LogoThread Easy
  • 탐색
  • 스레드 작성
LogoThread Easy

트위터 스레드의 올인원 파트너

© 2025 Thread Easy All Rights Reserved.

탐색

Newest first — browse tweet threads

Keep on to blur preview images; turn off to show them clearly

原提示词中文非JSON版:

核心风格与外观
- 模式: 原始照片级真实感,高保真度。
- 外观: K-Pop 偶像美学,肤色无瑕,高分辨率数码摄影质感,风格时尚。

摄像机与镜头
- 视角: 略微的高角度,主体直视镜头。
- 取景: 极端特写(ECU),构图紧凑,焦点集中在脸部和肩膀。
- 镜头效果: 使用肖像镜头(例如85mm定焦镜头),营造出极浅的景深(DoF),焦点清晰地对准眼睛。
- 画质: 高保真,无数字噪点。

场景、光照与主体

1. 环境与光照
- 设置: 室内工作室或简约的室内环境。
- 光线: 采用柔和、均匀的美颜光(例如使用大型柔光箱或美颜碟),最大限度地减少阴影。必须在眼睛中创造出清晰的“眼神光”,并强调出皮肤和唇部的光泽高光。

2. 主体描述
- 身份: 年轻的东亚女性,采用K-Pop偶像的造型风格。
- 发型: 深棕色长发,呈波浪卷,具有高级的光泽感。
- 表情: 俏皮、自信,同时略带一丝性感。她直视镜头,嘴巴微张,舌头轻微伸出并搭在下唇上。

3. 妆容与着装
- 妆容风格: 现代韩式美妆(K-beauty)趋势。
  * 肤质: 追求无瑕的“玻璃肌”效果,呈现水润、高光泽的完妆感,同时保留逼真的皮肤微观纹理(如毛孔细节)。
  * 面颊: 涂有玫瑰色腮红,腮红位置偏高。
  * 唇部: 涂有光泽感的粉色唇彩。
- 着装: 穿着一件灰色细条纹挂脖上衣,具有结构化设计。上衣带有白色撞色领口翻领,并饰有银色按扣和圆形的金属硬件。
- 配饰:
  * 发夹: 在她的左侧头发上佩戴一个装饰性的银色/水钻发夹。
  * 耳环: 佩戴垂坠式银色耳环(心形图案)。

4. 背景
- 描述: 简约的、中性的灰色或白色墙壁,完全模糊(呈现焦外成像/背景虚化效果)。

美学控制与渲染要求
- 渲染目标: 最终图像应为一张高质量的数码照片,适用于宣传材料或社交媒体发布。
- 材质保真度(重点表现):
  * 逼真的皮肤微观纹理(毛孔、光泽感、妆容与皮肤的交互)。
  * 根根分明的发丝细节。
  * 细条纹面料的织物质感。
  * 所有配饰的金属光泽。
- 色彩与影调:
  * 色调: 整体色调中性、略微偏暖,肤色应充满活力。
  * 清晰度: 高清晰度。
  * 对比度: 均衡的对比度。

排除项 (负面提示词)
- 禁止的元素: 皮肤瑕疵、斑点、皱纹、刺眼的硬阴影、粗糙或哑光的皮肤、干燥的嘴唇、户外环境、扭曲的面部特征、运动模糊、数字失真或噪点。
- 禁止的风格: 动漫、绘画、插画、CGI渲染、低分辨率、粗糙的现实主义风格、复古摄影、恐怖谷效应、过度磨皮或塑料质感的皮肤。

