前言昨天 vs 今天的感受昨天第一天我搭好了环境——Obsidian Text Generator Tars 插件跑通了本地 AI 对话的Hello World。说实话昨天更多是配置工程师的感觉装插件、填 API Key、测试连通性成就感来自它跑起来了。今天完全不一样。今天学完之后我有一种认知被重构的感觉。昨天我还在想AI 真好用今天我开始想我之前用 AI 的方式太低效了。这种落差感值得好好聊聊。今天学了什么S.C.O.R.E. 模型核心概念从聊天到编程课程今天抛出了一个让我很触动的对比维度聊天模式工程模式交互性质随机、临时的自然语言对话结构化、可复用的通信协议逻辑基础概率性的直觉反馈确定性的指令集与约束框架输出预期看运气的生成结果符合 Schema 定义的可解析数据流迭代路径盲目重写、反复提示基于评估指标的科学优化我之前用 AI 就是典型的聊天模式——帮我写个周报、总结一下这篇文章。课程把这种方式叫做高熵输入熵越高不确定性越大输出越不可控。工程思维的核心是熵减——把 Prompt 当作一种通信协议像 HTTP 协议规定浏览器和服务器如何对话一样用严谨的结构约束 AI 的行为。S.C.O.R.E. 模型是什么S.C.O.R.E. 是本课程定义的核心提示工程框架五个字母分别代表字母全称核心问题底层原理SSetting角色设定你希望 AI 扮演什么角色锚定潜空间激活模型特定领域的权重屏蔽干扰CContext背景信息任务发生的土壤是什么上下文学习注入实时私有数据对抗幻觉最有效的手段OObjective任务目标你到底想让它做什么思维链原子化动词触发模型深度推理RRequirements输出要求交付物必须满足什么标准验收清单规定格式、字数、风格、禁止项EEvaluation评估标准如何判断它做得好不好自我反思让 AI 在输出前/后进行自我检查纠错这五个维度构成一个漏斗顶部接收宽泛的用户需求经过层层过滤最终转化为高纯度的执行动作。今天做了什么课程设计了一个很贴近实际的场景把一段混乱的会议录音转录文本整理成 Obsidian 看板可用的 Markdown 任务表格。原始素材高熵状态那个关于下周的发布会小王你记得去定一下会议室要大的那个。然后海报设计得抓紧了那个谁UI组的小李周三前得初稿吧。还有就是技术那边服务器扩容的事情张工说已经搞定了但是得测试一下周五前给个报告。哦对发布会的PPT我还没写完可能要延后到周四给。大家辛苦一下。第一步用普通 Prompt 试试输入帮我整理一下这个会议记录。结果AI 写了一段流水账摘要丢失了谁负责什么的关键信息格式五花八门完全没法直接用。这就是高熵指令的随机性。第二步用 S.C.O.R.E. 重写 PromptS角色设定你是一位拥有10年经验的敏捷项目管理专家Scrum Master擅长从混乱的对话中提取可执行的任务项。 C背景信息以下是一段产品发布会筹备会议的原始录音转录文本。 【原始文本开始】 ...粘贴原文... 【原始文本结束】 O任务目标 1. 识别任务内容 2. 识别负责人 3. 识别截止时间 4. 识别当前状态已完成/待办/进行中 R输出要求 1. 输出格式必须为 Markdown 表格 2. 表头任务内容 | 负责人 | 截止时间 | 状态 | 优先级 3. 优先级基于紧急程度自动判断High/Medium/Low 4. 不要输出任何寒暄语直接输出表格 E评估标准在生成表格前请自我检查是否遗漏了任何任务是否将张工已完成的任务正确标记为已完成结果任务内容负责人截止时间状态优先级预订大型会议室用于发布会小王发布会前待办High完成发布会海报设计初稿UI组小李周三前待办High完成服务器扩容测试并提交报告张工周五前进行中Medium完成发布会PPT我会议发言者周四前待办Medium为什么这个 Prompt 有效课程做了一个很好的白盒化分析我觉得这是今天最有价值的部分S—Scrum Master激活了敏捷管理、Action Item的专业知识权重AI 立刻知道任务比闲聊更重要C—定界符【开始】...【结束】防止 AI 把指令本身当成会议记录处理防提示词注入O—原子化动词提取、识别这类精准动词强制触发思维链而不是模糊的处理一下R—格式契约规定 Markdown 表格保证输出可以被 Obsidian、Notion 直接读取E—自检机制强迫模型进行二次推理修正逻辑漏洞比如张工已完成的任务容易被漏掉还学了什么今天还有一个很实用的内容——提示词里的标点符号在工程模式下有特殊含义符号类型常见符号工程作用定界符---tag【】防注入定义数据边界隔离指令与素材占位符{{ }}{ }复用性标记动态变量实现模板化格式符\|-[]可解析定义输出 Schema确保机器可读注释符//!