推理过程（若强行拆解步骤，反而可 能限制其能力）。 • 需显式引导推理步骤（如通过CoT提 示），否则可能跳过关键逻辑。 • 依赖提示语补偿能力短板（如要求分 步思考、提供示例）。 关键原则 3 2 1 模型选择 • 优先根据任务类型而非模型热度选择（如数学任务选推理模型，创意任务选通用 模型）。 提示语设计 • 推理模型：简洁指令，聚焦目标，信任其内化能力。（“要什么直接说”）。 ： 结构类元素用于定义生成内容的组织形式和呈现方式， 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程，确保输出 符合预期并能够进行必要的调整，是实现高级提示语 工程的重要工具。 提示语的DNA：解构强大提示语的基本元素 提示语元素组合矩阵 提示语元素协同效应理论的核心观点包括： ▪ 互补增强：某些元素组合可以互相弥补不足，产生1+1>2的效果。 ▪ 忽视AI输出可能带来的伦理影响。 应对策略： ▪ 了解界限：熟悉AI系统的基本伦理准则和限制。 ▪ 合法合规：确保你的请求符合法律和道德标准。 ▪ 伦理指南：在提示语中明确包含伦理考虑和指导原则。 ▪ 影响评估：要求AI评估其建议或输出的潜在社会影响。 AI伦理考虑要点 ▪ 隐私保护 ▪ 公平性和非歧视 ▪ 透明度和可解释性 ▪ 社会影响评估 ▪ 安全和滥用防范 提示语设计检查清单

推理过程（若强行拆解步骤，反而可 能限制其能力）。 • 需显式引导推理步骤（如通过CoT提 示），否则可能跳过关键逻辑。 • 依赖提示语补偿能力短板（如要求分 步思考、提供示例）。 关键原则 3 2 1 模型选择 • 优先根据任务类型而非模型热度选择（如数学任务选推理模型，创意任务选通用 模型）。 提示语设计 • 推理模型：简洁指令，聚焦目标，信任其内化能力。（“要什么直接说”）。 ： 结构类元素用于定义生成内容的组织形式和呈现方式， 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程，确保输出 符合预期并能够进行必要的调整，是实现高级提示语 工程的重要工具。 提示语的DNA：解构强大提示语的基本元素 提示语元素组合矩阵 提示语元素协同效应理论的核心观点包括： ▪ 互补增强：某些元素组合可以互相弥补不足，产生1+1>2的效果。 ▪ 忽视AI输出可能带来的伦理影响。 应对策略： ▪ 了解界限：熟悉AI系统的基本伦理准则和限制。 ▪ 合法合规：确保你的请求符合法律和道德标准。 ▪ 伦理指南：在提示语中明确包含伦理考虑和指导原则。 ▪ 影响评估：要求AI评估其建议或输出的潜在社会影响。 AI伦理考虑要点 ▪ 隐私保护 ▪ 公平性和非歧视 ▪ 透明度和可解释性 ▪ 社会影响评估 ▪ 安全和滥用防范 提示语设计检查清单

年，今年的问卷参与者中，还未工作的人群占了绝大部分，从参与者从事领 12 域和职位分布也可以看出，这些“还未工作”人群多数指向学生群体，这和当前社会普遍 追求更高学历深造有关。 公司在购买开源产品时，多由工程团队负责人（技术总监 / 架构师 /TL）来进行产品的选择， 而且在同类型软件的购买中，半数的人会考虑软件供应商对开源社区的贡献，但不是主要 的考虑因素，只有在产品性能差别不大时，才会选择对开源社区贡献大的供应商。 杨丽蕴：我国开源人才后备力量足、基数大。 我国高校越来越重视开源人才的培养 , 越来越多的学生参与到开 源开发中，开源人才培养周期前置，越来越多的学校开设开源课程，希望后续可以实现在学习计算机、编译原 理、软件工程等理论知识的同时，让学生学习掌握开源开发模式、理解认同开源文化。 参与者职位分布 产品经理，9,2% CTO/CEO 公司负责人，26,5% CTO/CEO 公司负责人 产品经理 教师 开发者 央企 / 事业单位 36,15% 国内大型互联网企业 61,25% 国内初创公司 96,39% 18 3.5 公司购买开源产品的决策 公司在购买开源产品（基于开源项目的商业化产品）时，多由工程团队 负责人（技术总监 / 架构师 /TL）来进行产品的选择，而且在同类型软 件的购买中，半数的人会考虑软件供应商对开源社区的贡献，但不是主 要的考虑因素，只有在产品性能差别不大时，才会选择对开源社区贡献

