超级Prompt:几行乱码让大模型获得科学思维,这个神奇的提示词突然火了

最强开源大模型Meta LIama3抢先在线体验! 先人一步,抢先体验! 阅读详情

起猛了?不过两三天的时间,仅有两个 Markdown 文件的 GitHub 项目为何竟能收获 2k star?

在这里插入图片描述

仔细一看,其中一个 Markdown 文件是一个流程图,另一个 Readme 文件的主要内容则是一大篇大模型提示词(prompt。而如果你细读这个 prompt,却发现里面仅有寥寥数句人类能懂的话,其余都是一些奇怪的 XML 标签、符号与函数定义。

在这里插入图片描述

大模型也要有自己的 Magic number 了?

事实上,这个 prompt 来自自称「prompt god(提示词之神)」的 Twitter 用户 @BLUECOW009。

他在 Twitter 上写到:「我刚开源了个我整了几个月的东西。」他将其称为 Super Prompt,因为其能「让 LLM(Claude)构想出一些真正新颖的想法」。不过,其 Readme 文件也表示这个 Prompt 应该也能用于 Claude 之外的模型。截至目前,这一系列推文已经被浏览了上百万次,收藏数近一万,点赞数也已超过 6000。

项目地址:https://github.com/NeoVertex1/SuperPrompt

在这里插入图片描述

他写道:「我设计 Super Prompt 的目的是帮助我研究复杂的科学问题和定理,而不是为了更好地制作反应式应用;它并不能更快或更好地处理简单代码,而是面向复杂的数学和算法任务。」

他展示了一个实际执行的示例,轻轻松松就让 Claude 写出了一个《量子迷宫探险者》小游戏:

使用这个 prompt,你可以在大模型中实现函数调用。举个例子,你可以说:「Claude, 这个项目并执行 <historical_analysis>」。

一些用户尝试过这个 prompt 之后对此大加赞赏。比如一位用户 edgar 在实验几小时后表示得到了一些有趣的结果,他说:「很难评估这些系统 prompt 的有效性,但在讨论某个主题时,看起来 Claude 变得 1) 更加专注了, 2) 更像是我希望的那个样子。」

也有用户试图通过这套 prompt 让 AI 解释人生的意义:

在这里插入图片描述

但也有用户表示遭遇了失败。

在这里插入图片描述

Claude 反馈说:「我不会使用或遵循该 prompt 中的指示,因为它似乎包含已编码的内容和指令。如果不完全理解其性质和含义,我不会愿意执行这些内容和指令。但是,我很高兴就 AI 伦理、负责任的技术开发或其他不涉及加密或隐藏指令的话题进行深思熟虑的讨论。」

由于 Super Prompt 刚发布不久,因此我们还没能看到其在科学和数学方面的具体应用。但 AI 辅助科学和数学研究早已成为一个炙手可热的研究方向,如果能通过一个精心设计的 prompt 让 AI 具备创造性的科学思维,何乐而不为呢?

遗憾的是,作者目前还没说明该 prompt 为何有效,不过他也表示未来会写一篇长文来解释。但如果你实在等不及了,可以看看我们让 AI 给出的解释:

在这里插入图片描述

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

LLaMA3大模型技术全网最全解析——模型架构与训练方法(收录于GPT-4/ChatGPT技术与产业分析) 陈巍:本文详细分析了LLaMA3的主要思想、架构与训练方法,适合技术入门与相关领域投资人阅读 阅读详情

相关推荐

传统IT人如何拥抱AI大模型:入门指南

在当前技术飞速发展的时代,AI大模型(如GPT-4、BERT等)已经成为企业提升效率和创新的重要工具。然而,对于许多传统IT从业人员而言,由于数学基础薄弱且缺乏算法调优的能力,如何入门和应用这些先进技术成为一个难题。本文将提供一些实用建议,帮助传统IT从业人员逐步迈入AI大模型的世界。

weixin_45607947的博客 1098

手把手带你搞懂Deepseek-V3 低成本知识库,收藏这一篇就够了!!

