提示词工程实战指南：从零搭建可复用的模板库-北京尧图网络

最近接了好几个要做提示词优化和模板化的活儿从新媒体小编的选题系统到几个独立开发者的产品文案再到一个培训团队用来批量生成课程大纲的内部工具绕来绕去都离不开同一个核心怎么把提示词从“碰运气”变成“可复制、可预期、可迭代”的工程产物。很多朋友一开始都问我提示词工程是不是就是“把话说得更清楚一点”。这个说法对了一半。把需求写清楚只是地基真正拉开差距的是对模型行为的理解、对输出格式的控制、以及对不确定性的管理。今天这篇就把我在这几个项目里实际用下来、验证过有效的方法做一个完整清单一共10个技巧每个都配了可直接复制的模板最后附一套我自己整理的模板库结构拿来改改就能用。1. 内容整体设计与思路拆解1.1 先说清楚提示词工程到底在解决什么问题在刚开始接触AI对话模型时很多人都有过类似体验同一个问题换个问法答案质量完全不同昨天能稳定输出的格式今天重启会话后就变了想让模型给出简洁答案它却洋洋洒洒写了一长篇。这些问题不是因为模型“笨”而是因为提示词没有把模型的表达能力稳定地激发出来。提示词工程要解决的正是三个核心问题第一如何让模型稳定理解你的真实意图而不是被你省略的上下文带偏第二如何让输出格式可控、内容可靠而不是每次都在“正确但没用”和“有用但不规范”之间摇摆第三如何让优雅的提示词可以被复用和迭代而不是每次都要从零开始试错。以我最近给一个技术团队做的“竞品分析报告生成器”为例。最开始他们自己写的提示词就是一句“帮我分析一下XX产品的优劣势”效果大家也能猜到——分析倒是写了但结构零散、没有数据支撑、也没有结论导向运营同事拿到手基本没法直接用。后来我把任务拆成角色限定、分析维度、输出格式、语言风格、样本示范5个模块重新组织提示词输出质量立刻就不一样了。这里面的关键不是加了几个形容词那么简单而是让模型的每一步推理都有明确的约束和参照物。这个例子说明了提示词工程的第一性原理模型不是搜索引擎它不能“知道”你想要什么它只是在根据输入文本的概率分布来生成最可能的下文。提示词的作用就是把这个概率分布往你需要的方向上推推得越精确输出就越贴近预期。1.2 为什么你需要一个模板库而不是一堆零散提示词很多人的浏览器收藏夹里都躺着几十条“好用的提示词”真到用的时候却经常翻半天找不到合适的或者找到了但发现是几个月前为另外一个场景写的根本不匹配。零散提示词的另一个问题是无法量化迭代你把一段提示词改了一个词输出结果确实变好了但并没有记录改了什么、为什么改、效果提升多少下次遇到类似问题还是要重新走弯路。模板库解决了这个问题。它不是一份静态的文档而是一套包含结构规范、参数变量、版本记录、效果备注的动态框架。我自己的做法是把所有提示词按照“基础结构类”“角色扮演类”“格式控制类”“分析推理类”“创意生成类”五个大类归档每一条都遵循统一的模板格式包含触发场景、模板正文、可变参数、使用说明、更新记录五个字段。举个例子我给内容团队配的“小红书种草文案模板”就经历了四次迭代。V1版本只定义了角色和主题V2加入了情绪关键词和字数限制V3增加了目标人群画像V4补充了竞品风格参考和禁用词清单。每次迭代都记录在模板库的版本字段里新同事接手时直接看更新记录就能理解整个演变过程。这种体系化沉淀的方式才是提示词工程“可维护、可规模化”的关键。这个技巧集中的思路可以套用到几乎所有场景。写提示词这件事本身也应该像一个软件项目一样管理——有需求分析、有方案设计、有测试用例、有版本回滚。2. 核心细节解析与实操要点2.1 技巧一角色设定不是装饰是给模型“发参考坐标”角色设定可能是最被低估的提示词技术。很多人觉得在提示词里加一句“你是一个资深文案专家”没什么实际作用但实验数据和我自己的测试都表明明确角色定位可以显著提升输出的专业性和上下文一致性。原因在于大型语言模型在训练过程中接触了大量不同角色、不同风格的文本这些文本在模型内部形成了不同的“语义簇”。当你明确设定角色时其实是在引导模型从对应的语义簇中提取知识。就像你问一个朋友“如果你是一个注册会计师你会怎么看这个报表”他自然会更倾向于调用财务分析框架而不是用日常聊天的方式回答。实操模板请以[角色名称]的身份回答以下问题。你在[行业/领域]有[年限]年实践经验擅长[核心技能1]、[核心技能2]和[核心技能3]。请注意保持专业、严谨的风格避免口语化表达。使用这个模板时有几个细节需要注意。第一角色描述要具体而不是空泛的“专家”二字。比如“有十年电商操盘经验的运营总监”就比“电商专家”更有效。