Bruce Wong Blog

非凡的结果始于伟大的问题.

元提示词实践

Meta‑prompts 工具解析

上一篇介绍元提示词后，有小伙伴想看看实际效果。做了一个小视频，大家可以看一下效果。几个实践中的小tips分享一下：使用更多参数的大模型调用Meta Prompts生成提示词。之后用小模型或者低参数的大模型运行，投入产出比最高。生成提示词的用法：元提示词设置成系统提示词，你通过输入“the Goal is that ***” 来引导模型生成你需要的提示词的任务。 ...

Posted by Bruce Wong on June 21, 2025

用“会思考的提示”提升提示工程效率

Meta‑prompts 工具解析

最近在和一个团队一起探索在大模型AI落地中如何高效的设计提示词，每个人都学习提示词技巧固然是好，但是同样的知识不同的人学习也会有不同的效果。于是我们发现了Meta‑prompts这个好东西，今天就来聊聊如何用更聪明的AI来帮助我们生成提示词。什么是Meta‑prompts？ Meta‑prompts，又称”元提示词”，即用一个智能模型（通常更强的模型）来生成或优化另一个模型的输入提示(p...

Posted by Bruce Wong on June 15, 2025

学习如何构建高效AI Agent

Anthropic的工程师Barry Zhang在最近的AI Engineering大会上分享了《How We Build Effective Agents》的演讲，非常受用，学习之余结合自己的工作实践做了一些总结。以下是我对他演讲的内容的总结和思考。 1. 不要为任何事情都构建Agent(Don’t build agents for everything) Barry提到，Agent可以...

Posted by Bruce Wong on May 23, 2025

RAG创始人关于RAG Agent的10个思考(下)

继续上一篇，将后5个思考也做一个分享。 6.工程师在“无聊”的事情上花费大量时间：工程师本应专注于构建流程、提升精度、扩展应用等创造业务价值的工作，但现实中却常常耗费时间在数据分块 (chunking) 策略、文本清洗、构建连接器、配置向量数据库、调整提示、管理基础设施等相对基础且耗时的工作上。应设法将这些工作自动化或平台化。实践分享有很多已存在的框架和工具可以帮助我们自动化这...

Posted by Bruce Wong on May 13, 2025

RAG创始人关于RAG Agent的10个思考(上)

现在AI应用落地常用的方式是RAG（Retrieval-Augmented Generation），即检索增强生成。和Agent结合更是让RAG的应用场景更为广泛。很多企业包括我自己都在尝试使用它来提高AI在企业中落地的效果。最近RAG的创始人Douwe Kiela 在LinkedIn上分享了他对RAG Agent在企业中的10个教训，对我自己也很有启发。今天结合他的视频内容和我自己的实践体...

Posted by Bruce Wong on May 11, 2025