工作流92
拆分验证链（Factored CoVe）提示词与抗幻觉工作流指南
拆分验证链（Factored CoVe）是一种通过隔离上下文消除大模型生成幻觉的多步提示词架构。本文详细介绍了四阶段验证工作流模板，助力在开放式问答与复杂实体写作中实现高准确度输出。
4 步查看
AI提示词 / 工作流
近三个月内出现或更新，并经来源核验的高质量 AI 提示词与可复现工作流。
工作流88
思维骨架（Skeleton-of-Thought）提示工作流：加速长文本并发生成
思维骨架（SoT）是一种将文档架构规划与章节具体内容填充解耦的二阶段提示词工作流。通过先生成轻量大纲再利用并发 API 进行多线程扩展，该方法最高可降低 2.39 倍的文本生成时延。
3 步查看
工作流90
结果导向 Prompt 工作流：基于 GPT-5.6 的 AI Agent 架构优化
AI 厂商在 2026 年更新的提示词指南中倡导以"结果导向"取代微观步骤指令。该工作流大幅削减冗余 Token 消耗并缩减成本，同时显著提升了 Agent 的评估得分。
4 步查看
工作流94
上下文工程与循环 Agent 提示词工作流指南
大模型提示词工程已全面演进为上下文工程与循环工程，核心在于管理模型工作记忆与构建自主校验循环。本文提供结合 OpenAI 四要素与 Anthropic 循环机制的现代 Agent 提示词模板及工作流方案。
4 步查看
工作流92
循环工程验证工作流提示词：构建自纠错 Agent 自动化评估环路
本工作流基于 2026 年兴起的循环工程（Loop Engineering）理念，为 Agent 系统设计了自动化验证与自纠错环路。通过结合隔离沙箱环境与基于细则的评估引擎，实现 AI 输出的自动检查与修正。
3 步查看
工作流92
思维模块化（MoT）提示词工作流：提升复杂代码生成的结构化方案
思维模块化（MoT）是一种替代传统线性思维链（CoT）的高级提示词技术，通过构建多层级推理图提升复杂代码生成的准确率。本文提供一套标准的 MoT 提示词模板与工作流指导，帮助开发团队在单次执行中实现高精度的代码设计与实现。
3 步查看
工作流92
DeepMind 视觉提示工程（VIPE）自动三阶段工作流
Google DeepMind 提出视觉提示工程（VIPE），将提示词工程从文本扩展至图像重绘领域。该自动化三阶段工作流显著提升了视频大模型在复杂物理与空间推理任务中的准确率。
3 步查看
工作流90
元认知提示词工作流：显式自我监督与校准输出模板
元认知提示词通过引入知识边界评估与置信度门控机制，指导大语言模型进行显式自我监督。本文提供一套标准化的 XML 结构化提示词工作流，帮助开发者有效抑制过度自信幻觉并提升推理校准度。
3 步查看
正在整理第一批实用模板
这里只收录经过来源核验、变量清晰且可复现的提示词与工作流。