第二角色描述要与任务目标一致不要同时设定多个角色否则模型容易“精神分裂”。第三如果任务本身是多维度的可以用“主角色辅助视角”的方式来处理比如“你是一位产品经理同时请从技术实现的角度补充意见”。2.2 技巧二用输出格式锁定模型的“回答框架”如果你需要的是结构化内容——表格、列表、固定字段的文案——那就必须在提示词里明确输出格式而不是在生成之后自己手工整理。这个技巧我觉得是10个技巧里性价比最高的几乎适用于所有场景。为什么模型默认不会输出结构化的答案因为训练数据里既有一大段的文章也有分条列点的笔记模型无法判断你此刻想要哪种。你的提示词如果不给出格式指令它就会按照“概率最大”的默认方式输出也就是最常见的大段文字。实操模板请按照以下格式输出结果结论一句话概括核心结论原因分析列出3-5个关键原因每个原因用一两句话说明行动建议列出2-3条可执行的建议并说明预期效果注意事项列出可能的风险或需要关注的点这里要特别强调格式指令要说得越明确越好。不要只说“用列表的形式”而要给出每个字段的名称、数量要求、详细程度。我在给开发团队设计“Bug描述生成器”时就是让模型按【问题现象】【复现步骤】【影响范围】【初步排查方向】四个字段输出QA同学拿到的信息直接用不需要再跟开发来回沟通。2.3 技巧三样本示范是比描述更有效的“教学方式”有时候你很难用文字描述清楚到底想要什么风格、什么结构、什么调性的输出。这种情况下的最佳解决方案是提供1-3个样本示例让模型“照葫芦画瓢”。这背后的逻辑是文字描述是一种二阶抽象——你先在脑中形成对目标风格的认知再把这种认知转化为语言描述模型再通过语言描述还原你的意图。这个过程中信息损耗是必然的。而示例输入是一种零阶抽象模型可以直接通过模式匹配来理解你想要的风格和结构。实操模板请模仿以下示例的风格生成[所需内容]。示例1输入[示例输入1]输出[示例输出1]。示例2输入[示例输入2]输出[示例输出2]。请保持与示例相同的结构、语气和详细程度。举个例子我给一个自媒体团队做“标题改写助手”的时候初始版本只是说“请把标题写得更吸引人”效果时好时坏。后来我在提示词里加了三个示例分别展示“悬念型”“数字型”“冲突型”三种改写风格模型输出的一致性立刻上了一个台阶。团队成员后来反馈说他们现在拿到示例之后基本不需要再额外提修改意见了。使用示例时有一个小技巧示例最好包含边界情况。比如你希望模型生成的文本不要超过200字就在示例里放一个恰好199字的样本你希望模型对某个问题回答“不知道”就在示例里放一个明确回答“这个问题无法回答”的样本。这样模型会从示例中学到更丰富的约束信息。2.4 技巧四把大任务拆成小步骤用思维链引导模型逐步推理复杂任务如果一次性丢给模型往往会出现逻辑混乱、信息遗漏、推理不连贯等问题。这不仅影响输出质量也增加了后期修改的成本。把大任务拆解成小步骤通过“思维链”的方式引导模型逐步推理是这些年被验证最有效的方法之一。思维链原理不复杂相当于给模型一个“草稿本”。研究表明在Prompt中让模型先梳理思路再给出结论可以把复杂推理任务的准确率提升数倍。原因是模型本身是逐词生成内容的如果它能在生成过程中把中间步骤也输出出来相当于给自己的后续内容提供了额外的上下文参考。实操模板以竞品分析为例步骤1请列出[产品名称]的核心功能模块并简要说明每个模块解决的用户痛点。步骤2基于步骤1的功能列表对比[竞品名称]和[产品名称]在功能覆盖上的差异。步骤3针对差异点分析[产品名称]的差异化优势与潜在短板。步骤4综合以上分析输出一份300字左右的竞品分析摘要包含结论和行动建议。配合前面的格式控制技巧可以让模型在每一步都输出指定格式最后再汇总。这样既能保证逻辑链条完整又能得到可直接使用的结构化内容。2.5 技巧五否定指令要慎用正面引导更可靠“不要写太长”“不要用太官方的语气”“不要提敏感话题”——这些否定指令在提示词里经常出现但效果往往不太稳定。这背后有认知语言学的原因人类和模型在理解否定句时都需要先把否定的内容“过一遍”才能处理这个过程中否定的对象思维反而可能被激活。实操中的体会是与其告诉模型“不要做什么”不如告诉它“要做什么”。比如“不要写太长”可以改为“请控制在200字以内”“不要用太官方的语气”可以改为“请用朋友聊天的口吻多用日常生活词汇”“不要提敏感话题”可以改为“请围绕[主题]的正面价值展开避免讨论争议性问题”。如果确实需要设定某些边界我的建议是同时给出正面指令和边界说明比如“请提供关于[主题]的详细介绍重点包含[正面关键词1]和[正面关键词2]。