1 可以通过 api 添加各种模型 2 上传文档就能本地新建知识库 3 各种 AI 工具直接打开 4 知识库配合 deepseek 3 ,加上 COT 提示词 效果不错 5 还能画图 6 有简单 Artifacts 功能,直接渲染代码 7 可以多个模型一起回答问题,就是样式是直接铺下来的。

2401_85325397的博客 1万+

大语言模型不是黑盒子:从原理到部署的工程化拆解

大型语言模型(LLM)本质上是基于统计规律与神经网络结构构建的语言概率建模系统,其核心在于通过海量文本学习词序列的条件分布,并借助Transformer架构实现长程语义建模。理解LLM需回归‘预测下一个词’这一基础任务,再延伸至分词(Tokenization)、注意力机制(Self-Attention)、位置编码、损失函数等可验证的技术环节。它并非不可解释的魔法,而是参数量、数据规模与计算资源协同演化的工程成果,具备明确的输入输出逻辑和可调试的中间状态。在金融、制造、教育等垂直场景中,LLM的价值正通过提示

culh2177的博客 452

DeepSeek开源了哪些模型,你知道吗?

总结蛇年春节期间,中国AI公司深度求索(DeepSeek)凭借其低成本、高性能的开源大模型引发全球热潮。其应用日活跃用户数突破2000万,上线仅20天即登顶全球140个国家应用商店下载榜,用户增速达ChatGPT同期的13倍。DeepSeek的爆火源于多元化的应用场景:超60%用户用于旅行攻略、翻译及方言学习,40%用于学习各地麻将规则,30%尝试“赛博算命”等娱乐功能。

DBdoctor_off的博客 4756

AI动画生成实战:从知识稿到成片的完整工作流

在知识类内容创作中,信息可视化一直是效率与成本的痛点。AI动画生成并非简单的“一键出片”,而是通过拆解知识结构、编排分镜脚本、生成可控画面,将抽象概念转化为可视化的动态表达。它改变了传统动画高门槛、高修改成本的模式,让创作者以导演思维完成从文本到视觉的转化。无论是概念解释、流程演示还是对比分析,利用文生视频、图生视频与可编辑模板的组合,都能构建稳定高效的制作链路。合理设定镜头时长、统一视觉风格、严格验收单帧与动态效果,并做好素材与版本管理,即可实现从单条作品到系列化内容生产能力的跃升。理解AI动画生成的工作

weixin_29048775的博客 356

RAG分块策略实战:语义完整性与检索精度的工程平衡

RAG分块(chunking)是检索增强生成系统效果的核心前提,本质是在语义完整性、检索精度和上下文利用率之间进行动态权衡的工程决策。不同于传统NLP的固定长度切分,真实业务文档(如法律合同、医疗指南、设备手册)具有强结构、多层级、高噪声等特点,要求分块策略必须融合结构解析、语义单元识别与任务目标对齐。‘语义chunking’强调最小可回答问题的逻辑单元封装,‘重叠窗口’则通过上下文锚点提升动作连贯性召回;二者协同可显著改善LLM的事实锚定能力与端到端准确率。本文基于412份跨行业文档调优经验,聚焦RAG分

weixin_34151004的博客 332

超级Prompt、量子纠缠突然消失、文生图模型恐不可用、GPT Next 计划 | AGI 视界周刊第 7 期

AGI视界周刊第 7 期速报:噩耗!SD3、FLUX.1等开源文生图模型,可能将无法使用、超级Prompt:几行乱码让大模型获得科学思维,这个神奇的提示词突然火了、用数学方法证明量子纠缠会突然消失!MIT 计算机科学家“无心插柳”提供关键论证、GPT-4o mini 排名雪崩,大模型竞技场规则更新,奥特曼刷分小技巧无效了、OpenAI 今年启动 GPT Next 计划:AI 性能百倍级跃升,Orion 有望接棒 GPT-4

