🔥 每天研究 AI、效率工具和实用技巧 📚 把复杂的东西，讲给普通人听 ✨ 偶尔忘记，继续学习
Joined October 2012
- Tweets6.7K
- Following26
- Followers20.3K
- Likes16K
Pinned Tweet
一位朋友向年薪 120 万美元的 Anthropic 工程师请教：提示词到底怎么写，才能这么厉害？
对方发来一段原本不打算公开的视频——Anthropic 核心团队的提示词手册。
这位网友昨晚看到一半，才发现自己过去两年使用 Claude 的方式，完全走错了路。
他的评价很直接：很难找到比这更好的 30 分钟提示词指南。
建议也很简单：去看，收藏。
6. 竞争优势提示词
"研究 [行业] 中排名靠前的品牌，然后为 [品牌名称] 创建一个感觉独特的徽标，同时保持市场内的信任和专业性。
远离过度使用的设计趋势和竞争对手采用的常见陈词滥调。"
1
59
🚨 AI 现在已经开始直接改造另一个 AI 了！
MIT 研究团队公布了一项实验：
GPT-6 Astra 没有重新训练模型，只修改了 Qwen3.5-0.8B 的 0.016% 权重，就把数学测试准确率从 7.9% 拉到了 48.1%。
相当于提升了 6 倍！
更夸张的是另外两项数据：
• 数学推理 GSM8K：13.8% → 67.1%
• 指令遵循 IFEval：21.0% → 62.3%
它到底做了什么？
原来这个小模型经常陷入思考死循环，反复输出同样的内容，直到耗尽长度限制。
Astra 找到问题所在，直接修改了约 13 万个权重，把这个毛病给修了。
没有梯度下降，没有重新训练。
我觉得这项研究最值得关注的，是 AI 已经开始尝试直接理解和修改神经网络内部的参数。
以前提升模型能力，往往要靠训练和微调。
现在出现了另一条值得研究的路：直接找到问题，精准修改。
当然，这次提升主要来自修复原有缺陷，还不代表 AI 能随意增强任何模型。
但如果这条路线被进一步验证，未来 AI 优化 AI 的方式，可能真的要变了。
原始研究：
rikiyat.github.io/blog/weigh…
2
259
26分钟搓一个完整App？Google工程师用Claude Code直播，看着很刺激。
但真正写代码的人看完会问三个问题：1. 这个App有多少复用模板？2. 一次成功还是调试占比？3. 你的钱花在Token上了吗？
Claude Code真正的杀招不是手搓，是claude.md定制规则和扩展思考模式——原厂就是比Cursor调的API多一层上下文控制。小白照做没错，但成本得算清楚。
比500美刀摸鱼课实在，这我同意。但Vibecoding后钱从哪来？那又是另一个故事。