涂津豪的神级Prompt

后o1时代，提示逐渐抽象且意识流，Thinking Claude与其他提示不同，像是给Claude3.5解释了什么是思考，这是其他思维链提示不曾做过的。将思考这个抽象的概念具体化，让模型更好的理解思考是什么，激发出了Claude更好的思考能力，大模型普遍建模了人类的思维模式，理论上我们也可以像@Richards Tu一样，让其他大模型输出对思考的理解，加以人类的修改，通过人类和大模型的不断迭代，探索出其他大模型最优的思维模板。

它能模仿人类的慢思考过程，在回答你的任何问题之前，都会将问题先拆解分析一番，再来解答。看看这文风，非常自然，“近乎怜悯的语气” “礼貌地点头，但内心毫无波动” “深吸一口气，点击了接受” “望着窗外的晨光，嘴角露出一丝苦笑”。基于这个假设，它假定在未来的某个时刻，科研人员的学术地位完全由AI系统基于各种量化指标自动评定，并能够预估某人30年后的学术影响力。一定是适合复杂、深度思考的场景，要不然有点大材小用，也体现不出它的威力。谁说AI写的文字有机器味了，我要是不说，完全看不出来是AI写的。

这两天，我被这个Claude3.5这个神级Prompt惊呆了。佩服的五体投地。非常简单的话说，就是它用Prompt把o1级别的思维链，复刻到了Claude3.5里，而且思考逻辑更详细、更像人，甚至思考过程都跟o1一样，可以展开折叠。被这个Prompt强化过的Claude3.5，真的强到离谱。智能程度、成功率、像人的程度，都大幅提升。我的朋友们已经在群里玩疯了。比如群友@洛小山直接用这段Prompt...

涂津豪通过精心设计的Prompt成功优化了Claude 3.5，这一成就不仅展示了他在人工智能领域的深厚功底，也为广大AI爱好者和专业人士提供了宝贵的经验和启示。未来，随着更多年轻人的加入，AI技术将迎来更加广阔的发展前景。希望涂津豪的故事能够激励更多年轻人投身AI领域，共同推动科技进步，创造更加美好的未来。本人未试，读者可先！

跟那些教科书式的死板解法看起来有非常大的不同，你可以看到模型在回溯历史，会看到它说“或者，我们试试”或“等等，但”这些东西，这些，更像我们人类在思考时候的“内心独白”，或者说，“意识流”。在o1前时代，思维链的实际情况跟我们真正想要的思考过程还是有很大的差距的，我们希望思维链是模仿我们人类的思考过程，但模型实际上只是模仿它在预训练中看到的所谓的推理路径。首先，整个AI圈，都有个共识是，思维链对于大模型一定是会有正向加成的，这个从去年到现在，看到o1的成功后，一定不会有人会怀疑了。

这个名为"Thinking Claude"的Prompt由17岁高中生涂津豪开发，旨在增强Claude的思考能力。简而言之，这个特殊指令大幅提升了Claude的认知能力，使其思维更加缜密、智能，更接近人类。它的推理过程层层递进，思路清晰，展现出近乎人类的完整思维过程。Claude 3.5本就具备强大的基础能力，融合了Thinking Claude的思维链增强，再加上出色的Artifacts创作功能，可谓完美智能助手。强化后的Claude 3.5表现卓越，在智能程度、任务准确性和人机交互方面都有了质的飞跃。

Richards Tu的“Thinking Claude”提示词，是AI领域的一大步。它不仅提升了Claude 3.5的智能水平，更让我们看到了提示词在AI发展中的关键作用。Shelly一直跟大家强调提示词的重要性，通过这个事件，希望让大家再一次看到提示词对于大语言模型的重要。

简而言之，通过一条特殊指令，Claude的思维能力得到了大幅增强，使其思维更为缜密、智能、更富人性化。它的推理层层递进，思路清晰，展示出近似人类的完整思维过程。Claude 3.5本就具备强大的基础能力，融合了Thinking Claude的思维链增强，再加上出色的Artifacts创作功能，可谓完美智能助手。o1的图像识别能力较弱，代码执行能力缺失，排版也较为混乱，用户体验逊色许多。卡神的推荐分享，让我们有机会体验这一神级Prompt，带来如此强大的Claude 3.5！