-- --可维护解释逻辑辅助思维链锚定特别要注意占位符的使用陷阱在自动化脚本里要保留{{ }}但在对话框手动测试时必须删掉直接粘贴纯文本——否则 AI 会把大括号当成特殊控制符输出会乱掉。S.C.O.R.E. 有什么用说实话学完之后我觉得这个模型的价值不只是让 AI 输出更好看的表格。更深层的意义是可复用一个写好的 S.C.O.R.E. Prompt 就是一个函数换个数据进去输出格式永远一致可调试哪个维度出问题就改哪个维度不用整个重写可自动化格式稳定的输出才能被下游程序解析这是后续构建智能体工作流的基础减少幻觉Context 注入真实数据 Evaluation 自检两道防线大幅降低 AI 编造内容的概率用课程的话说不要把 AI 当作聊天的对象要把它当作可以被自然语言编程的计算引擎。这句话今天真的打到我了。明天要学什么结构化输出与语义契约明天是第三天主题是结构化输出——编写提示词语义契约。如果说今天解决的是输入端的问题怎么给 AI 下指令明天要解决的是输出端的问题怎么让 AI 输出机器可读的数据。结合昨天今天感觉如何昨天搭完环境我的感受是哇AI 可以在本地跑了好酷。那种感觉更像是拿到了一把锤子。今天学完 S.C.O.R.E.感觉是学会了怎么用这把锤子。更准确地说昨天我搭的那套环境——Obsidian 本地存储 Text Generator 调用 LLM——今天才真正有了灵魂。因为没有结构化的 Prompt那套环境只是一个更方便的聊天窗口有了 S.C.O.R.E.它才开始变成一个可编程的工作流节点。两天连起来看感觉课程的设计很有逻辑第一天搭好硬件环境第二天装好操作系统思维方式第三天明天开始跑第一个真正的应用结构化数据生产期待明天。课程来源《零基础构建智能体工程》—— Gitconomy Research项目教程地址https://www.gitlink.org.cn/Gitconomy/Git4GenThinking/tree/main/Agentic-KW-Engineering-2026如果你也在学欢迎评论区交流。
Obsidian智能体学习（二）
前言昨天 vs 今天的感受昨天第一天我搭好了环境——Obsidian Text Generator Tars 插件跑通了本地 AI 对话的Hello World。说实话昨天更多是配置工程师的感觉装插件、填 API Key、测试连通性成就感来自它跑起来了。今天完全不一样。今天学完之后我有一种认知被重构的感觉。昨天我还在想AI 真好用今天我开始想我之前用 AI 的方式太低效了。这种落差感值得好好聊聊。今天学了什么S.C.O.R.E. 模型核心概念从聊天到编程课程今天抛出了一个让我很触动的对比维度聊天模式工程模式交互性质随机、临时的自然语言对话结构化、可复用的通信协议逻辑基础概率性的直觉反馈确定性的指令集与约束框架输出预期看运气的生成结果符合 Schema 定义的可解析数据流迭代路径盲目重写、反复提示基于评估指标的科学优化我之前用 AI 就是典型的聊天模式——帮我写个周报、总结一下这篇文章。课程把这种方式叫做高熵输入熵越高不确定性越大输出越不可控。工程思维的核心是熵减——把 Prompt 当作一种通信协议像 HTTP 协议规定浏览器和服务器如何对话一样用严谨的结构约束 AI 的行为。S.C.O.R.E. 模型是什么S.C.O.R.E. 是本课程定义的核心提示工程框架五个字母分别代表字母全称核心问题底层原理SSetting角色设定你希望 AI 扮演什么角色锚定潜空间激活模型特定领域的权重屏蔽干扰CContext背景信息任务发生的土壤是什么上下文学习注入实时私有数据对抗幻觉最有效的手段OObjective任务目标你到底想让它做什么思维链原子化动词触发模型深度推理RRequirements输出要求交付物必须满足什么标准验收清单规定格式、字数、风格、禁止项EEvaluation评估标准如何判断它做得好不好自我反思让 AI 在输出前/后进行自我检查纠错这五个维度构成一个漏斗顶部接收宽泛的用户需求经过层层过滤最终转化为高纯度的执行动作。今天做了什么课程设计了一个很贴近实际的场景把一段混乱的会议录音转录文本整理成 Obsidian 看板可用的 Markdown 任务表格。原始素材高熵状态那个关于下周的发布会小王你记得去定一下会议室要大的那个。然后海报设计得抓紧了那个谁UI组的小李周三前得初稿吧。