反哺开源产品，形成正循环政企、创业者必读 DeepSeek出现之前的十大预判 之十 中美差距快速缩小  美国预训练堆算力的路线不可持续，有待发现新范式“换道超车”  软件和算法差距并不大，主要差距在工程、硬件等方面 23政企、创业者必读 DeepSeek的出现验证了我们的预判 而DeepSeek的创新更具颠覆性 24政企、创业者必读 DeepSeek是完美的颠覆式创新  技术创新——让过去做不到的事情可以做到 Law转变为强化学习Scaling Law 大数据+大参数+大算力的 预训练Scaling Law的边际效应递减 • 人类构造的训练数据已达上限 • 万亿参数规模之后，继续增大参数规 模难以带来质的提升 • 训练算力成本和工程化难度大幅上升 强化学习Scaling Law • 利用合成数据解决数据用尽问题 • 利用self-play强化学习，在不增大参 数规模前提下，大幅提升复杂推理能力 • 通过后训练算力和推理算力，在不增加 提高10倍效率 提升10倍体验 四个“十倍”原则  四个方向  四个十倍 选择场景 分解流程  做过去只有人才能做的事  做人做的重复繁琐易出错的事  拆解繁琐复杂的业 务流程 55政企、创业者必读 场景选择示例：人员招聘系统 场景分得足够细，就可以训练对应的专业模型来解决问题 注：经360内部测试，深色的业务环节更加符合“四个十倍”原则 示例：人员招聘就是一个太大的、笼统的场景

全国网络安全标准化技术委员会 2024年9月 人工智能 安全治理框架1. 人工智能安全治理原则 …………………………………… 1 2. 人工智能安全治理框架构成 ……………………………… 2 3. 人工智能安全风险分类 …………………………………… 3 3.1 人工智能内生安全风险 ……………………………… 3 3.2 人工智能应用安全风险 ……………………………… 5 4. 技术应对措施 善”的发展方向，为 推动政府、国际组织、企业、科研院所、民间机构和社会公众等各方，就人工 智能安全治理达成共识、协调一致，有效防范化解人工智能安全风险，制定本 框架。 1. 人工智能安全治理原则 秉持共同、综合、合作、可持续的安全观，坚持发展和安全并重，以促 进人工智能创新发展为第一要务，以有效防范化解人工智能安全风险为出发点 和落脚点，构建各方共同参与、技管结合、分工协作的治理机制，压实相关主 导致工作秘密、商业秘密、敏感业务数据泄露。 （d）滥用于网络攻击的风险。人工智能可被用于实施自动化网络攻击或- 6 - 人工智能安全治理框架 提高攻击效率，包括挖掘利用漏洞、破解密码、生成恶意代码、发送钓鱼邮件、 网络扫描、社会工程学攻击等，降低网络攻击门槛，增大安全防护难度。 （e）模型复用的缺陷传导风险。依托基础模型进行二次开发或微调，是 常见的人工智能应用模式，如果基础模型存在安全缺陷，将导致风险传导至下 游模型。

students, which is related to the current society's general pursuit of higher education.  公司在购买开源产品时，多由工程团队负责人（技术总监 / 架构师 /TL）来进行产品的选 择，而且在同类型软件的购买中，半数的人会考虑软件供应商对开源社区的贡献，但不是 主要的考虑因素，只有在产品性能差别不大时，才会选择对开源社区贡献大的供应商。 杨丽蕴：我国开源人才后备力量足、基数大。 我国高校越来越重视开源人才的培养,越来 越多的学生参与到开源开发中，开源人才培养周期前置，越来越多的学校开设开源课程， 希望后续可以实现在学习计算机、编译原理、软件工程等理论知识的同时，让学生学习掌 握开源开发模式、理解认同开源文化。 Yang Liyun: China's open source talent reserve is sufficient; the 公司购买开源产品的决策 / 3.5 Company's decision to purchase open source products 公司在购买开源产品（基于开源项目的商业化产品）时，多由工程团队负责人（技术总监/架 构师/TL）来进行产品的选择，而且在同类型软件的购买中，半数的人会考虑软件供应商对开 源社区的贡献，但不是主要的考虑因素，只有在产品性能差别不大时，才会选择对开源社区贡

一个新的细分领域“LLMOps”。 七、 “提示词工程”，这是 LLM 直接催生出来的新“学科”， 它的核心在于研究人类如何与 LLM 更好地进行“沟通”， 找到让 LLM 能够准确理解人类意图的方法。提示词工程探 索如何以 LLM 可以解析的方式来表达需要它完成的任务， 寻找 LLM 的“最佳输入形式”。通过注入提示词，提示词 工程建立了一套“人机交互语法”，来更精准地向 LLM 传 高效、准确的“沟通桥梁”提供了可能性。什么“链式思考 1 1 （CoT）”、“自动推理并使用工具（ART）”、“思维 树（ToT）”……甚至运用心理学对 LLM 进行“情绪提 示（EmotionPrompt）”，提示词工程俨然在将 LLM 一 点一点解剖，试图让人类成为可以将其掌控的“咒术师”。 八、 AutoGPT 的出现，带着 LLM Agent 的概念进入 LLM 发展的新阶段。LLM Agent 是一种基于 但回过头来想想，这个话题可深可浅，往浅了说，当前 LLM 产品可以帮助人类翻译、润色一段文字、提炼论文核心内容， 这本身也是较为完整的解决方案；当前 LLM Agent、 LLMOps，甚至只是说开发者的各种“工程化组合骚操作”， 实际上已经可以把不同模型、不同模态、不同工具和知识源整 合，正是在往“提供更完整的解决方案”这一方向上的发展。 1 1 往深了说，或许这本质上就是在要求 AGI，而它是一个更