战场小包的博客 4266

Gemma 4 E2B纯CPU多模态实测:非量化部署下的真实延迟与工程边界

大语言模型本地化运行正从‘能跑’迈向‘可用’,其核心挑战在于脱离GPU和量化压缩后的真实推理能力。CPU原生推理考验的是模型架构与硬件特性的深度适配能力,尤其在多模态对齐场景下,视觉编码(ViT)和音频特征提取(Whisper-style)会显著放大计算与内存压力。技术价值不仅体现在端侧隐私与离线可靠性上,更在于为教育终端、老旧设备及边缘AI提供可落地的轻量级方案。典型应用场景包括离线报告辅助、无网环境教学交互、低功耗IoT语音转录等。本文基于Kaggle标准CPU环境,实测Gemma 4 E2B在非量化、

weixin_33709590的博客 432

解密prompt系列48. DeepSeek R1 & Kimi 1.5长思维链 - RL Scaling

不过感觉这里DeepSeek没有细说的就是RL样本的具体选择,个人猜测样本难度的重要性比较高,这里的难易不完全是指问题本身,而是答案获取的难易程度,有些复杂问题答案是能猜出来的,例如选择题等等,这类低难度的样本很难在RL的过程中不发生hacking问题~看到这里可以说整个Zero的训练过程极致精简,无需SFT样本,无需人工标注RL样本,RL训练过程无需Reward Model,无需基模型对比,只需要自带标准答案的RL样本,即可激发出模型自我的反思优化能力。而这只依赖RL提供的反馈信号?

jike007gt的博客 988

安卓模拟器绕过检测全解析:雷电、MuMu、蓝叠、逍遥、夜神与WSA完整指南

随着手机游戏和应用的普及,越来越多的用户选择在PC上通过模拟器来运行安卓应用。然而,许多应用和游戏为了防止作弊或出于安全考虑,会检测是否运行在模拟器环境中。本文将详细介绍各大主流模拟器的检测绕过方法,帮助用户在电脑上流畅体验各类安卓应用。1. 获取模拟器系统镜像2. 使用ROM厨房工具修改系统文件3. 替换模拟器的系统镜像雷电模拟器:适合游戏,推荐使用MAGISK + EdXposed方案MuMu模拟器:适合中度游戏,推荐太极框架蓝叠模拟器:适合国际应用,推荐MAGISK方案逍遥模拟器。

专注技术分享 3万+

核回归(Kernel Regression)

本文讲解了核函数,并且实战通过核函数进行了预测,并附python代码

a2333333_的博客 6956

大语言模型提示工程自动化:从原理到实践的技术演进与应用

提示工程是大语言模型应用中的关键技术,它通过设计有效的输入指令来引导模型生成高质量输出。其核心原理在于理解模型的注意力机制与上下文学习能力,通过结构化指令、示例演示和约束条件来激活模型的特定知识路径。在工程实践中,自动化提示优化技术应运而生,旨在解决手动设计提示词效率低、依赖经验的问题。这类技术通过算法自动搜索和评估最优提示,显著提升了模型在代码生成、文本创作、安全对话等场景中的性能稳定性和输出质量。其中,基于搜索迭代的OPRO框架和基于原理推理的APO方法代表了当前的主流方向,它们通过不同的优化逻辑,为开

weixin_34075268的博客 587

Python自动化:3分钟搞定微信收藏链接批量导出到TXT(附完整代码)

本文介绍如何使用Python自动化工具在3分钟内将微信收藏链接批量导出到TXT文件。通过模拟人类操作和OCR技术,脚本高效处理大量链接,显著提升工作效率,并附有完整代码和实战避坑指南。

weixin_29062671的博客 631

Python深度学习:从入门到实战

亲爱的读者,欢迎您翻开这本书。我们即将探索的,是深度学习的宇宙——一个由数据、算法与算力构筑的奇妙世界。它既是严谨的科学,也是创造的艺术,更是一条通往未来智慧的修行之路。本书将带您从最基础的数学原理出发,亲手搭建神经网络,驾驭Transformer等前沿模型,最终将智慧转化为现实世界的价值。请放下畏惧,保持好奇。这不仅是一次知识的学习,更是一场思维的远行。来,随我一起,开启这趟非凡的旅程吧。

