爱折腾的工程师

未来的你会感谢现在努力的自己

把『基于 URL 写一篇博文』这条 prompt 救回来:一个 Claude Skill 的设计、打造与三轮评测实录

为什么「基于这个 URL 写一篇博文」这条 prompt 几乎注定塌?prompt-optimizer skill 用 5 维度心智模型 + 5 步工作流把它救回来。本文先讲清楚它从概念构思到定型上线的 4 阶段开发过程、设计动机和实现原理,再把一份完整的双轨评测(质量评测 21/21 vs 4/8、触发评测三轮迭代 F1 0.90 → 1.00、全样本 3/3 全票一致)拆给你看,附 8 张数据信息图。读完你会知道——评测 skill 不只是看分数,更是看分数停在 100% 之后还有什么可以改。

Claude Code 开发经验深度解析:为什么提示词缓存是一切

从 prefix matching 到 cache-safe forking,系统拆解 Claude Code 背后的提示词缓存工程

基于 Anthropic 官方博客 Lessons from building Claude Code: Prompt caching is everything 的深度技术解读。文章系统分析 Claude Code 在长期运行 Agent 场景下如何围绕提示词缓存设计 prompt 布局、工具集合、Plan Mode、MCP 工具延迟加载和 compaction 机制,并总结可落地的工程实践清单。

CL4R1T4S 项目深度解析:AI 系统透明度与系统提示词工程

从 25 家 AI 厂商的系统提示词说开去:一场由社区驱动的 AI 透明度实验

深度解析 GitHub 项目 elder-plinius/CL4R1T4S:一个收录了 OpenAI、Anthropic、Google、xAI、Cursor、Windsurf、Devin、Perplexity 等 25 家主流 AI 产品系统提示词的开源仓库。本文不仅梳理项目背景、仓库结构、分层技术架构和提取方法论,还逐一拆解 Claude Opus 4.7、ChatGPT-5、Grok 4.1、Gemini 2.5 Pro、Cursor Composer、Cascade、Devin 2.0、Perplexity Deep Research 八款知名产品的真实系统提示词片段,帮助开发者看清商用 LLM 背后 Prompt Scaffold 的工程化实践与价值取向差异。

Claude 提示词工程最佳实践深度解析:原则、技巧与 Opus 4.7 适配

从黄金法则到 effort 参数:一份面向开发者的 Claude 提示词工程实战指南

基于 Anthropic 官方 Claude Prompting Best Practices 文档的深度解读。系统性整理 Claude 的通用提示词原则、XML 结构化、长上下文排版、effort 参数调优、工具使用与代理工作流治理等关键技术,并重点解析 Claude Opus 4.7 在指令遵循、工具使用、子代理、前端默认风格等方面的行为变化,帮助开发者在真实产品中高效、稳定地驾驭 Claude。

LLM学习笔记

LLM学习笔记