> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/zh-hant/2025/w34-some-practical-ai-sharing.md).

# W34-一些AI實踐分享

最直觀的是多模型協作的用法：用 Gemini-2.5-pro 來提問，再讓 Claude 來寫，相當於 Claude 在給 Gemini 打工。這樣的搭配能讓模型各展所長，一問一答之間產生更高的效率和更好的輸出質量。

輸入的質量直接決定了輸出的質量。結構化表述往往比隨意的自然語言描述要高效得多，模型更容易抓住重點；角色提示詞也並非擺設，在測試任務、編碼任務這類場景下，角色設定會帶來明顯的差異；而在編碼任務中，模型的表現更依賴於上下文的完整性，比起角色設定，是否能在輸入中填充足夠的上下文信息，對結果影響更大。

對提示詞的進一步理解，要嚴肅地把它當成一門工程來看。相比微調這類需要耗費更多資源的方法，提示工程能在更短時間內帶來性能的飛躍。看過洩露出來的各家系統提示詞之後，動輒幾千行的內容，本質就是自然語言寫成的工程化代碼。它們裡邊有流程，有約束，有優先級，完全像一份龐大的配置文件。

不同模型對提示詞的偏好差異也很明顯。OpenAI 的 GPT 系列在 JSON 結構化輸入下更穩定，邏輯一致性更好；Anthropic 的 Claude 系列則在 XML 或者標籤化風格下表現得更穩健。同一段提示詞，分別交給 GPT 和 Claude 的提示詞優化器去處理，觀察產出的結果風格，能直觀感受到兩家在模型偏好上的差異。

關於賬號封禁，我覺得用戶政策最嚴格的應該就是 Claude。我去年註冊的一個賬號，今年四月份被封，裡面還有餘額，甚至連一封解釋郵件都沒收到。不過我發現了一個好用的方法，用 Apple iCloud 的隱私郵箱註冊，這樣對第三方來說只會看到蘋果的中繼服務，身份追蹤的難度就大大增加了。

關於 Claude Code 的體驗。它的自定義 slash 和 hooks 功能很強大，靈活擴展性強，便於遷移，而且 CC 可以和主流 IDE 的terminal 集成，體驗流暢。我目前的最常用組合是 Windsurf 搭配 Claude Code，既能保持 IDE 的順手感，又能充分利用 CC 的擴展能力。