最初的Prompt是英文的，我把它翻译成中文给大家看。接着，涂津豪又开了一个窗口，把修改后的Prompt再次交给Claude3.5进行迭代，经过80多次修改后，最终才有了今天的Thinking Claude。简单来说，这个Prompt通过给Claude3.5注入一个O1级别的思维链，把它的思考过程变得更人性化，逻辑也更详细，甚至能够像O1一样展开和折叠。Claude本身就很强，如果能够给Claude加上一层类似O1的拟人化思维链，尽管无法完全比肩O1，但或许能在Claude的基础上大幅提升它的表现。

昨天看到一篇公众号文章：17岁高中生写了个神级Prompt，直接把Claude强化成了满血o1这个 Prompt 的作者名叫涂津豪，2007年出生，现在是一位17岁的高中生。Prompt 全文 1500 字，号称能够极大程度上增强 Claude 的推理能力。完整的 Prompt，在小涂的上能下载。抱着试一试的想法，我把这个 Prompt 稍稍做了修改，然后用在 ChatGPT 上。ChatGPT 接收并理解了这个复杂的指令，并答应会尽力而为。

从这篇开始，我会陆续写一些年度总结的文章，回顾这一年的AI情况。今天开篇的，是提示词部分。**本文压缩版：**2024年，提示词写作从框架表达发展到了压缩表达，甚至走到了meta ta physika（形而上学）。但实际中，很多人还没有学会“清晰表达”，还需要read in。还记得你最开始接触的提示词吗？

最近已有不少大厂都在秋招宣讲，也有一些已在 Offer 发放阶段了。节前，我们邀请了一些互联网大厂朋友、今年参加社招和校招面试的同学。针对新手如何入门算法岗、该如何准备面试攻略、面试常考点、大模型技术趋势、算法项目落地经验分享等热门话题进行了深入的讨论。大家好，今天继续跟大家分享两个有趣的AI开源项目。

17岁高中生写的“Thinking Claude”提示词在网络上走火。提示词全文，并附高价值解读。

你有没有这样的体验：对着 AI 编程助手敲下一段精心打磨的提示词，等它生成代码，检查一遍，发现问题再补一句，它再改，你再查，来来回回，像个乒乓球赛。这个过程累人，而且每次开新对话，你都得把项目的背景、规范、约定重新讲一遍，像个失忆症患者的主治医生。，直译过来是"循环工程"——你不必再亲自去提示 AI，而是设计一套系统，让系统去提示 AI，让系统去检查 AI，让系统去决定下一步该做什么。你从"操作工"变成了"设计师"。现在，有一群人认为这套流程该退休了。这篇文章，我们就来聊聊这个正在成型的新范式。

本文针对当前 AI 辅助编码时代，团队在使用 Cursor、Claude、Copilot 等多种工具时面临的代码风格分裂、架构混乱、业务风险不可控等核心痛点，提出了一套从临时 Prompt 对话到工程化 AI Coding Spec 的完整升级方法论。

层次措施有效性成本Prompt 层XML 标签隔离、系统指令强化⭐⭐⭐低检测层困惑度 + 分类模型⭐⭐⭐中架构层工具权限分级、人工审批⭐⭐⭐⭐⭐中监控层输出审查、敏感信息脱敏⭐⭐⭐⭐低流程层定期红队测试、对抗训练⭐⭐⭐⭐高。

AI 工程正从单次 Prompt 优化转向自动化系统设计。文章提出四层工程栈框架：1) Prompt 层确保单次调用质量；2) Context 层解决信息供给问题；3) Harness 层构建可靠性保障机制；4) Loop 层实现自主持续运行。当前挑战已从"模型理解"转为"系统可靠性"，需关注生成与验证分离、自动化评估、成本控制等关键设计。成熟的AI应用需兼顾准确率、任务完成率和失败恢复能力，最终目标是构建能自我验证、持续迭代的自动化系统。

文章摘要 本文系统阐述了AI编程中的三大关键方法论：Spec Kit、TDD和Loop Engineering。三者形成完整闭环：Spec Kit（规范驱动开发）负责定义需求方向，TDD（测试驱动开发）提供客观验证标准，Loop Engineering实现自动化闭环。文章重点解析了Loop Engineering的五大核心构件：自动化机制、工作树管理、技能封装、连接器插件和子代理系统，并强调记忆持久化的重要性。最后指出TDD是连接规范和自动化的关键桥梁，三者缺一不可——Spec Kit确保"做对的事"，TD