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

智谱AI发布国产最强大模型GLM4,理解评测与数学能力仅次于Gemini Ultra和GPT-4,编程能力超过Gemini-pro,还有对标GPTs商店的GLMs 这是在智谱AI开发者大会上推出的新一代基座大语言模型,GLM4相比较此前最大的特点是三个变化:性能全面提升、上下文长度更长、支持更强的多模态能力。GLM4(GLM4)详细信息 | 名称、简介、使用方法,开源情况,商用授权信息 | 数据学习 (DataLearner) 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。

图片

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。」

在这里插入图片描述

也有用户试图通过这套 prompt 让 AI 解释人生的意义:

图片

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:

图片

呃,确实很复杂。
​

如何学习AI大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。

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】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

用ollama本地部署Lamma3.1 ollama create 自定义模型名字 -f Modelfile。让lamma3.1写一个贪吃蛇小游戏,一次run成功。例如:ollama run llama3.1。例如:ollama run llama3.1。 阅读详情

相关推荐

Windows 中 利用 ollama 来搭建 deepseek R1

近年来,大模型凭借其强大的语言理解和生成能力,在自然语言处理、计算机视觉等领域取得了突破性进展。从GPT系列到国内的,文心一言、[Qwen]、,大模型已成为推动人工智能发展的核心力量。ollama作为新兴的大模型搭建工具,以其开源、高效、易于部署的特点,在人工智能开发者社区中崭露头角,为大模型的搭建和应用提供了新的解决方案。在当今数字化浪潮中,人工智能的发展可谓日新月异,而大模型作为其核心驱动力,正重塑着各个行业的格局。

一个专注于机器学习基础与实战的技术博客,内容涵盖算法推导、模型实现、数学原理与代码实践。用通俗的语言解析复杂概念,记录学习过程中的思考与总结,适合机器学习爱好者和从业者参考。 2552

使用 Ollama 本地运行各种 LLM

今天看看另外一个产品Ollama。Ollama 的安装非常简单,只需从官网(https://ollama.com/download)下载后解压缩,并在 Terminal 中运行脚本即可完成环境设置。我尝试运行 Llama3,虽然在运行时占用了大量电脑资源,使得其他应用运行变慢,但整体体验尚可。Ollama 支持多种大型语言模型(https://ollama.com/library)。

python123456_的博客 1734

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

AI大模型探索之路-基础篇5:GLM-4解锁国产大模型的全能智慧与创新应用

随着人工智能技术的飞速发展,大型预训练语言模型已成为推动行业进步的重要力量。它们在理解自然语言、生成文本、执行复杂任务等方面展现出惊人的能力。在此背景下,国产大模型GLM-4的问世,不仅展现了中国在AI领域的实力,也为国内外研究者和开发者提供了新的研究与应用平台。

寻道AI,探索AI无限可能! 8676

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

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 570

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 4265

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 331

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 986

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 431

直流有刷电机控制 - 驱动电路(二)

1.如图所示为最常见的推挽驱动电路,我附加了具有正反转功能的电机驱动控制,正反转是由两个继电器组成。使用推挽电路来驱动NMOS管时充电电流和放电电流都很大,因此NMOS管导通快,关断也快,而且NMOS温度不会很高。下面来介绍一下该电路的原理。(1)PWM_MCU是由单片机给出的PWM波信号,该信号是由一些列高低电平的方波构成。当信号为高电平的时候Q3导通,经过R47再到Q5的g极,此时mos导通,如果是K1闭合是正转那么K2闭合就是反转。(2)当PWM低电平时使得Q3关断,Q6导通。

u011030644的博客 4717

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 296

告别命令行恐惧!用TBtools的MCScanX插件,5分钟搞定拟南芥和水稻的基因组共线性分析

本文介绍如何利用TBtools的MCScanX插件快速完成拟南芥和水稻的基因组共线性分析,无需命令行操作,5分钟即可生成专业可视化结果。通过图形化界面简化传统MCScanX的复杂流程,特别适合非生物信息背景的研究者,显著提升基因组数据分析效率。

dianzhuique8587的博客 376

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

通过 CoovaChilli 和 FreeRADIUS 搭建一个公共 Wi-Fi 的认证系统,实现用户连接到 Wi-Fi 后通过 Captive Portal(强制登录页面)进行认证

要实现固定设备连接的功能,你可以通过MAC 地址认证来限制哪些设备可以通过 FreeRADIUS 进行身份验证和连接。你可以在 FreeRADIUS 的users文件中直接配置允许的设备的 MAC 地址,也可以通过数据库存储和查询设备信息,进一步提高管理效率。通过这些方法,你可以灵活地控制哪些设备能够访问你的 Wi-Fi 网络。

m0_69943017的博客 2641

Vue集成飞书前端JSSDK

文章目录前言<1>飞书前端JSSDK<2>使用步骤1.将JSSDK引入到VUE2.读入数据总结 前言 公司需要使用飞书软件,所以转战飞书开发,也是对新知识的探索与研究,飞书SDK也一直都在更新,路虽远,行必达。 <1>飞书前端JSSDK 1、官网地址:https://open.feishu.cn/document/uYjL24iN/uITO4IjLykDOy4iM5gjM 2、当前使用的飞书前端JSSDk的版本:1.5.4 <!-- 在html文档中 --&gt

A 1万+
上一篇: 《大模型应用开发极简入门》学习成为善用 AI 的人!看完懂得90%的大模型!{含pdf版电子书}
下一篇: 这个号称能让AI无限进化的“超级prompt“,效果到底咋样?
冻感糕人~
博客等级 码龄3年 8924粉丝 2366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