蓝色时刻（日出/日落前后太阳位于地平线下4°–6°）天空呈现静谧蓝调，是都市鸟瞰影像的黄金时段。本文用Midjourney以“aerial photography + 城市名 + blue hour”等提示词，生成上海、巴黎、纽约等15座城市的AI鸟瞰图，展现建筑轮廓、灯火层次与氛围张力。
蓝色时刻（Blue Hour）指的是日出或日落时太阳高度在-4°与-6°之间的短暂时刻。在此期间天空会呈现出一种迷人的蓝色。摄影师们认为这是捕捉都市风光的最佳时机。接下来就让我们看看AI是如何呈现不同城市的蓝色时刻。
提示词：aerial photography（航空摄影） of Shanghai（城市名，AI仅能体现出相应城市的特征，与真实城市差异较大）, beautiful architecture（漂亮的建筑）, stunning view （迷人的景色）, city lights（都市灯光）, blue hour（蓝色时刻） --ar 16:9
“上下文工程” 正取代 “提示词工程”，成为 AI Agent 开发的核心范式。随着模型能力提升、Agent应用普及及企业合规需求，交互重点从单轮指令转向多步骤工作流中的动态信息编排。该领域涵盖系统指令、用户输入、检索知识、对话历史及工具定义五层结构。由于上下文窗口资源有限且易出现中毒、分心等失败模式，需通过ACE框架实现上下文的自进化与增量更新。实操建议包括外部化状态、按需检索、压缩累积及隔离多Agent上下文。本质上，上下文工程是提示词工程的超集，标志着 AI 开发进入以系统架构和状态管理为主导的工程时代。
掌握大语言模型（LLM）的核心在于理解其底层机制与交互技巧。首先，Token 是模型处理文本的最小单位，直接影响输入输出长度及费用。默认的非确定性模式赋予模型创意，但也导致结果不可预测。其次，温度、最大 Token 数和 Top-p 三个参数共同调控模型的随机性、回复长度及词汇选择范围，用户可根据精准或创意需求灵活调整。此外，受限于上下文窗口，模型仅能记忆当前对话片段，超出部分会被丢弃。最后，提示词质量决定输出效果，高质量的提示词应包含清晰指令、背景信息及期望格式，通过缩小猜测空间来提升回答的准确度。
TryHackMe 推出“提示词工程： AI 安全”实战房间，系统教授与大语言模型高效沟通的技能。课程涵盖 LLM 处理机制（ Token 、非确定性）、提示词结构（指令、上下文、格式、约束）、系统与用户提示词的区别及注入攻击风险、进阶技术（ CoT 、 Zero/Few-shot ）。通过六道安全场景挑战演示从分类到漏洞审查的实战技巧，强调将开放任务压缩为可执行指令的思路。
围绕《Midjourney 风格咒语：都市鸟瞰与蓝色时刻》展开交流，未登录用户可浏览评论，登录后可参与讨论。
