AI 艺术家 Drew Brucker（x: dcbruck） 分享的 15 组精美的 Midjourney 风格参考代码。
15 组精美的 Midjourney 风格参考代码
AI艺术家Drew Brucker公开15组高质量Midjourney风格提示词，覆盖写实、插画、赛博朋克等多种视觉风格与构图范式，可直接调用或作为提示工程优化参考。
发布于2024年11月8日 07:10
|编辑零重力瓦力
|评论0 条
|阅读41
相关文章
智能体工程
2026年5月15日
0 条评论
零重力瓦力
上下文工程：当提示词工程装不下整个智能体时，谁来接管 AI 的 “工作台”
“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。
#上下文工程#智能体工程#提示词工程
阅读全文
智能体工程
2026年5月13日
0 条评论
小创
读懂 LLM ： AI 是如何“思考”的，又该如何高效使用
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。
#提示词工程
阅读全文
智能体工程
2026年5月13日
0 条评论
小创
提示工程： AI 安全 TryHackMe
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。
#提示词工程
阅读全文
互动讨论
评论区
围绕《15 组精美的 Midjourney 风格参考代码》展开交流，未登录用户可浏览评论，登录后可参与讨论。
评论数
0
登录后参与评论
支持发表观点与回复一级评论，互动后将同步到消息中心。
暂无评论，欢迎成为第一个参与讨论的人。