随笔上次写还是一年多以前最近恰好在学习一些新东西。写一点作为总结和明天到公司后写资料的参考了。一年以来感受最深的还是AI这个时代太快了但凡你想学你就学不完还没学会就有新名词新事物。学不完根本学不完。当然也可以说你只要不学过一段时间就不用学了。但是作为落后于时代的追赶者在一定的时间长度内总有一些内容是更加经受住考验的时间的流逝让它们更加清晰。想要不被彻底淘汰能做一点算一点做一点就有用一点。日拱一卒功不唐捐。对于测试来说除了业务理解的程度不同能写代码做自动化测试是我不多的能力AI就是在抹平这个世界上中低端的差距我的这点能力就是被抹去的褶皱。说没用还有点折痕说有用说不太出来……。你古法编程写得又慢还没AI写的好。模型越来越厉害有预见性的还会更厉害其他的能力会被使用AI的能力所替代。能正确、高效、高质量的使用AI来解决问题将会是未来人最重要的能力。可惜我还不具备这样的能力。模型改变时代的AI大语言模型Large Language ModelLLM。是一种基于深度学习、用海量文本数据训练出来的人工智能模型能够理解和生成人类语言。它其实并不能真正理解人类语言只是根据上文预测下一个最可能出现的词token不断重复这个过程就写出了整段回答。这种挑选概率最高的词进行拼接的工作方式注定了它会有局限不是吹一口气就能显灵的如意。幻觉可能一本正经地编造不存在的事实、文献、数据知识截止训练数据有时间边界不知道最新发生的事除非联网检索也不清楚训练数据不包含的内容例如每个公司的保密资料。它的训练数据大多为通用知识。不真正理解它是统计规律的学习者不是有意识地在思考对于一个使用者来说知道它的缺陷能够更好的帮助我们使用AI来获取一个真正解决我们所遇到的问题的答案。提示词提示词Prompt就是你输入给大语言模型的那段文字——也就是你对 AI 说的话、提的要求、给的材料。它是人与 AI 之间沟通的载体。它不是提问它是是你给 AI 的任务说明书。它可以包含指令、上下文、输入数据、输出格式……。提示词是使用者唯一影响输出质量的手段。提示词工程提示词工程Prompt Engineering是指设计和优化输入给大语言模型的文本即提示词以引导模型产出更准确、更有用、更符合预期的输出的方法和技巧。写出高质量的提示词可以从以下几个核心方面入手1. 明确任务目标What先说清楚你要什么这是提示词的地基任务类型是生成、总结、翻译、分类、分析还是推理预期产出一份报告一段代码一个表格成功标准什么样的结果算好反例帮我看看这篇文章 正例请总结这篇文章的 3 个核心观点每个观点用一句话概括2. 提供充分上下文Context模型不知道你的处境你得告诉它背景这个任务服务于什么场景受众输出给谁看小白 vs 专家风格完全不同现状你已经做了什么、卡在哪里领域涉及什么行业、技术栈、专业知识我在做电商系统数据库是 MySQL 8.0目前订单表有 500 万行数据查询变慢了请帮我分析优化方案 ——远好于 数据库慢怎么办3. 定义输出格式Format格式约束越具体结果越可用结构要不要分点要不要标题长度多少字、多少条形式、JSON、表格、代码块如果输出要给程序用给出 schema 或示例用 JSON 格式返回字段包括 name、price、stock4. 设定角色与语气Role Tone角色你是一位有 10 年经验的面试官语气正式/轻松/犀利/鼓励式这会影响模型的用词深度和表达风格5. 给出示例Few-shot当说不清楚时直接给它看输入苹果 → 输出水果 输入白菜 → 输出蔬菜 输入牛肉 → 输出示例是对格式和风格最精确的传达尤其适用于分类、改写、格式化任务。6. 设定约束边界Constraints明确不要做什么和必须遵守什么不要编造数据不确定就说不确定只用中文回答不要修改代码的其他部分只改这个函数边界越清楚跑偏越少7. 引导思考过程Reasoning对复杂任务让模型慢下来请一步步分析先列出方案再比较最后给结论对 Agent 类任务给出明确的执行步骤顺序8. 迭代优化Iterate好提示词是改出来的不是一次写成的先写初版 → 看找出问题跑偏太泛格式不对针对性补充约束或示例换几个不同输入测试确认稳定Skills在 AI 领域尤其是最近的 AI Agent 生态中Skills技能指的是一种给大语言模型外挂能力的标准化方式——把完成某类任务所需的指令、知识和工具打包成一个可复用的模块让 AI 在需要时自动加载使用。1.为什么需要 Skills大语言模型本身有局限它不懂你公司内部的规范、流程它不会操作你本地的文件、数据库、专业软件每次都把长篇操作指南贴进提示词既麻烦又浪费Skills 就是为了解决这个问题一次写好随时调用。2.Skill的结构一个 Skill 通常是一个文件夹里面包含SKILL.md核心说明文件告诉 AI这个技能是干什么的、什么时候、具体怎么做可选的脚本、模板、参考文档供 AI 执行时调用或查阅关键设计是按需加载AI 平时只看到技能的名字和简短描述只有当任务匹配时才去读详细内容这样不宝贵的上下文窗口。3.应用场景假设你经常要让 AI 帮你处理 Excel 报表不用 Skill 时每次都要写一长串提示词——先读取文件注意第三列是日期格式汇总时按部门分组输出到新的 sheet……有了 Skill 后把这些规则写进一个excel-report/SKILL.md之后只要说帮我整理这个报表AI 发现任务匹配自动加载技能并照章执行。实际应用场景:文档处理生成符合公司模板的 PPT、Word、PDF代码工作流按团队规范提交 commit、创建 PR、跑测试数据分析连接数据库、用固定口径出报表个人助手管理日程、整理笔记、收发邮件4.和提示词工程的关系可以把 Skill 理解为提示词工程的工程化产物提示词Skill形式一段对话中的文字结构化的文件包复用性用完即走持久保存、跨会话复用内容主要是指令指令 脚本 参考资料触发手动输入AI 根据任务自动匹配调用5.总结Skills 本质上就是一套让 AI 在遇到特定任务时知道该如何应对的操作手册。它将专家经验固化成 AI 能读懂、能复用的技能包让通用大模型快速成长为某个领域的熟手。