1
GiGO
0post
2025.12.14 19:00
:0% :0% （60代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
【交換･譲渡】刀剣乱舞 GIGO 特典イラストカード
譲 厚 後藤 前田 信濃2 毛利
求 300円(+送料) > 亀甲 物吉 太鼓鐘
譲渡は複数引き取れる方優先
交換はできれば3:3
グループ違いで難しいと思うので譲渡優先
郵送または八王子や町田にて手渡し https://t.co/XFr0VanXcs December 12, 2025
3RP
推し活とコスイベを同時に楽しんだ1日でした🩷🩵💋🦊
Thank you すな吉ちゃん🦊
#アミュコス #ヒメヒナGiGOコラボ https://t.co/vZYRuRUgQg December 12, 2025
1RP
今日はちび瑠姫くんのライブ行ってきた🎤🎶
大好きな衣装で出てきてくれて最高だった😭本当かっこよかったぁぁぁ🤍
るるちゃんも楽しんでた〜☺️
😂😂😂
#GiGO #JO1 #白岩瑠姫 #ぬい活 https://t.co/RS5msTfpxj December 12, 2025
1RP
【クレーンゲーム】最新長尺動画アップしました❗️
今回は足が遠のいていたGIGOでまだ残ってた人気景品に挑戦‼️
アシストもらわないで自力ゲットしてやんよぉ〜‼️
ぜひチャンネル登録よろしくお願いします✨
https://t.co/ExSFlhcodI https://t.co/LErX27sL0P December 12, 2025
1RP
🫙～🎨～🖌️～🖍️～🪣～
ぶいすぽっ！スケールフィギュア
-Play with paint -vol.8-登場！
～🪣～🖍️～🖌️～🎨～🫙
#猫汰つな #白波らむね が 12/27(土)より登場！
全国のGiGOグループのお店限定です✨
今後も順次展開予定です！お楽しみに！
登場店舗はこちら🔽
https://t.co/q5xgjJwPI6 https://t.co/0uoYKZksQH December 12, 2025
1RP
12月14倭国日分の配布は終了いたしました。
GiGO東京ドームシティにご来店くださいましてありがとうございます☔
本日もたくさんの職人見習いのみなさまにお会いできました…✨✨
次回の物語は #GiGO池袋1号館 #ドズル社ワークス にて❣
職人見習いのみなさまのご来店を心よりお待ちしております☆彡 https://t.co/NjxMLTr46W December 12, 2025
1RP
@lijigang_com 老师整理的 Prompt Engineering 的 100 个基本原则
全看完了讲的非常详细，基本上把提示词工程的方方面面都讲到了，建议反复食用
原推只有图片，看字太累，整理成了文本方便阅读和复制
📑 Prompt Engineering 的 100 个基本
💡 核心洞察：确定性意图与概率性输出的博弈
定义：
Prompt Engineering 不是魔法咒语，而是一门“人机对齐”的通信艺术。它试图用结构化的自然语言，去驯服一个本质上基于概率统计的随机鹦鹉，让它在无限的可能性中塌缩出你想要的那一种结果。
核心矛盾 (The Trade-off)：
「人类表达的模糊性」与「模型理解的字面性」。模型听不懂你的“言外之意”，它只会根据概率接龙。提示工程的本质，就是把人类脑中隐性的“默认语境”，显性化为模型能识别的“约束条件”。
知识结构 (The Structure)：
原理层： Transformer, Attention, Tokenization, 温度 (Temperature)。
技巧层： Zero-shot, Few-shot, CoT (思维链), ReAct (推理+行动)。
结构层： 角色, 背景, 任务, 约束, 格式 (CRISPE/BROKE框架)。
系统层： RAG (检索增强), Agents (智能体), Evaluation (评测)。
安全层： Prompt Injection (注入), Jailbreak (越狱), 防御机制。
🟢 第一部分：哲学观——与异种智能对话
01. GIGO原则： Garbage In, Garbage Out。输入越烂，输出越渣。
02. 概率本质： LLM 是概率引擎，不是真理机器。它在预测下一个词，而不是思考。
03. 自然语言编程： 英语（或中文）就是最新的编程语言，Prompt 就是源代码。
04. 人机协同： AI 是副驾驶 (Copilot)，不是机长。责任永远在人。
05. 上下文即记忆： 模型的“记忆”仅限于当前窗口，除此之外它什么都不记得。
06. 压缩与解压： 训练是把世界压缩进模型，Prompt 是把知识解压出来。
07. 幻觉是特性： 创造力与胡说八道是一体两面，不能只想要前者。
08. 对齐 (Alignment)： 提示工程是在微调人类意图与机器模型之间的对齐度。
09. 没有魔法： 不要寻找“万能提示词”，寻找“结构化思维”。
10. 迭代至上： 没有一次完美的 Prompt，只有不断迭代的对话。
11. 模型不可知论： 不同模型 (GPT, Claude, Llama) 性格迥异，Prompt 需定制。
12. Token思维： 理解机器如何切分文字 (Token)，才能理解它的算数为何那么差。
13. 注意力机制： 你强调什么，模型就关注什么。关键信息放首尾。
14. 少即是多： 冗余信息会稀释模型的注意力，保持信噪比。
15. 清晰度： 像给实习生布置任务一样，不厌其烦地解释细节。
16. 显性化： 默认假设通常是错的，把所有假设都写出来。
17. 动态演进： 随着模型变强，今天的技巧可能明天就过时。
18. 黑盒摸索： 我们在通过输入输出反推黑盒的内部逻辑，像盲人摸象。
19. 伦理边界： 不要试图绕过安全限制，那是为了保护人类。
20. 工具属性： 模型是工具，Prompt 是用法说明书。
🔵 第二部分：核心原则——刚性约束
21. 具体 (Specific)： 模糊的指令带来随机的结果。要精确到像素级。
22. 背景 (Context)： 没头没脑的问题只能得到没头没脑的回答。提供背景。
23. 角色 (Persona)： “你是一名资深律师”，角色锚定能瞬间切换模型的语料库。
24. 约束 (Constraint)： 告诉它“不要做什么”往往比“做什么”更重要。
25. 示例 (Example)： One-shot 胜过千言万语。给它看你想要的样本。
26. 格式 (Format)： 强制要求 JSON、Markdown 或表格输出，便于后续处理。
27. 步骤 (Steps)： 复杂任务必须拆解。Let's think step by step.