如遇到不适合讨论的内容请直接回答‘这个问题超出我的能力范围’。”这样既给模型指明了行动方向也预设了无法处理时的退出机制。2.6 技巧六温度参数与提示词的配合——你可能忽略了“怎么说”之外的“什么环境”这个技巧严格意义上已经超出了提示词文本本身但它对输出质量的影响比我最初预想的还大。很多人在各种在线应用里生成了不太满意的结果第一反应是不断修改提示词却忽略了一个事实提示词承载的是方向和内容而生成参数决定的是模型的“表达性格”。以温度参数为例温度值低的时候模型倾向于选择高概率的词输出更确定性、更保守温度值高的时候模型更愿意尝试低概率的词输出更有创造性、更多样。如果你需要在提示词里做头脑风暴或创意发散可以配合较高的温度如果你需要模型做事实性问答或结构化输出低温度通常更合适。实操模板请为[活动名称]设计3条海报文案分别侧重温情、幽默、燃动三种风格每条不超过30字。配套生成参数参考temperature0.7top_p0.9。这个技巧的核心是不要把提示词和生成参数割裂开来。高级玩家会把温度参数也作为提示词工程的一部分来管理。比如在一个模板库里每个模板都记录推荐的生成参数这样即使团队成员换了生成结果也能保证稳定。2.7 技巧七用“分步确认”实现多轮对话中的复杂任务一次性的长篇任务容易出错但把任务拆成多轮对话可以显著降低这种风险。核心思路是让模型在进入下一步之前先展示中间结果你确认后再继续。这种方式特别适合报告撰写、方案策划、代码开发等需要反复调整的任务。实操流程第一轮请列出[项目名称]的需求分析包含目标用户、核心功能、成功指标三个部分每部分请用5条以内的要点说明。第二轮基于第一轮的需求分析请生成功能优先级排序并说明排序理由。第三轮根据前两轮内容请输出一份完整的项目提案包含项目背景、方案概述、实施计划、风险与对策。我的一个习惯是在第二轮的提示词里加上一句“请先复述你理解到的需求再进行排序”。这个设计背后的逻辑是如果模型在第一轮的理解已经有偏差那么通过第二轮先输出理解可以让你及时发现偏差并纠偏而不是等到第三轮生成了完整方案才知道跑偏了。这个“复述确认”思路虽然多了一次对话但长期来看节省的修改时间非常可观。2.8 技巧八增加“未说出口的约束”——隐含知识注入很多人写提示词时只考虑“我要什么”却忽略了一个信息源模型训练时积累的大量行业默认规则和常识。你可以通过提示词里的“身份背景预期约束交叉”来唤醒这些隐含知识让模型的输出更贴合行业实际。举个例子同样是让模型写一份产品需求文档普通提示词是“请写一份关于[X功能]的产品需求文档”优化后的提示词是“你是有5年C端产品经验的产品经理请为[X功能]撰写产品需求文档假设读者是研发和测试团队请包含他们对评审最关注的字段”。后者明显更有信息含量因为它在提示词里预埋了“面向研发和测试评审”这个隐性约束模型自然会调动关于评审关注点的知识来补充内容。2.9 技巧九迭代与版本管理——把提示词当成代码来维护我见过太多团队和个人在提示词达到“能用”的程度之后就停止了优化。但“能用”和“好用”之间有很大差距。把提示词当成代码来维护是工程化思维的体现。版本管理实操方法每个版本记录修改日期、修改人、修改内容、修改原因每个版本保留A/B测试的效果对比数据每次修改只改一个变量不要同时调整多个部分关键模板建立回滚机制新版本效果不佳时可以快速恢复我在给一个内容团队建设模板库时专门设计了一个“版本对比表”用来记录同一模板不同版本的生成效果评分。经过一个月的积累这个表变成了团队最宝贵的知识资产之一——新品类的文案提示词直接从历史版本中选效果最好的来改不再是从零开始试错。2.10 技巧十善用长文本与重复关键约束——提示词里“重要的事情说三遍”实际操作中你会发现某些约束如果只在提示词里出现一次模型很容易选择性遗忘。比如你在提示词开头说了“控制在200字以内”但后面又给了一大段背景材料模型生成的文本往往会超过200字因为它已经把背景材料的细节“吸收”进去生成时的注意力被那些信息分散了。解决办法是在提示词的多个位置重复关键约束。不用一模一样的表述可以开头说“用简洁的语言200字以内”结尾再说“总结内容并确保总字数不超过200字”。这种重复约束不是降低质量而是为了保证生成结果的核心属性。我在模板库里会专门标注那些“关键约束字段”并提醒使用者这些字段需要在开头和结尾各出现一次。3. 实操过程与核心环节实现3.1 从零搭建一套可直接复用的提示词模板库前面的技巧讲了很多“招式”这里把它串成一套完整可落地的体系。