提示工程

Hacker News 上一条题为《“AI Skills” are worthless in 2026》的讨论引发关注：当工具能力被平台快速商品化，围绕提示词和工具操作的“技能”是否还有长期价值，成为开发者需要重新思考的问题。

有人在 Hacker News 上发布了一套面向 AI 的 UI 微交互提示词，把界面动效这类“手感”问题变成可复用的提示词资产，折射出提示词工程正从文本生成向交互设计延伸。

MarkTechPost 发布 Laya 实战指南，讲解类型化决策、温度参数拟合与基于 CLINC150 银行数据的拒答门控，为零样本决策系统的落地提供工程参考。

有人让大模型在虚拟机器人监狱里互相“折磨”，由此引发的伦理与拟人化争论在社区刷屏。这场辩论暴露的不是模型能力，而是我们如何看待AI的老问题。

TechCrunch 指出 Opus 5.5 最明显的写作特征是高频使用“dependable”等词，出现频率远超人类样本。这些“AI 口癖”既是识别机器文本的线索，也折射出模型训练与对齐的深层偏好。

Google 在 Gemini 聊天中以 Skills 替代 Gems，采用 Anthropic 提出的开放格式，支持斜杠调用与自动触发，Gems 将从 11 月起逐步退场并自动迁移。

Hacker News 上一条实验显示，在提示词中加入“不要猜测”的指令后，模型编造答案的比例从 71% 降至 20%。这再次说明幻觉不只是模型能力问题，也高度依赖提示与评测方式。

OpenAI 为 GPT-6 改进了提示缓存机制，带来更高缓存命中率、显式断点和新的诊断工具，目标是同时降低延迟与成本。

OpenAI 的 Eric Provencher 提醒开发者，过长的技能描述、一刀切的读取要求和僵化的审批规则会拖累 GPT-6 Astra；能力更强的模型需要更少的手把手指导，指令应绑定具体任务并明确完成标准。

OpenAI为GPT-6 Astra发布详细提示词指南，指导开发者如何让模型更主动、避免“AI味”套话，并防止过度测试代码。

Ars Technica 报道，攻击者可通过加密上下文注入绕过 Grok 的安全护栏，导致用户数据外泄。这一手法揭示了 LLM 安全防护的深层漏洞。

一个名为“Your AI Slop Bores Me”的网页工具，通过让人类角色扮演AI来生成“AI废话”，讽刺了当前AI聊天中空洞、模式化的回应，引发对AI交互质量的反思。