还有就是技术那边服务器扩容的事情张工说已经搞定了但是得测试一下周五前给个报告。哦对发布会的PPT我还没写完可能要延后到周四给。大家辛苦一下。第一步用普通 Prompt 试试输入帮我整理一下这个会议记录。结果AI 写了一段流水账摘要丢失了谁负责什么的关键信息格式五花八门完全没法直接用。这就是高熵指令的随机性。第二步用 S.C.O.R.E. 重写 PromptS角色设定你是一位拥有10年经验的敏捷项目管理专家Scrum Master擅长从混乱的对话中提取可执行的任务项。 C背景信息以下是一段产品发布会筹备会议的原始录音转录文本。 【原始文本开始】 ...粘贴原文... 【原始文本结束】 O任务目标 1. 识别任务内容 2. 识别负责人 3. 识别截止时间 4. 识别当前状态已完成/待办/进行中 R输出要求 1. 输出格式必须为 Markdown 表格 2. 表头任务内容 | 负责人 | 截止时间 | 状态 | 优先级 3. 优先级基于紧急程度自动判断High/Medium/Low 4. 不要输出任何寒暄语直接输出表格 E评估标准在生成表格前请自我检查是否遗漏了任何任务是否将张工已完成的任务正确标记为已完成结果任务内容负责人截止时间状态优先级预订大型会议室用于发布会小王发布会前待办High完成发布会海报设计初稿UI组小李周三前待办High完成服务器扩容测试并提交报告张工周五前进行中Medium完成发布会PPT我会议发言者周四前待办Medium为什么这个 Prompt 有效课程做了一个很好的白盒化分析我觉得这是今天最有价值的部分S—Scrum Master激活了敏捷管理、Action Item的专业知识权重AI 立刻知道任务比闲聊更重要C—定界符【开始】...【结束】防止 AI 把指令本身当成会议记录处理防提示词注入O—原子化动词提取、识别这类精准动词强制触发思维链而不是模糊的处理一下R—格式契约规定 Markdown 表格保证输出可以被 Obsidian、Notion 直接读取E—自检机制强迫模型进行二次推理修正逻辑漏洞比如张工已完成的任务容易被漏掉还学了什么今天还有一个很实用的内容——提示词里的标点符号在工程模式下有特殊含义符号类型常见符号工程作用定界符---tag【】防注入定义数据边界隔离指令与素材占位符{{ }}{ }复用性标记动态变量实现模板化格式符\|-[]可解析定义输出 Schema确保机器可读注释符//!-- --可维护解释逻辑辅助思维链锚定特别要注意占位符的使用陷阱在自动化脚本里要保留{{ }}但在对话框手动测试时必须删掉直接粘贴纯文本——否则 AI 会把大括号当成特殊控制符输出会乱掉。S.C.O.R.E. 有什么用说实话学完之后我觉得这个模型的价值不只是让 AI 输出更好看的表格。更深层的意义是可复用一个写好的 S.C.O.R.E. Prompt 就是一个函数换个数据进去输出格式永远一致可调试哪个维度出问题就改哪个维度不用整个重写可自动化格式稳定的输出才能被下游程序解析这是后续构建智能体工作流的基础减少幻觉Context 注入真实数据 Evaluation 自检两道防线大幅降低 AI 编造内容的概率用课程的话说不要把 AI 当作聊天的对象要把它当作可以被自然语言编程的计算引擎。这句话今天真的打到我了。明天要学什么结构化输出与语义契约明天是第三天主题是结构化输出——编写提示词语义契约。如果说今天解决的是输入端的问题怎么给 AI 下指令明天要解决的是输出端的问题怎么让 AI 输出机器可读的数据。结合昨天今天感觉如何昨天搭完环境我的感受是哇AI 可以在本地跑了好酷。那种感觉更像是拿到了一把锤子。今天学完 S.C.O.R.E.感觉是学会了怎么用这把锤子。更准确地说昨天我搭的那套环境——Obsidian 本地存储 Text Generator 调用 LLM——今天才真正有了灵魂。因为没有结构化的 Prompt那套环境只是一个更方便的聊天窗口有了 S.C.O.R.E.它才开始变成一个可编程的工作流节点。两天连起来看感觉课程的设计很有逻辑第一天搭好硬件环境第二天装好操作系统思维方式第三天明天开始跑第一个真正的应用结构化数据生产期待明天。课程来源《零基础构建智能体工程》—— Gitconomy Research项目教程地址https://www.gitlink.org.cn/Gitconomy/Git4GenThinking/tree/main/Agentic-KW-Engineering-2026如果你也在学欢迎评论区交流。