我分享一下自己现在用的模板库结构以及它的搭建思路你可以直接照着搭。模板库的定位是一套“积木”式的提示词管理方案每个模板都是独立的积木既可以直接单独使用也可以把多个积木组合成一个复杂的提示词工作流。模板库目录结构prompt-library/ ├── 01-角色扮演类/ │ ├── 文案专家.md │ ├── 数据分析师.md │ └── 项目顾问.md ├── 02-格式控制类/ │ ├── 会议纪要.md │ ├── 竞品分析.md │ └── 需求文档.md ├── 03-分析推理类/ │ ├── 五力分析.md │ ├── 优劣对比.md │ └── 归因分析.md ├── 04-创意生成类/ │ ├── 标题生成.md │ ├── 广告文案.md │ └── 故事大纲.md └── 05-工作流类/ ├── 市场调研.md ├── 活动策划.md └── 课程开发.md每个模板文件内部统一用五个字段组织触发场景什么情况下使用这个模板模板正文完整可复制的提示词可变参数用【】标出的需要每次替换的内容推荐参数合适的温度、top_p等生成参数版本记录历次修改内容和效果对比3.2 模板正文示例从“能用”到“好用”的演化过程以我最常用的“会议纪要模板”为例展示一个模板从初版到最终版的完整演化过程。V1初版请整理以下会议记录的摘要 [粘贴会议记录]V2加入角色与格式你是一位有十年经验的研发团队项目经理请根据以下会议记录生成会议纪要。请按以下格式输出会议主题参会人员讨论要点待办事项V3加入步骤链与关键约束你是一位有十年研发团队管理经验的项目经理请根据以下会议记录生成结构化会议纪要。请按照以下步骤处理步骤1先提取会议中的核心讨论话题每个话题用一句话概括步骤2针对每个话题列出关键观点和分歧点步骤3识别所有待办事项明确负责人和截止时间如原文未提及请标注“待确认” 步骤4输出最终会议纪要。格式要求使用Markdown格式按“会议主题/参会人员/讨论话题/待办事项/风险提示”五个板块组织总字数不超过300字。会议记录原文【粘贴内容】这个V3版本的效果提升非常明显收到纪要的人能够快速聚焦待办事项和风险而不是在冗长的讨论记录里找重点。V4版本甚至加入了“给主持人的建议”模块根据会议中的讨论效率生成改进建议这个功能反而成了团队最欢迎的部分。3.3 模板组合技巧用“工作流”串联多个基础模板如果把单条提示词比作一个函数那么工作流就是把多个函数组合成一个完整的程序。实际工作中很多复杂的任务不是一条提示词能解决的而是需要多条提示词按顺序协同。以“市场调研工作流”为例第一步用“目标画像模板”生成目标用户画像第二步用“竞品分析模板”分析两个主要竞品第三步用“SWOT分析模板”对目标市场做综合分析第四步用“报告生成模板”把前几步的结果汇总成一份完整报告这种工作流的好处是有序可控。如果最后生成的报告不满意你可以快速定位是哪个环节出了问题——是画像不准还是竞品分析太浅然后只优化对应环节的提示词即可不需要整条链路推倒重来。3.4 一个完整的实战演示如何从0打造“新品上市宣传方案”最后用一个综合案例来演示前面所有技巧的串联应用。假设要给一款智能水杯设计上市宣传方案。步骤一先用角色设定法让模型进入状态我“你是一位专注消费电子领域8年的品牌营销顾问服务过国内外多个知名品牌擅长定位差异化卖点、打造有传播力的营销方案。请基于以下产品信息为我提供一套新品上市宣传方案。产品信息智能水杯支持温度显示、饮水提醒、App记录饮水数据目标用户为25-35岁职场白领。”步骤二用步骤链方式引导模型逐步输出我“请按以下步骤进行分析第一步提炼产品的核心功能卖点和情感卖点第二步分析目标用户的核心场景和痛点第三步定义产品的一句话定位第四步给出上市期三波传播活动创意每波包含主题、渠道、预计效果。”步骤三用格式控制确保输出可落地我“最后请将所有分析结果汇总为以下结构的方案背景分析、用户洞察、产品定位、传播规划、执行建议。每个部分不少于300字传播规划部分请用表格形式展示。”步骤四提供样本参考校准风格我“参考以下风格的方案表述——‘通过场景化沟通让产品从工具升级为生活方式伴侣’整体语气保持专业但不晦涩避免行业黑话。”这个综合案例里我同时用了角色设定、步骤链、格式控制、样本参考、工作流串联五个技巧。你可以直接拿这个思路去套自己的产品替换产品信息即可。4. 常见问题与排查技巧实录4.1 为什么加了角色设定输出还是不如预期这个问题很多人问过。