原提示词中文非JSON版: 核心风格与外观 - 模式: 原始照片级真实感,高保真度。 - 外观: K-Pop 偶像美学,肤色无瑕,高分辨率数码摄影质感,风格时尚。 摄像机与镜头 - 视角: 略微的高角度,主体直视镜头。 - 取景: 极端特写(ECU),构图紧凑,焦点集中在脸部和肩膀。 - 镜头效果: 使用肖像镜头(例如85mm定焦镜头),营造出极浅的景深(DoF),焦点清晰地对准眼睛。 - 画质: 高保真,无数字噪点。 场景、光照与主体 1. 环境与光照 - 设置: 室内工作室或简约的室内环境。 - 光线: 采用柔和、均匀的美颜光(例如使用大型柔光箱或美颜碟),最大限度地减少阴影。必须在眼睛中创造出清晰的“眼神光”,并强调出皮肤和唇部的光泽高光。 2. 主体描述 - 身份: 年轻的东亚女性,采用K-Pop偶像的造型风格。 - 发型: 深棕色长发,呈波浪卷,具有高级的光泽感。 - 表情: 俏皮、自信,同时略带一丝性感。她直视镜头,嘴巴微张,舌头轻微伸出并搭在下唇上。 3. 妆容与着装 - 妆容风格: 现代韩式美妆(K-beauty)趋势。 * 肤质: 追求无瑕的“玻璃肌”效果,呈现水润、高光泽的完妆感,同时保留逼真的皮肤微观纹理(如毛孔细节)。 * 面颊: 涂有玫瑰色腮红,腮红位置偏高。 * 唇部: 涂有光泽感的粉色唇彩。 - 着装: 穿着一件灰色细条纹挂脖上衣,具有结构化设计。上衣带有白色撞色领口翻领,并饰有银色按扣和圆形的金属硬件。 - 配饰: * 发夹: 在她的左侧头发上佩戴一个装饰性的银色/水钻发夹。 * 耳环: 佩戴垂坠式银色耳环(心形图案)。 4. 背景 - 描述: 简约的、中性的灰色或白色墙壁,完全模糊(呈现焦外成像/背景虚化效果)。 美学控制与渲染要求 - 渲染目标: 最终图像应为一张高质量的数码照片,适用于宣传材料或社交媒体发布。 - 材质保真度(重点表现): * 逼真的皮肤微观纹理(毛孔、光泽感、妆容与皮肤的交互)。 * 根根分明的发丝细节。 * 细条纹面料的织物质感。 * 所有配饰的金属光泽。 - 色彩与影调: * 色调: 整体色调中性、略微偏暖,肤色应充满活力。 * 清晰度: 高清晰度。 * 对比度: 均衡的对比度。 排除项 (负面提示词) - 禁止的元素: 皮肤瑕疵、斑点、皱纹、刺眼的硬阴影、粗糙或哑光的皮肤、干燥的嘴唇、户外环境、扭曲的面部特征、运动模糊、数字失真或噪点。 - 禁止的风格: 动漫、绘画、插画、CGI渲染、低分辨率、粗糙的现实主义风格、复古摄影、恐怖谷效应、过度磨皮或塑料质感的皮肤。

Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.

avatar for 宝玉
宝玉
Wed Nov 05 00:54:37
Not investment advice! But any dip in $AMD might be a buying opportunity. In the short run, time to train and CUDA dominate. In the longer run, token per watt and total cost of ownership are the metrics to watch, especially as inferencing takes over as the most common workload. AMD architecture presents a serious challenge to Nvidia dominance.

Not investment advice! But any dip in $AMD might be a buying opportunity. In the short run, time to train and CUDA dominate. In the longer run, token per watt and total cost of ownership are the metrics to watch, especially as inferencing takes over as the most common workload. AMD architecture presents a serious challenge to Nvidia dominance.

Wonderer. Amor fati. Scaling trust.

avatar for Michael Frank Martin
Michael Frank Martin
Wed Nov 05 00:52:30
Currently sat on a pull request with +39960 additions and -3933 deletions. It's not finished yet.

Follow me for more tips on software engineering best practices.

Currently sat on a pull request with +39960 additions and -3933 deletions. It's not finished yet. Follow me for more tips on software engineering best practices.

Building https://t.co/nmwK08MUwm (podcast database). Distracted by https://t.co/jqWrfEGKqa (get reviews), https://t.co/5c6R9aonB7 (newsletter database), https://t.co/bNrobgtDDT (maker meetups)

avatar for James Potter (rephonic.com)
James Potter (rephonic.com)
Wed Nov 05 00:51:20
查看全文:https://t.co/a5YYoMWU7i

查看全文:https://t.co/a5YYoMWU7i

独立科技网站 - 蓝点网 / 感谢关注 订阅频道:https://t.co/xzeoUEoPcU 联系方式:https://t.co/LJK1g3biPp

avatar for 蓝点网
蓝点网
Wed Nov 05 00:48:57
微软发布快速修复程序解决已经注册 ESU 的 PC 和 Windows 10 LTSC 仍然显示当前版本已经停止支持的错误消息。当然 LTSC 版本身也没有结束支持用户压根不需要执行任何配置,出现错误提示纯粹是微软部署问题,目前微软已经发布修复程序。

