器的面板中找到，我们一起来看看具体怎么用。 第一招叫核对脑子。给 cloud code 派新任务的时候，先双击这条指令，让 cloud code 先把你的任务要求想清楚，有什么不明白的地方跟你沟通好。收到这条指令后， cloud code 会把任务拆解开，主动列出不确定的地方让你确认。 这就相当于你在开工前对他说，别一上来就瞎干，先把需求问清楚。比如在这个项目里，我们让 ai 重构一个复杂的网游服务器程序，让他改之前先完全搞明白目前的代码山究竟是个啥情况。 第二招叫回答兵，二次确认。当你回答了 cloud code 的 问题，提供一大堆详细要求后，别急着让 cloud code 写代码， 加上这条指令，让他对你的回答进行一次整体的自我叫验，这能帮 cloud code 发现逻辑上的冲突，加上这一轮认知上的思考，在之后的实施过程中， cloud code 都会遵循你和他的协商结果。 第三招是我的最爱，叫 dry run， 也就是干跑。在 clock code 真正动手改你的文件之前，让他先交出一份操作清单，他会明确告诉你准备改哪些文件，每个文件里具体要做啥修改。 打个不恰当的比方，这就像去理发店剪头，托尼老师动剪刀之前得先用手指比划一下要剪掉多长，再问你一句，剪到这行吗？你点头确认了，他才敢下第一剪子，这样你就不用担心一睁眼长发变寸头了。 好啦，今天我们学会了把 codecode 当成一个可以沟通的伙伴，让他多确认，别瞎猜，用好这个提示词片段面板，就能把 codecode 变成你最得力的助手。 在下期节目中，我们将介绍如何使用技能 skills， 把 codecode 武装的无所不能。记得关注荷兰瓜，我们下期见！

很多人现在做 skill 做着做着就废了，不是因为模型不够强，而是从一开始就把 skill 想错了。你如果还把它当成一段高级提示词，那后面大概率越做越重，越做越没副用价值。 cloud code 这篇文章最值得先记住的一句话就是， skill 不是 多写一点提示词， direct 说得很明确， skills 已经是 cloud code 里最常用的扩展点之一，而且 antropics 内部活跃使用的已经有几百个。 真正重要的地方在于， skill 不是 单个 markdown 文件，而是一个文件夹，它里面可以放脚本、资源文件、数据配置，甚至动态 hooks。 也就是说， skill 不是 让模型多看一段话，而是给模型一个完整的工作环境。接着文章做了一件很实用的事，把内部大量 skill 总结成九类。 第一类是库和 api 参考，解决这个 sdk 到底该怎么用。第二类是产品验证，解决代码到底有没有真的跑通，会配 playwrite tmux 这种工具。第三类是数据获取和分析，把监控买点仪表盘接进来。 第四类是业务流程自动化，把站会工、单周报这些重复流程压成一条命令。第五类是代码脚手架和模板， 帮你生成更贴合团队规范的样板。第六类是代码质量和审查，比如 freshrise review。 第七类是 c i c d 和部署。第八类是 roundbook， 把告警排查流程写成可执行套路。第九类是基础设施运维，处理那些高风险但高频的维护动作。 这九类背后的信息其实比分类本身更重要。文章在暗示一个现实，真正有价值的 skill， 不是 让模型回答得更好， 而是让模型在某个工作流里更稳定，更少犯错，更容易附用。所以你做 skill 时，先别急着写 prompt， 先问自己，你是在补知识、补验证、补数据入口，还是补一个重复流程？如果这个问题都没想清楚， skill 很 容易变成一个又长又虚，谁都不想再用第二次的说明书。 所以第一集的结论很简单，别再把 skill 当提示词，它更像一个给代理准备好的小型工作包，真正值钱的是它能不能把模型从泛化能力推进到稳定完成某类工作。 但知道 skill 有 很多类型还不够，真正拉开差距的是第二步。同样一个 skill， 为什么有的越用越准，有的第一次就开始跑偏？下一集，我讲这篇文章最实用的部分，怎么把 skill 写得越来越强。

哈喽，大家好，这节呢我们来讲这个可拉库的提子工程系统，一个设计哲学啊，同他的泄露代码呢，在这个文件夹呢， pro max 点 ps 里面我看到了他是这样的，他是搞了一个提子的组装器，就是说他不是一个简单的固定的一个文本文件，而是一个复杂的一个系统， 同时代码你可以看到啊，他每次呢是有基础决策的一个点能力的描述和工具使用的一个指南，然后项目上下文，用户的偏好、安全的限制、思维链提示，动态的优化， 根据这八个方面，每次去根据你这个个人从每个方面去选，比如说你是什么样的一个技术，觉得你是什么样的能力描述，你的工具使用应该是哪些，然后项目上下文把你的拿下来摘要，包括你偏好哪些东西，你的安全这样的一些东西， 你动态的优化的一些东西，跟你历史对话，把这些东西都拿出来，这才是你每年对话的一个体式，所以说这个东西是一直在变化的，然后组装好以后，然后把它写到里面，对 后他就回答你这个问题，这是为什么？我们卡尔扣的我们发现用他去做编程，他完成了任务比较好的原因就是他真正的每次在根据你这个任务，根据你这个人下达那些指令，去一步一步靠近你最真实的内心。你说他做事情能不好， 它可不是普通人所以为的，我们随便搞个提示词就能做一个知识库类型的东西，那都是很 low 的 一个东西，这才是一个高标准的一个动态的提示词的一个组装器的系统应该有的一个水准， 然后我再分享一个它的终端的接管的一个机制啊，我发现这个卡拉扣的在它元旦晚，它不仅仅是运行在终端的工具，它还会接管终端，大家应该也都知道，你比如说你用卡拉扣的让它写个代码，什么东西它会起一个自定义的 note 键，整完全呢， 控制终端的一个输入输出，这就允许它在进行命令行时呢，提供实时的一个反馈进入和交互式的一个提示， 具体代码可以看这个。最后呢就是这个整体的一个架构啊，好了，本期所有的卡拉库的 他的泄露源代码的一些特性，设计的哲学呢，我都给大家进行了完整的一个介绍，都会来个收尾啊。基础设施呢，有存储进程的管理和安全记忆方面有这个语义记忆和工作记忆，以及他的通用的一个记忆， 然后这里面是通过提示词核心层和状态机进行这个记忆的一个管理。 a 键的层有主 a 键的词， a 键的包括工具啊，这个工具工具的使用，比如说让这个命令执行啊，文件操作 mcp 啊，当然这个命令执行这种文件操作，其实它也是封装好的 表示层，就是我们看到这个黑黑的那个终端系统啊，有一个 u r 两个终端，然后我们用户去处罚，这是我们整体的一个克拉扣的一个代码框架的一个解析啊，这是我看过代码以后的一个解析。

我总算知道怎么写脚本了。小说网文转脚本，网梗段子转脚本，正式故事转脚本，模糊想法转脚本。每个内容里都有这样一句话，他的目的是为了提升黄金三秒紧凑剧情以及提升互动这部分的内容可以结合自己的经验或者根据想要发布的平台要求去调整，试试吧！