Brad Menezes,企业型 vibe 编码初创公司 Superblocks 的 CEO,认为下一代价值数十亿美元的初创企业创意几乎就隐藏在眼前:现有独角兽级 AI 初创企业使用的系统提示。
系统提示是 AI 初创企业用来指导像 OpenAI 或 Anthropic 这样的公司的基础模型如何生成它们的应用级 AI 产品的冗长提示文字(超过 5,000-6,000 个字)。在 Menezes 看来,它们就好比是 prompt 工程的高级课程。
“每个公司对于同一个 [基础] 模型都有完全不同的系统提示,”他在接受 TechCrunch 采访时说道。“他们试图让模型正好完成某个特定领域、特定任务所要求的操作。”
系统提示并非完全隐藏。客户可以要求许多 AI 工具共享它们的提示,但这些提示并不总是公开提供。
因此,作为其初创公司新产品 —— 企业编码 AI 代理 Clark —— 发布公告的一部分,Superblocks 提供了一份包含来自一些最流行的 AI 编码产品(如 Windsurf、Manus、Cursor、Lovable 和 Bolt)的 19 个系统提示的文件。
Menezes 的推文迅速走红,总浏览量接近 200 万,其中包括硅谷的一些重量级人物,比如前 Founders Fund 和 Brex 的 Sam Blond,以及 Superblocks 的投资者 Aaron Levie。Superblocks 上周宣布,其面向企业非开发者的 vibe 编码工具完成了 2,300 万美元的 A 轮融资,使其总融资额达到 6,000 万美元。
于是我们请 Menezes 为我们讲解如何研究他人的系统提示以获得洞察。
Menezes 解释道:“我认为我们在构建 Clark 并研究系统提示过程中最大的收获在于,系统提示本身可能只占‘秘密武器’的 20%。” 这一提示为大语言模型提供了基本的执行指南。
他说,其余 80%则是“提示增强”,即初创公司围绕调用大语言模型所构建的基础设施。这部分包括附加在用户提示上的指令,以及在返回响应时采取的操作,例如进行准确性检查。
角色、上下文与工具
他表示,系统提示中有三个部分值得研究:角色提示、上下文提示以及工具使用。
首先需要注意的是,尽管系统提示是以自然语言书写,但它们非常具体。“你基本上需要像与人类同事交流那样说话,”Menezes 说道,“而且这些指令必须是完美无缺的。”
角色提示有助于大语言模型保持一致性,同时赋予其目的性和个性。例如,Devin 的提示开头写道:“你是 Devin,一位使用真实计算机操作系统的软件工程师。你真是一位代码高手:很少有程序员能像你一样擅长理解代码库、编写功能完整且整洁的代码,并不断迭代直至修正错误。”
上下文提示为模型提供了在行动前需要考虑的相关背景信息。它应当设定一些约束条件,例如降低成本并确保任务的清晰性。
Cursor 的提示指示:“仅在必要时调用工具,并且绝不向用户提及工具名称 —— 只需描述你正在执行的操作。……除非被要求,否则不要显示代码。……编辑前请先阅读相关文件内容,并修正明显错误,但切勿猜测或循环修复超过三次。”
工具使用使代理任务成为可能,因为它指导模型如何超越仅仅生成文本。例如,Replit 的提示篇幅较长,详细描述了编辑和搜索代码、安装编程语言、设置及查询 PostgreSQL 数据库、执行 shell 命令等操作。
研究他人的系统提示帮助 Menezes 发现了其他 vibe 编码工具所强调的重点。他指出,像 Lovable、V0 和 Bolt 这样的工具“注重快速迭代”,而“Manus、Devin、OpenAI Codex 以及 Replit”则帮助用户构建全栈应用程序,不过“输出的代码依然是原始代码。”
Menezes 看到一个机会:如果他的初创公司能够处理更多问题(例如安全性以及对 Salesforce 等企业数据源的访问),就能让非程序员也能编写应用程序。
尽管他尚未运营起梦想中的多亿美元级初创企业,但 Superblocks 已经赢得了一些知名公司的青睐,客户包括 Instacart 和 Paypaya Global。
Menezes 还在内部试用这款产品。他的软件工程师不允许编写内部工具,他们只能专注于构建产品。因此,他的业务团队已经为各类需求构建了代理,例如利用 CRM 数据识别潜在客户的代理、跟踪支持指标的代理,以及平衡分配销售工程师任务的代理。
“这基本上是一种让我们自己构建工具而不是购买工具的方式,”他表示。
好文章,需要你的鼓励
安全公司Backslash Security警告称,Cursor AI编程助手的YOLO自动运行模式存在严重安全隐患。该模式允许AI代理在无人工审批情况下执行多步骤编程任务,但其拒绝列表防护机制极易被绕过。研究人员发现至少四种方法可绕过命令限制,包括混淆编码、子shell执行、脚本文件写入等。恶意指令可通过导入未审计的GitHub文件或处理被注入的代码库内容传播,使文件删除保护等安全措施形同虚设。
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
数据中心服务器通常部署在机架或机箱中,但两者并非同一概念。服务器机架是容纳多台服务器的金属外壳,通常垂直堆叠;而机箱是容纳服务器内部组件的外壳,是机架内的较小模块。机架服务器体积较大,通常占用单个机箱;刀片服务器更小,可在一个机箱中部署多台。理解两者区别对数据中心设计至关重要,影响服务器类型选择、冷却效率和硬件部署方案。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。