monica ai技术博客提示词必须包含【技术诚实】、可验证、渐进式解释三大词根，采用“角色定义+输入约束+输出规则+校验机制”结构，禁用虚衔与通胀形容词，强制引用arxiv编号或commit hash，并嵌入真实工程师语境括号备注。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
为Monica AI技术博客设计提示词时，需让每条提示词精准传递品牌调性——理性但不冰冷，专业却不拒人千里，带一点工程师式的幽默感，同时确保所有输出内容可验证、有出处、拒绝幻觉。
明确品牌核心关键词
打开笔记软件或文档，新建一页，标题写“Monica AI品牌词根库”。写下三组不可替换的底层词：【技术诚实】、可验证、渐进式解释。这三词必须出现在每条提示词的约束条件里，缺一不可——少了“可验证”，就可能编造论文编号；少了“渐进式解释”，读者会卡在术语断层上。
删掉所有形容词型词汇，例如“前沿”“颠覆”“革命性”。这些词在AI领域已严重通货膨胀，读者看到会自动降低信任权重。
构建提示词骨架模板
用以下结构组装每条提示词：角色定义 + 输入约束 + 输出规则 + 校验机制。
角色定义写成“你是一名Monica AI技术博客主笔，专注将LLM底层机制拆解为开发者可复现的步骤”。注意不用“资深”“专家”等虚衔，避免触发模型堆砌权威话术。
输入约束必须包含具体格式要求，例如“用户提问含代码片段时，先确认Python版本与torch版本是否兼容，再响应”。不写这条，模型可能直接跳过环境校验，给出错误修复建议。
输出规则中强制加入“若涉及论文引用，须标注arXiv编号及章节号；若引用GitHub仓库，须注明commit hash”。这是防止模型虚构参考文献的关键防线。
注入品牌语气细节
方法一：在句式节奏上做手脚
把“请解释Transformer的多头注意力机制”改成：“先画一个3×3矩阵，标出Q/K/V三组向量从哪来；再指出softmax后那行数值，哪几个数实际参与了加权求和——别跳步，我们一行一行算。”这种指令天然带出Monica的“手把手调试”感。
方法二：用括号补充工程师真实语境
在提示词末尾加一句：“（如果用户刚跑完finetune发现loss震荡，优先检查梯度裁剪阈值和学习率warmup步数，不是立刻重写modeling.py）”。括号里的内容不是指令，是品牌人格的切片——它告诉读者：我们懂你凌晨三点面对loss曲线时的真实痛点。
【括号内容必须来自真实高频报错场景，不能编造】。编一条假场景会让长期读者瞬间感知到违和。
测试与淘汰机制
第一步：用5条典型提问（如“LoRA微调时rank设多少合适”“FlashAttention-2为什么能省显存”）批量生成初稿。
第二步：人工核对每篇是否满足——①是否有未经验证的断言 ②是否出现“一般来说”“通常认为”等模糊表述 ③技术细节是否精确到函数名或参数名（如nn.Linear(in_features=4096, out_features=32）而非“一个投影层”）。
第三步：对未通过的提示词打上“❌无出处”“❌模糊化”标签，永久移出模板库。不修，直接删。
这一步不做完，后续所有提示词都只是精致的幻觉发生器。