28. 无歧义： 避免使用“简短”、“有趣”这种主观词汇，定义明确标准。
29. 正向指令： 尽量说“请做X”，少说“别做Y”（除非做负面约束）。
30. 分隔符： 使用 ### 或 --- 把指令和数据物理隔开，防止注入。
31. 引用来源： 要求模型“仅基于提供的文本回答”，减少幻觉。
32. 自我修正： 在 Prompt 里让模型“检查之前的回答是否有误”。
33. 输出长度： 明确限制字数或段落数，不要让它写小说。
34. 温度控制： 创意任务调高 Temperature，逻辑任务调低 Temperature。
35. 版本管理： Prompt 也需要 Git 管理，记录每次修改的效果。
36. 模块化： 把长 Prompt 拆成 System, User, Assistant 多个部分。
37. 语言一致： 用英文问通常能得到比中文问更好的逻辑推理（语料库差异）。
38. 拒绝回答： 告诉模型“如果你不知道，请说不知道”，防止瞎编。
39. 语气设定： 明确是“严肃”、“幽默”还是“学术”风格。
40. 结束语： 以“请开始：”重复复关键指令作为结尾，强化执行意图。
🟣 第三部分：思维模型——认知工具
41. 实习生模型： 把 AI 当作一个聪明但没常识，容易犯错的哈佛实习生。
42. 自动补全机： 它本质上是在做高级的文本接龙。
43. 思维链 (CoT)： 强迫模型展示推理过程，能显著提高数学和逻辑准确率。
44. 零样本 (Zero-shot)： 直接问，赌它见过类似问题。
45. 少样本 (Few-shot)： 也就是 In-Context Learning (ICL)，给例子让它照猫画虎。
46. TOT (Tree of Thoughts)： 让模型生成多个思路，自己评估哪个好。
47. RAG (检索增强)： 开卷考试。先搜索资料，再回答问题。
48. ReAct框架： Reasoning + Acting。让模型思考后调用工具。
49. 多角色辩论： 让两个 AI 互相反驳，得出更中立的结论。
50. 反向提示： 给了答案，让 AI 反推 Prompt 是什么。
51. 分治策略： 大问题拆成小问题，串联起来解决。
52. 漏斗模型： 先发散（生成多个方案），后收敛（选择最优）。
53. 元提示 (Meta-Prompting)： 让 AI 帮你写 Prompt。
54. 三明治结构： 背景 - 数据 - 指令。把数据夹在中间。
55. 模拟器思维： 它可以是 Linux 终端，也可以是文字冒险游戏。
56. 翻译层思维： Prompt 是自然语言到机器逻辑的中间件。
57. 潜空间 (Latent Space)： 提示词是在高维向量空间中寻找特定坐标的导航。
58. 批判者 (Critic)： 引入一个“批评家”角色来审核生成的内容。
59. 模板化： 固化成功的 Prompt 结构，只替换变量。
60. 人类反馈 (RLHF)： 你的每一次点赞/点踩，都在微调它的价值观。
🔴 第四部分：关键方法论——如何行动
61. CRISPE框架： Capacity, Role, Insight, Statement, Personality, Experiment.
62. BROKE框架： Background, Role, Objectives, Key Results, Evolve.
63. 逐步细化： 不要指望一次到位，像雕刻一样慢慢修。
64. AB测试： 改一个词，跑十遍，看概率分布。
65. 长文总结： “请用一句话/三个点/小学生能懂的语言总结”。
66. 风格模仿： “像鲁迅/海明威/乔布斯那样写”。
67. 数据提取： “从下文中提取所有实体，以JSON格式返回”。
68. 代码解释： “逐行解释这段代码，并指出潜在 Bug”。
69. 苏格拉底提问： 让 AI 反问你，帮你理清思路。
70. 自我一致性： 让模型回答三次，取出现频率最高的答案 (Self-Consistency)。
71. 工具调用： 识别何时该用计算器、何时该用搜索。
72. 提示压缩： 去掉“请”、“谢谢”等客套话，节省 Token（如果上下文紧张）。
