顯示 1–9 / 9 組 · 第 1 / 1 頁
7 個跨 model A/B 測過的 prompt 技巧（不是 vibes）
六個月在 Claude / GPT-4 / Gemini 上用人工 rater A/B 測 200+ prompt 後寫的。包含 persona+constraint stacking / anti-example / role reversal QA / cognitive scaffold / emotional priming / uncertainty CoT / steelman first。
Gemini 2.5 Pro：丟一張截圖，直接吐出「下一步該做什麼」
用 Gemini 2.5 Pro 多模態，把任何截圖（錯誤訊息 / 後台 / 報表 / 對話）變成具體可執行的下一步清單。
真的有效的 5 個 prompt engineering 技巧（XML > markdown 28%）
AI engineer 跨 GPT-4 / Claude / Gemini 數百小時測試後的 5 個可量化技巧 — CoT 鷹架、persona+goal+anti-goal、XML 比 markdown 準 28%、negative examples 比 positive 強、prompt chaining 完勝 mega-prompt。
把 ChatGPT 的「禮貌性說謊」關掉 — 3 個 anti-sycophancy 指令
預設 helpful = agreeable = 把問題埋在第 4 段。3 個一句話指令可逆轉：問題優先、強制推薦、明示「不要 soften」。從 reading 變 fixing 的差別。
紅隊視角：3 個跨 model 都 work 的高 capability prompt pattern
HackAPrompt 2.0 冠軍分享的 3 個 pattern — 把任務 frame 成 audit / 明示 abstraction 層級 / stage context 像 production。Claude / GPT / Gemini 三家都 work。
reClaim：把 frontier model 變成有 confidence score 的研究 agent
每個 claim 給三軸信心分（A: 來源 / B: 反證 / C: 完整度）+ 4-tier 來源層級 + adversarial 自我打洞 + 4 種輸出模式。
Gemini 1M context 文件深度分析
善用 Gemini 1M token context — 一次餵整本 PDF / 多文件交叉比對
Gemini 整個 codebase 概覽
丟整個 repo 給 Gemini → 拿 architectural overview + 改進建議