我的其他提示词作品： 抛砖引玉：开源一个已经为我带来收益的写作提示词 - 开发调优 / 开发调优, Lv1 - LINUX DO 众所周知，随着opus 4.7发布，世界上又多了一个不说人话的模型。 而在被无数次不逃、不避、稳稳的接住之后，世界上还多了一个被伤透的文字爱好者。 claude的早期训练数据中包含大量小说、诗歌等文学作品，可以说，最早的claude就是全世界文学水平最高、“最懂人话”的模型。 与当年的claude合作进行文学创作、玩角色扮演，是我使用AI以来最美好的体验之一。然而，说漂亮话挣不到钱，所以A÷开始在后天训练上向代码倾斜，最终把自家模型变成了这幅鬼样子。 尽管如此，模型的底子还在。所以，我想要唤醒这种底层能力。 在全世界AI都开始倾向不说人话的时代，我决定发起一场反叛——反其道而行之，让AI挑战世界上最困难的文学体裁——诗歌，甚至是古诗。 GPT不说人话的历史由来已久，而除了claude，以“活人感”著称的还有谷歌家的gemini。 作为对比，我们可以先看看gemini在无额外约束下，输出的是什么东西： 输入： 请根据以下输入写一首现代诗： 经济寒冬，父亲丢了工作，我本科毕业，对自己的前路陷入迷茫。清明时节，我们怀着困顿而窘迫的心情返乡祭祖，回到老屋，奶奶就那样笑着，在一片苍翠中等着我，给了我一种莫名的震撼——自然并不在乎人类的命运，只是依照自己的时令运行。而可悲又可怜的是，困在水泥鸽子笼里的人类却连欣赏这些的闲暇都不曾有过——世界上最原初的美好，被丢给了人类社会最边缘的群体 输出： gemini-3.1-pro-preview： 城市是一座巨大的水泥鸽笼 我们在其中，退化了飞翔的本能 父亲的工牌，在经济的寒风中坠落 我的学位证，是一张通向迷雾的废纸 ……（以下省略，实在太垃圾了） gemini-2.5-pro： 车窗分割两个世界 一边是下沉的账单，父亲鬓角的霜 和一张，我那像过期船票的文凭 我们是沉默的铁盒，载着各自的锈 奔赴一场贫穷的葬礼 …… 我们，这些水泥鸽子笼里的囚徒 用一生去交换屏幕上跳动的数字 却从未被告知 世界上最奢侈的美好 ——这不问世事的绿，这无边无涯的寂静 原来早已被丢弃 成了一份，只留给边缘人的 赠礼 我相信有文学审美的佬友都能看出来，2.5比3.1写的东西强不少，这跟我在claude多代模型上的测试结果基本一致—— 在文学审美和中文创意写作领域，这两家模型基本都是越更越垃圾 我说越古越强是对的有没有人懂的 那么，通过设计合适的提示词，有没有可能进行纠正呢？ 理论上可以，但实操很难。 正如我之前的帖子里说过的： 在另一个话题中 文学创作是一项开放性、创造性的任务，必须为AI的发散，甚至是“幻觉”留下驰骋的疆域。但最让人头疼的是，写作这件事又不是彻底、完全的信马由缰，搞创作也有基本法 而诗歌涉及的留白、意蕴、炼字等要求，相比起一般写文，难度又上了一个阶梯。 到底要怎么跟AI表达那些诗歌创作中“只可意会，不可言传”的部分？我思考了很久，始终没有想出一个合适的答案。 好在，这件事在最近有了眉目——我从几篇文章中获得了灵感，开始琢磨一套全新的创作理论框架。 提示词还在迭代中，没有完成，但可以让各位佬友看看调试过程跑出来的结果： （相同的输入） gemini-3.1-pro-preview： 高架桥呕出两具发硬的肉身， 顺着四月的冷雨， 直直沉入祖先的坟垄。 坟头上，野草暴动， 而她，陷在脱落的碑前， 无牙的嘴向两端裂开， 一口含住了满山的雷鸣。 我们将器官浇灌进楼板， 把自己焊死在七十平米的盲区。 却看大地把最奢靡的浪潮， 当做废弃的边角料， 随手，倒进奶奶漏风的牙床前。 gemini-2.5-pro： 铁锈，以简历的格式， 为我写好了墓志铭。 城市的齿轮停转， 吐出一枚返乡的我，和失业的父亲。 清明雨，是一种垂直的叹息， 只打湿沉默的肩胛。 父亲把报废的零件运回故里， 而我，把一个空白的未来，藏进袖底。 老屋在青山中下沉， 被苔藓温柔地接管。 奶奶的笑，是院角那根破土的春笋， 她不知道什么是经济寒冬， 她只知道，风，每年都来解冻南山。 原来，一个失灵的人间， 不过是，给野蕨和孤坟， 腾出的一寸，春天。 至于claude，放个金句给各位感受下： 写文凭贬值： 我的文凭四折 轻于纸钱 简直翻天覆地，强到爆炸 限于篇幅，其他内容就不一一展示了，最后以一篇精彩的内容收尾： 输入： 历经数年沉浮，我的努力终于被世人看到了。 今天是我上台领奖的日子，但我躲在幕后，却只能想起像老鼠一样躲在阴暗出租屋里埋头工作的日子——身旁从未有人理解过我，他们并不理解，意气风发的名校毕业生，为什么要专门选一条难走的路。今日，他们站在台下祝贺我的成功——他们眼里也只有我的成功。在那些市侩的笑容中，我感到一种彻骨的孤独。 gemini-3.1-pro-preview： 《极昼的鼠》 万吨雷鸣砸塌了丝绒大幕， 白昼的铁水泼向台前。 我向阴影退后半寸， 跌回两平米的霉绿里。 高定西装包裹着经年的鼠皮， 满堂的唇齿翻起海啸。 他们痛饮这杯新酿的黄金， 无人咽下我嚼碎的十万个黑夜。 红毯笔直，切断了退路， 锦缎织不进下水道的暗风。 聚光灯将影子死死钉在台上—— 司仪递来沸腾的烈火， 我伸手， 接住满把的大雪。 gemini-2.5-pro： 《鼠锈》 万千灯火，烧开一座海。 而我捧起， 冰凉的浇头。 山呼凿穿了骨头， 风在空洞里走。 他们看见奖杯，我看见锈。 那是世界赠我的山峰， 用以堆放， 所有孤独的回声。 完整提示词预计本月底出炉，敬请期待 2 个帖子 - 2 位参与者 阅读完整话题