实际排查思路是先看角色设定是否与任务方向一致再看是否只是“名义设定”而没有为角色赋予具体的背景、技能和风格锚点。只写“你是专家”相当于给模型一个空壳角色模型不知道该调用哪套知识体系来配合你。我的建议是每次角色设定后先让模型用一句话复述它对这个角色的理解再进入正式任务。这不是多此一举而是让模型在角色和任务之间建立一个显式的连接。如果复述结果偏差较大那大概率是角色设定里缺乏关键约束信息。4.2 模板生成结果总是不稳定时好时坏怎么办不稳定的本质原因是提示词对输出的约束不够强。约束包括两个维度对内容的约束和对格式的约束。内容约束告诉模型“说什么”格式约束告诉模型“怎么说”。如果你的提示词里“说什么”的定义比较清晰但“怎么说”没有明确那么模型每次可能用不同的表达风格和结构来回答给人的感觉就是“时好时坏”。解决方法是增加格式锚点。具体来说在提示词里明确输出的标题、段落数量、每段字数、是否使用列表、是否需要引用数据等。还有一个更前端的解决方案是固定生成参数——温度调低、随机种子固定有些平台支持输出稳定性会有明显提升。4.3 模型输出违反提示词中的字数限制怎么破这是所有提示词工程师都会遇到的问题。模型对“字数”“篇幅”这类定量约束的感知不太灵敏尤其是当任务本身比较复杂时它会倾向于把内容写全——即便这远超你要求的字数。我的经验是同时使用“软限制”和“硬限制”。软限制是提示词里的建议性描述“建议控制在300字以内”硬限制是格式约束“请用不超过5个要点输出”。软限制给模型一个方向硬限制给模型一个落点两者结合的效果远好于只依赖其中一个。如果条件允许还可以在生成后做一道自动校验用脚本统计输出字数超过设定阈值时自动触发二次生成或截断处理。这在需要批量生成内容的场景里尤其重要。4.4 模型“幻觉”严重虚构数据怎么办幻觉问题的根源在于模型在生成过程中会基于概率“补全”信息而不是区分事实与虚构。提示词的介入可以有效降低幻觉率但无法完全消除。可行的做法有以下几种在提示词中明确要求“基于给定材料回答不要补充材料之外的信息”如果需要数据支撑要求模型标注数据来源或“此数据为估算”对关键事实性问题要求模型先输出“需要注意的事实核查点”再输出正式内容在提示词中预设“未知信息处理规则”当遇到不确定的问题时回答“无法确认”我在给企业内部知识库搭建“智能问答助手”时把“无法确认时直接说明”写进了系统级提示词并且把外部知识库材料作为参考信息接进去幻觉率从最初的近30%降到了5%以内。4.5 长文本生成中断或逻辑不连贯如何优化长文本生成的难点在于模型在生成了前1000字之后可能会忘记或偏离第10行时已经设定的结论。这本质上是一个“注意力漂移”问题。对策是在长文档生成前先让模型输出一个结构大纲确认大纲后再逐段生成。每一段生成时把前面已完成的段落也作为上下文提供确保前后一致。这种方法比一次性生成整篇长文的成功率高出许多而且也更便于你控制每段的质量。5. 实操心得与进阶建议几套玩下来我的总体感受是提示词工程的能力曲线不是线性的在前期靠堆技巧确实能很快看到提升但真正拉开差距的是系统化思维——能不能把单个提示词转化为一套可复制、可度量、可持续迭代的体系。模板库就是这个体系的操作系统。我自己踩过不少坑最重要的一条是不要为了“炫技”而把提示词写得过于复杂。一个优秀的提示词应该像好的说明书信息密度高、结构清晰、没有冗余。如果你把提示词写到连自己都要读两遍才看懂的程度模型大概率也没法准确理解。另一个很有价值的习惯是积累“微模板”。所谓微模板是指提示词中经常复用的小片段比如“请用一句话总结核心观点”“如果信息不足请直接说无法回答”“输出时每个要点后附上一句补充说明”。这些微模板可以像乐高积木一样组合使用极大提高写提示词的效率。最后再补充一个很多人忽略的点提示词工程是一个需要持续投入的长期工作模型的每次更新都可能导致旧模板效果变化。每隔一段时间我自己是每月一次重新跑一遍核心模板库的“回归测试”把主要模板的输出效果记录下来对比历史版本及时调整不达标的模板。这个习惯可以让你的模板库时刻保持战斗力而不至于在某次模型升级后突然失效。本次分享的10个技巧和整套模板库基本覆盖了我在实际项目中用到的大部分武器。建议你先从最贴近自己工作场景的两个技巧开始试用跑顺了再逐步扩展到其他技巧。想清楚要解决什么问题再选择对应的提示词工具这样的效率远好过一次性堆叠所有技巧。希望这份模板库能帮你少走一些弯路哪怕只帮你省下一两天的试错时间这篇就值了。