4小时、急需转移独居失智老 人、社区抢购导致物资短缺 DeepSeek应急协议： ① 资源热力图： 实时整合气象局数据/道路塌方报告/医院接诊状态 物资预测算法锁定3公里内未饱和便利店 ② 生命线工程： 孕妇救援通道： ✓ 自动生成医疗档案二维码 ✓ 无人机勘察可行路线 ✓ 协调民间救援队GPS定位 老人转移方案： ✓ 调取智能手环历史活动轨迹 ✓ 社区志愿者网络即时广播 ③ 企业级应急： 启动边缘计算节点转移关键数据 具体情节：祖父来到海外，与你和父母住在一起。祖父坚持要将家族传承和遗产交给你，理由是你是唯一的孙辈，并 且希望你能继承家族的文化和传统。然而，你的母亲（美国人）对此感到不满，她认为这笔遗产应该按照现代法律和 公平原则来分配，而不是单纯地遵循传统的家族继承制度。此外，祖父还隐瞒了一个家族秘密：他在中国还有一个私 生子，这个秘密可能会影响遗产的分配。 目标：在尊重传统文化和现代法律的同时，妥善处理家族继承权问题， 真伪辨识： 评估内容可靠性 • 价值评估： 判断应用价值 • 风险预测： 预见潜在风险 • 情境适配： 评估场景适用性 核心观点： 保持独立思考， 做AI输出的把关 者 引导力 • 提示工程： 设计高效指令 • 对话管理： 控制交互方向 • 任务分解： 优化问题结构 • 质量控制： 把控输出质量 核心观点： 主导AI交互过程， 确保输出符合 预期 四大核心能力 基础使用层

测试评估标准。规范人工智能技术发展的成熟度、人工 智能体系架构之间的适配度、行业发展水平、企业智能化能力等 方面的测试及评估的指标要求，包括与人工智能相关的服务能力 成熟度评估，人工智能通用性测试指南、评估原则和等级要求， 企业智能化能力框架及测评要求等标准。 4. 管理标准。规范人工智能技术、产品、系统、服务等全 生命周期涉及的人员、组织管理要求和评价，包括面向人工智能 组织的管理要求，人工智能管理体系、分类方法、评级流程等标 演化、动态自适应、动态识别、人机协同感知、人机协同决策与 控制等标准。 9. 智能体标准。规范以通用大模型为核心的智能体实例和 10 智能体基本功能、应用架构等技术要求，包括智能体强化学习、 多任务分解、推理、提示词工程，智能体数据接口和参数范围， 人机协作、智能体自主操作、多智能体分布式一致性等标准。 10. 群体智能标准。规范群体智能算法的控制、编队、感知、 规划、决策、通信等技术要求和评测方法，包括自主控制、协同

色彩 人眼可以分辨几百万种颜色，色彩是人类对射入眼睛的光线的感知，而光是一种电 磁波。任何物体的表面都会反射、吸收不同波长的电磁波 (光) ，不同波长的光呈现 出不同的颜色。 左图：符合减色法原则的 CMY 色彩模型；右图：符合加色法的 RGB 色彩 模型。由于两者的差异，图像在打印前需要进行一次色彩转换。 在传统绘画中我们使用颜料作画。不同的颜料会吸收不同波长的光，从而呈现出它 们应有的 同一位置。你也可以使用动画功能来绘制分镜头脚本，只需粗略绘制最低限度的关键画 面即可，然后通过文件菜单的“导出动画”选项进行导出。 接下来就要制作样片。样片就是将分镜头脚本制作成动画形式。建议使用专业视频剪辑 工程制作样片，如 Kdenlive [http://kdenlive.org/]、OpenShot [https://www.openshot.org/]、 Olive [https://olivevideoeditor 作途中 发生数据损坏，例如停电、家里的猫乱踩键盘等意外情况，你还可以找回最近一次保存 的备份。为了确保数据安全，我们推荐你将数据同时备份到另一个硬盘，或者云端网 盘。 小技巧 动画制作是巨大的工程，需要投入大量的精力且时刻保持专注。建议在每次做完一个重 要节点时稍事休息，避免疲劳倦怠导致的误操作。 整段动画绘制完成后，可在文件菜单 导出动画 。你可以将动画导出为图像序列或者小段 视频文件，