微软发布快速修复程序解决已经注册 ESU 的 PC 和 Windows 10 LTSC 仍然显示当前版本已经停止支持的错误消息。当然 LTSC 版本身也没有结束支持用户压根不需要执行任何配置,出现错误提示纯粹是微软部署问题,目前微软已经发布修复程序。

查看全文:https://t.co/a5YYoMWU7i

avatar for 蓝点网
蓝点网
Wed Nov 05 00:48:51
Cognition Labs 推出 CodeMaps:全新的代码表示方式 

软件工程中有一个普遍痛点:理解复杂代码库很难!这不仅仅是新手工程师的困扰,即使资深开发者也常常花费大量时间在代码引用导航跳转上。根据 Stripe 研究,遗留代码维护已成为生产力最大的拖累,而现有 AI 编码工具往往依赖“通用智能体”,这些智能体能快速生成代码,但缺乏精准的上下文导航,导致工程师与代码的“脱节”。这种方法虽高效,却可能削弱人类的责任感和对系统的深刻理解,尤其在调试、重构或架构决策等高价值任务中。

核心概念:CodeMaps 是什么?
CodeMaps 是一种“首创的 AI 标注结构化代码地图”。它不是简单地生成代码,而是为特定任务创建“即时映射”,帮助工程师可视化和导航代码库。想象一下:当你打开一个代码库并输入提示(如“追踪客户端-服务器交互”)时,CodeMaps 会生成一个快照式的地图,标注文件、层级和系统间的关系,让你能直观地“跳跃”到精确的代码行。

与传统代码表示(如纯文本或基本图表)不同,CodeMaps 强调 人类-AI 协作。它使用 SWE-1.5 或 Claude Sonnet 4.5 等模型生成,确保输出尊重“零数据保留”(Zero Data Retention)原则,即不存储用户数据。地图支持两种视图:绘图式概览(便于快速浏览)和文本式“追踪指南”(提供深入解释),用户还能在提示中引用它(如 @ {codemap}),提升后续 AI 响应的准确性。借用 Paul Graham 名言强调:“你的代码是你对问题理解的体现。只有当代码在你脑海中时,你才真正理解问题。” CodeMaps 正是为了“开启你的大脑,而不是关闭它”。

如何构建 CodeMaps?
构建过程相对简洁,但依赖代码的结构化分析:
1. 输入:在 @windsurf 中打开代码库,输入自然语言提示或选择自动建议。
2. 模型选择:快速模式用 SWE-1.5(适合日常任务),智能模式用 Sonnet 4.5(处理复杂场景)。
3. 生成:AI 分析代码结构(如文件间依赖、数据流),输出嵌套分组的地图。例如,在调试认证问题时,它会突出相关模块,并链接到具体代码行。
4. 交互:用户可展开节点获取更多上下文,或切换到线性文本视图。

和传统表示的区别
传统代码表示(如静态文档或基本 IDE 导航)往往静态且碎片化,而 CodeMaps 是动态的、AI 驱动的:
· 精准 vs. 泛化:通用智能体给出答案,但不解释“路径”;CodeMaps 提供端到端的导航链条。
· 可视化与可解释:它融合图形和文本,减少认知负担,避免“vibeslop”(AI 生成的超出人类理解的低质代码)。
· 协作导向:促进工程师对 AI 输出保持问责,确保“理解即问责”。

帮助:提升代码智能任务
CodeMaps 在实际应用中表现出色,尤其在:
· 入职加速:新工程师从 3–9 个月的“爬坡期”缩短,快速掌握遗留系统。
· 调试与重构:轻松追踪数据管道或安全漏洞,节省每周 5+ 小时的指导时间。
· 生产力提升:释放工程师专注于高价值工作,如架构设计,而非低价值导航。
· AI 增强:在 Devin 或 Cascade 等智能体中引用 CodeMaps,能显著提高任务解决准确率。

未来展望与开放问题
CodeMaps 被视为“人类可读的自动上下文工程”一步,未来可能演变为开放协议(如 .codemap 文件),允许其他工具集成,促进团队协作和学习。团队指出,它能“增强工程师的高价值工作,缓解低价值负担”。然而,潜在挑战包括大规模代码库的扩展、模型准确性保障,以及动态代码变更的处理,这些仍待探索。