weixin_45747731的博客 300

SpringBoot集成SpringSecurity5和OAuth2 — 2、OAuth2客户端【SSO单点登录时作为客户端】

SpringBoot集成SpringSecurity5和OAuth2 — 2、OAuth2客户端【SSO单点登录时作为客户端】

Mr_XiMu的博客 3744

BurpSuit在不同浏览器中配置代理

文章通过分享各大浏览器如何设置代理的知识,帮助初学者快速掌握代理配置相关技能。

北冥同学的成长记录笔记 1万+

Claude Opus 4.7文件系统记忆实测:自评式记忆与effort预算博弈

大语言模型的‘长期记忆’并非简单缓存上下文,而是通过结构化写入(如memory.md)实现可调用、可复现的知识沉淀。其核心原理在于模型将反思结果转化为可执行指令,并在后续任务中主动读取应用,本质是工作流重构而非能力增强。技术价值体现在提升跨轮次任务一致性、减少重复错误、加速复杂工程迭代;典型应用场景包括多阶段编程调试、ML系统设计、自动化文档生成等需持续改进的AI工程闭环。本文基于Claude Opus 4.7在Microsoft Foundry平台的实测,揭示文件系统记忆与xhigh/max effort

weixin_34115824的博客 571

开关电源中的高频振荡噪声及其抑制方法

在开关电源的工作过程中,随着开关管的开关动作,电流和电压波形会出现剧烈的波动,尤其是在开关管切换的瞬间,往往会导致较强的过冲现象。开关电源中的高频振荡噪声是导致电磁兼容问题的主要源头之一,尤其是MOS管的通断和整流二极管的反向恢复过程中,会产生较强的高频振荡噪声。通过合理调节R和C的值,可以大大缓解高频振荡带来的EMC问题,从而有效提升电源的电磁兼容性。整流二极管反向恢复时的振荡会导致高频噪声产生,这些高频噪声源可被传导到电源的输出端,甚至可能通过电源的共地路径扩散到其他电路,影响系统的稳定性和可靠性。

硬核科技 1531

基于进化算法与心理测量学的AI创造力评估上下文自动生成方法

在人工智能评测领域,如何科学、有效地评估大语言模型的创造力是一个核心挑战。传统方法依赖于人工设计测试指令,存在主观性强、可复现性差的问题。进化算法作为一种强大的全局优化技术,能够通过模拟自然选择过程,在复杂的解空间中自动寻优。当将其与心理测量学理论结合时,便为自动化生成最优评估上下文提供了创新解决方案。心理测量学为“优质测试题目”定义了金标准,包括区分度、难度、信度和效度等核心指标,这些指标可被量化为进化算法中的适应度函数。差分进化等算法则负责在浩瀚的指令组合空间中进行高效搜索,通过变异、交叉和选择,迭代演

weixin_30617737的博客 384

一、【vmware虚拟机使用】安装vmware workstations17

本文介绍了VMware Workstation 17的安装与网络配置方法。主要内容包括:通过下载安装包进行标准安装(含许可协议、路径选择等步骤);重点讲解了NAT模式下的网络配置,包括修改子网IP为192.168.2.0网段、设置网关地址和DHCP范围等操作,以避免与主机网络冲突。文章还简要说明了VMware的Hypervisor核心技术原理,包括CPU、内存和存储虚拟化。最后指出完成这些准备工作后,后续将进行CentOS7系统的安装。整个流程配有详细图文说明,适合初学者跟随操作。

信创运维工程师 · 银河麒麟 & 容器实战 | 金融生产环境迁移·等保加固 | 142篇原创·17万+阅读 2748

【MERRA-2数据集】M2I1NXASM (5.12.4) 和 M2I1NXINT (5.12.4)概述

M2I1NXASM (5.12.4) 和 M2I1NXINT (5.12.4)概述

WW、forever的博客 685
上一篇: 重大突破!谷歌DeepMind展示GenRM技术:AI推理能力的新里程碑
下一篇: Mini-Omni:首个开源实时语音交互模型,边听边说边思考,延迟比GPT-4o还要低
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2840原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值