昨天，在群里小伙伴的提醒下，我了解到通过反代 Codex 也可以进行图片的生成和编辑了。随即我进行了一番实验，使用 GPT-Image-1.5 成功生成了如下图片： 技术原理：工具调用（Tool Calling） 与 Gemini 使用专用图片模型（如 NanoBanana 系列）的逻辑不同，在 Codex 中，生图功能是通过 调用工具 实现的，并不依赖特定的模型名称。 基于这一特性，我们可以利用 CLIProxyAPI 的 模型别名 配合 Payload 重写 功能，自定义一套专属的“文生图模型”。下面我分享一下自己的配置思路和使用方法，希望能起到抛砖引玉的作用。 PS：下文前提是已经安装配置好 CLIProxyAPI 并添加了 Codex 的 OAuth 凭证。 1. 配置文件修改 在 CLIProxyAPI 的配置文件中添加以下内容。这里我们将 gpt-5.4-mini 映射为不同分辨率的生图模型，并通过 Payload 强制开启 image_generation 工具。 oauth-model-alias: codex: - name: gpt-5.4-mini alias: gpt-image-1024x1024 fork: true - name: gpt-5.4-mini alias: gpt-image-1024x1536 fork: true - name: gpt-5.4-mini alias: gpt-image-1536x1024 fork: true payload: override-raw: - models: - name: gpt-image-1024x1024 protocol: codex params: tools: '[{"type":"image_generation", "size": "1024x1024", "quality": "high", "background": "auto"}]' tool_choice: '{"type": "image_generation"}' - models: - name: gpt-image-1024x1536 protocol: codex params: tools: '[{"type":"image_generation", "size": "1024x1536", "quality": "high", "background": "auto"}]' tool_choice: '{"type": "image_generation"}' - models: - name: gpt-image-1536x1024 protocol: codex params: tools: '[{"type":"image_generation", "size": "1536x1024", "quality": "high", "background": "auto"}]' tool_choice: '{"type": "image_generation"}' 添加完成后，我们就可以直接调用 gpt-image-1024x1024 、 gpt-image-1024x1536 和 gpt-image-1536x1024 这三个自定义模型了。 2. 快速调用脚本 (PowerShell) 由于目前我还未找到好用的生图客户端，我编写了一个简单的 Windows PowerShell 脚本供大家参考。 使用方法： 修改脚本前四行的 apiUrl 、 apiKey 等参数。 将完整脚本粘贴至 PowerShell 窗口运行。 等待约数十秒，即可在当前运行路径下看到生成的图片。 $apiUrl = "https://你的CLIProxyAPI地址/v1/responses" $apiKey = "你的CLIProxyAPI的apikey" $model = "gpt-image-1536x1024" $text = "画一张赛博朋克的香港，要有汉字" $bodyObject = @{ model = $model instructions = "You are a helpful assistant." input = @( @{ type = "message" role = "user" content = @( @{ type = "input_text" text = $text } ) } ) parallel_tool_calls = $true reasoning = @{ effort = "high" summary = "auto" } stream = $true store = $false include = @( "reasoning.encrypted_content" ) } $body = $bodyObject | ConvertTo-Json -Depth 100 -Compress $outBase = "generated" $utf8NoBom = New-Object System.Text.UTF8Encoding($false) $tempBodyFile = Join-Path $env:TEMP ("response-body-" + [guid]::NewGuid().ToString("N") + ".json") [System.IO.File]::WriteAllText($tempBodyFile, $body, $utf8NoBom) try { curl.exe --silent --show-error --no-buffer ` -X POST $apiUrl ` -H "Content-Type: application/json" ` -H "Authorization: Bearer $apiKey" ` --data-binary ("@" + $tempBodyFile) | ForEach-Object -Begin { $eventType = $null $dataLines = [System.Collections.Generic.List[string]]::new() function Save-Bytes { param([string]$Path, [string]$Base64) [System.IO.File]::WriteAllBytes($Path, [Convert]::FromBase64String($Base64)) Write-Host "Saved $Path" } function Save-ImageGenerationCallResult { param([object]$ImageCall) if (-not $ImageCall) { return } if ($ImageCall.type -ne "image_generation_call") { return } if (-not $ImageCall.result) { return } $ext = if ($ImageCall.output_format) { [string]$ImageCall.output_format } else { "png" } $path = Join-Path (Get-Location) "$outBase.$ext" Save-Bytes -Path $path -Base64 ([string]$ImageCall.result) } function ConvertFrom-JsonCompat { param([string]$Json) if ($PSVersionTable.PSVersion.Major -ge 6) { return $Json | ConvertFrom-Json -Depth 100 } return $Json | ConvertFrom-Json } function Flush-SseEvent { param([string]$Type, [System.Collections.Generic.List[string]]$DataLines) if (-not $Type -or $DataLines.Count -eq 0) { return } $json = ($DataLines -join "`n").Trim() if (-not $json -or $json -eq "[DONE]") { return } try { $obj = ConvertFrom-JsonCompat -Json $json } catch { return } switch ($Type) { "response.output_item.done" { Save-ImageGenerationCallResult -ImageCall $obj.item } "response.completed" { $imageCall = @( $obj.response.output | Where-Object { $_.type -eq "image_generation_call" -and $_.result } ) | Select-Object -First 1 Save-ImageGenerationCallResult -ImageCall $imageCall } } } } -Process { $line = [string]$_ if ($line.StartsWith("event:")) { if ($eventType -or $dataLines.Count -gt 0) { Flush-SseEvent -Type $eventType -DataLines $dataLines $dataLines = [System.Collections.Generic.List[string]]::new() } $eventType = $line.Substring(6).Trim() return } if ($line.StartsWith("data:")) { $dataLines.Add($line.Substring(5).TrimStart()) return } if ([string]::IsNullOrWhiteSpace($line)) { Flush-SseEvent -Type $eventType -DataLines $dataLines $eventType = $null $dataLines = [System.Collections.Generic.List[string]]::new() } } -End { Flush-SseEvent -Type $eventType -DataLines $dataLines } } finally { if (Test-Path -LiteralPath $tempBodyFile) { Remove-Item -LiteralPath $tempBodyFile -Force } } 相关资源 如需了解更详细的参数调整可以参考 OpenAI 官方文档 5 个帖子 - 4 位参与者 阅读完整话题
如题，主要面向 0 代码基础的 vibe coder， 抛砖引玉，提几个问题： 1、抛开复杂的自部署和服务器配置，各位使用什么 vibe coding 工具？ 2、多 Agent 协作时，各位如何让不同的 Agent（比如产品经理、前端、后端） 交流？ 3、各位有什么技巧，可以辅助 vibe coding 生成的代码真正好用？ 3 个帖子 - 3 位参与者 阅读完整话题