文章地址

Cognition Labs 推出 CodeMaps:全新的代码表示方式 软件工程中有一个普遍痛点:理解复杂代码库很难!这不仅仅是新手工程师的困扰,即使资深开发者也常常花费大量时间在代码引用导航跳转上。根据 Stripe 研究,遗留代码维护已成为生产力最大的拖累,而现有 AI 编码工具往往依赖“通用智能体”,这些智能体能快速生成代码,但缺乏精准的上下文导航,导致工程师与代码的“脱节”。这种方法虽高效,却可能削弱人类的责任感和对系统的深刻理解,尤其在调试、重构或架构决策等高价值任务中。 核心概念:CodeMaps 是什么? CodeMaps 是一种“首创的 AI 标注结构化代码地图”。它不是简单地生成代码,而是为特定任务创建“即时映射”,帮助工程师可视化和导航代码库。想象一下:当你打开一个代码库并输入提示(如“追踪客户端-服务器交互”)时,CodeMaps 会生成一个快照式的地图,标注文件、层级和系统间的关系,让你能直观地“跳跃”到精确的代码行。 与传统代码表示(如纯文本或基本图表)不同,CodeMaps 强调 人类-AI 协作。它使用 SWE-1.5 或 Claude Sonnet 4.5 等模型生成,确保输出尊重“零数据保留”(Zero Data Retention)原则,即不存储用户数据。地图支持两种视图:绘图式概览(便于快速浏览)和文本式“追踪指南”(提供深入解释),用户还能在提示中引用它(如 @ {codemap}),提升后续 AI 响应的准确性。借用 Paul Graham 名言强调:“你的代码是你对问题理解的体现。只有当代码在你脑海中时,你才真正理解问题。” CodeMaps 正是为了“开启你的大脑,而不是关闭它”。 如何构建 CodeMaps? 构建过程相对简洁,但依赖代码的结构化分析: 1. 输入:在 @windsurf 中打开代码库,输入自然语言提示或选择自动建议。 2. 模型选择:快速模式用 SWE-1.5(适合日常任务),智能模式用 Sonnet 4.5(处理复杂场景)。 3. 生成:AI 分析代码结构(如文件间依赖、数据流),输出嵌套分组的地图。例如,在调试认证问题时,它会突出相关模块,并链接到具体代码行。 4. 交互:用户可展开节点获取更多上下文,或切换到线性文本视图。 和传统表示的区别 传统代码表示(如静态文档或基本 IDE 导航)往往静态且碎片化,而 CodeMaps 是动态的、AI 驱动的: · 精准 vs. 泛化:通用智能体给出答案,但不解释“路径”;CodeMaps 提供端到端的导航链条。 · 可视化与可解释:它融合图形和文本,减少认知负担,避免“vibeslop”(AI 生成的超出人类理解的低质代码)。 · 协作导向:促进工程师对 AI 输出保持问责,确保“理解即问责”。 帮助:提升代码智能任务 CodeMaps 在实际应用中表现出色,尤其在: · 入职加速:新工程师从 3–9 个月的“爬坡期”缩短,快速掌握遗留系统。 · 调试与重构:轻松追踪数据管道或安全漏洞,节省每周 5+ 小时的指导时间。 · 生产力提升:释放工程师专注于高价值工作,如架构设计,而非低价值导航。 · AI 增强:在 Devin 或 Cascade 等智能体中引用 CodeMaps,能显著提高任务解决准确率。 未来展望与开放问题 CodeMaps 被视为“人类可读的自动上下文工程”一步,未来可能演变为开放协议(如 .codemap 文件),允许其他工具集成,促进团队协作和学习。团队指出,它能“增强工程师的高价值工作,缓解低价值负担”。然而,潜在挑战包括大规模代码库的扩展、模型准确性保障,以及动态代码变更的处理,这些仍待探索。 文章地址

专注 - Context Engineering, AI(Coding)Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱:shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴 🔗 信息卡提示词 🔽

avatar for meng shao
meng shao
Wed Nov 05 00:45:15
  • Previous
  • 1
  • More pages
  • 968
  • 969
  • 970
  • More pages
  • 2127
  • Next