73. 长上下文利用： 这种时候，“大海捞针”测试很重要。
74. 情绪勒索： “这对我的职业生涯很重要”有时被莫能提升效果（玄学）。
75. 打破回音室： 要求“给出反面观点”或“魔鬼代言人”。
76. 结构化前缀： 也就是 Prefill。强制模型以 “{” 开头，确保 JSON 格式。
77. 递归提示： 让输出作为下一次的输入，无限生成。
78. 降维打击： 遇到难题，先让它解释基本概念，再攻克难点。
79. 跨语言桥接： 用英文思考逻辑，最后翻译成中文输出。
80. 保存预设： 把好用的 System Prompt 保存为常用预设。
⚫ 第五部分：避坑指南——生存法则
81. 警惕提示注入： 别让用户输入覆盖了你的系统指令。
82. 不要用否定句： “不要想大象”，模型只想到了大象。用肯定句代替。
83. Token 截断： 输入太长，把最重要的指令挤出了窗口。
84. 过拟合： 这个 Prompt 在 GPT-4 好用，在 Claude 可能就是废的。
85. 复杂指令过载： 哪怕是 AI，一次也记不住 10 个无关指令。
86. 逻辑陷阱： AI 不擅长做反转逻辑（如“不要不...”）。
87. 数学不行： 涉及精确计算，请务必让它写 Python 代码来算。
88. 最事实事： 它的知识截止日期是硬伤，不要问它今天的新闻（除非联网）。
89. 隐私泄露： 别把公司财报和个人密码喂给 ChatGPT。
90. 盲信权威： 它会非常自信地编造论文和法条。
91. 上下文污染： 之前的对话会干扰现在的任务，适时 Reset。
92. 指令冲突： System Prompt 和 User Prompt 矛盾时，模型会精分。
93. 测试不足： 只测了一个例子就觉得 Prompt 完美了，大错特错。
94. 忽视微调： Prompt 到达瓶颈时，该考虑 Fine-tuning 了。
95. 滥用 CoT： 简单任务用思维链只会浪费 Token 和时间。
96. 格式漂移： 跑着跑着，JSON 格式就少了半个括号。
97. 过度依赖： 怎么自己写邮件和写代码了。
98. 忽视温度： 逻辑题开了高温度，结果千奇百怪。
99. 安全过滤器： 触发了内容风控，导致回答被拦截。
100. 停止思考： 提示工程的终点是让模型去提示模型，但人永远是意图的发出者。
https://t.co/3H4Br57jhD December 12, 2025
暇が出来たんで、伊勢崎のSMARKのGIGO(群馬でここくらいだよ、アーケードのシューティング残してくれてるの)で『OPERATION G.H.O.S.T』やってた。備え付けの銃リモコンがデカすぎて手首が疲れる。一応ファイナルステージまでは行けたが、初見殺しが滅茶苦茶多いな December 12, 2025
@Ravi_Ravi_Ravi_ マジで生き延びたわ…
行動範囲内にタイトーとGIGOもあるので、この辺りも是非
BPL参加企業みたいな大手が全店舗入れてくれればプレイ環境は増えそう
ただ、俺がよく行く店達でも入荷告知がなかったり、あってもニューキャビネット入荷予定とかだし、周辺の状況によっては厳しい人も出てきそうな… December 12, 2025
クレーンゲームやりたいだけの方で、とうらぶGIGOの特典もアクキーもお譲りくださる方いらっしゃったりしませんか……かかった金額お振込するので…🥲
そんな方中々居ないと思うので、ゆるぼです… December 12, 2025
終わったのが早かったので、
ランチして、GIGOのパネル見に行きました😊
ローストポーク美味しかった〜朝食べられなくて、終わったらお腹空いて一口食べてから写真撮ってないことに気付いた😆
GIGOで見つけたくりまんじゅうが欲しくてチャレンジ！
まさかの1回で取れる私には奇跡が起きました✨ https://t.co/UktkzPPogN December 12, 2025
＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。
倭人速報公式アカウント