提示词工程实战指南：从零搭建可复用的模板库

相关推荐

基于误差四元数的垂直发射导弹姿态调转控制与MATLAB仿真

Spring Boot+MySQL线上教学平台开发实践

战棋关卡设计的核心是决策逻辑，而非网格布局

更多资讯

从汽车电子到AI服务器：安世电源管理器件如何做底层基石

ENSP综合实验全解析：VLAN划分、Trunk配置、静态路由与DHCP排错指南

Fourier-Galerkin谱方法求解二维Navier-Stokes方程的Matlab实现

Oracle 9i补丁包p4547809在Windows 64位环境下的安装与迁移指南

注塑成型纤维取向模拟：从Jeffery方程到方向张量的工程实践

Zulip Atolio 集成指南：将频道、话题与消息索引到 Atolio 知识库

今日更新

AI驱动的自动化专利分析平台技术解析

LeetCode-Go 题解：1252. Cells with Odd Values in a Matrix（奇数值单元格计数）双解法剖析

在线答疑系统Java毕设实战：Spring Boot前后端分离与状态流转

本周精选

AI驱动的自动化专利分析平台技术解析

LeetCode-Go 题解：1252. Cells with Odd Values in a Matrix（奇数值单元格计数）双解法剖析

在线答疑系统Java毕设实战：Spring Boot前后端分离与状态流转

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？