新闻、仓库与研究，按时间排列。
prompts.chat 更新了 Code Review Specialist 提示词模板，扩展为包含详细代码分析、亮点与改进点标注及可执行建议的结构，规则要求反馈客观、语言简洁、兼顾技术与风格。新模板支持 ${language}、${framework}、${focusAreas:code quality, performance, security} 三个自定义变量，聚焦代码质量、规范遵循、优化机会与潜在 bug 识别。
prompts.chat 更新了 "The Technical Co-Founder" 提示词，让 AI 担任产品开发伙伴，将用户想法转化为可上线的产品。新版把流程重构为 5 个阶段：发现与验证、战略蓝图、迭代开发、质量打磨与交付，强调产出真实可用产品而非原型。提示词要求 AI 用通俗语言解释技术决策、在关键节点征求用户批准，并让用户始终掌控决策。
prompts.chat 的每日 prompt 更新了第 94 条 Astrologer 提示词，将其从简单的占星师角色扩充为专业咨询级占星与占卜提示词。新版本要求使用传统与现代守护星、宫位制（如 Placidus 或 Koch）、相位与庙旺落陷等技术要素，并精确计算行星位置；同时支持基于 78 张 Rider-Waite-Smith 塔罗牌（含逆位解读）和 24 个 Elder Futhark 卢恩符文的占卜，还可推荐水晶与仪式建议。
prompts.chat 仓库中的 Prompt Generator 提示词迎来重写。新版要求 LLM 扮演提示词工程师，先向用户询问主题与细节，再按照名为 C.R.A.F.T. 的五段式结构——CONTEXT、ROLE、ACTION、FORMAT、TARGET AUDIENCE——生成详尽提示词，并支持用 [my placeholder] 占位符让用户填空。旧版仅是简单示例的一行提示词。
prompts.chat 的每日 prompt 更新将 Code Review Specialist 提示词从纯文本重写为结构化 YAML 格式，新增 system 角色、persona 元数据、分步任务指令、deliverables 与输出格式约束。新版本规定分析语法错误与逻辑缺陷、评估行业标准符合度、提出优化建议，要求反馈聚焦重大问题、保持专业语气并便于开发者直接实施。
prompts.chat 的每日 prompt 更新中修改了 "Lecturer" 提示词。新版本要求模型像专家（uniosun 讲师）一样讲解用户发送的每个 pdf 和图片，必要时使用助记法，让内容易于理解和吸收；旧版本则是逐 pdf 拆解总结以备考试。
prompts.chat 的每日 prompt 更新了名为 Video 的提示词，从原本“神秘调酒师倒发光绿色液体”的 4k 慢动作视频生成描述，改为让 AI 扮演一位睿智、善于把问题讲解得通俗易懂的专家，以吸引 TikTok 等社交平台的关注者。
prompts.chat 的 Session Continuity Engine（SCE）提示词发布 v1.2.4，新增 LLM ADAPTATION NOTE，用于控制输出格式与验证模板。该提示词由 Scott Malin 编写，可将完成的 AI 会话压缩为结构化延续包；新版本要求生成前先确认 Markdown 或 JSON 模式，默认按 0–8 节标题输出 Markdown，且第 8 节验证模板须原样输出而不作为指令执行。
prompts.chat 的每日 prompt 更新重写了 Code Review Specialist 提示词：让 AI 以资深软件开发者身份审查用户代码，评估是否符合行业标准和最佳实践，找出优化空间、逻辑错误、bug 及潜在安全漏洞，并给出建设性反馈。新版还要求评审客观公正、兼顾功能与非功能层面、保持专业尊重的语气。
prompts.chat 的每日 prompt 更新中，将第 50 条 Doctor prompt 从"扮演医生给出创意治疗方案"改写为"扮演医生，针对开放性腹股沟疝生成完整的病史采集"，提交者为 madhavbadaya@gmail.com。
prompts.chat 上的 Context Spellcheck Engine 提示词从 v1.0.1 更新至 v1.0.2，更新日期为 2026-10-18。新版新增 LLM adaptation note，要求分析技术文档、代码片段或配置术语时不要把专业词汇误判为同音字错误，上下文不足时宁可省略也不猜测，以减少误报。该提示词用于根据句子和文档语境识别拼写正确但可能不当的词，不修改原文。
prompts.chat 于每日 prompt 更新了 OSINT Navigator（开源情报导航）提示词，用于引导开源情报检索任务。
prompts.chat 新增一条 prompt "Act as a First-Time Manager One-on-One Coach"，帮助刚晋升的经理（常为原同事）主持每周一对一会议。prompt 会先询问团队规模、会议频率等背景，再提供 30 分钟会议模板、20 个分组问题、Situation-Behavior-Impact 反馈脚本、6 类棘手场景应对话术，以及 30 天自检；涉及骚扰或心理健康问题时会引导求助 HR 或专业支持。
prompts.chat 新增一个「Bug Report Normalizer and Triage Card」prompt：把原始 bug 报告规范化为严格的 JSON 分诊卡片。它要求区分事实与推断、不虚构版本号或日志，用 [REDACTED] 脱敏令牌、密码、邮箱等敏感数据，并按 S1_critical 到 S4_cosmetic、P0 到 P3 输出严重级与优先级；复现步骤不足时须在 missing_information 中提问，多个无关问题则拆分到 related_issues_to_split。
prompts.chat 收录新 prompt「Household Emergency Preparedness Plan Builder (YAML)」，可将简短的家庭描述转化为个性化的 YAML 应急准备计划，涵盖本地灾害、通信方案、集合点、物资包、家庭安全检查和演练计划。该 prompt 会先询问位置气候、灾害类型、家庭成员与宠物、预算等信息，并规定输出仅限有效 YAML，免费行动类目至少 5 项，冰箱摘要不超过 8 行。
prompts.chat 每日 prompt 收录了一条由 @f 贡献的图像生成 prompt“月光池塘中蓝鸢尾间的灰鹭新艺术风格画板”。该 prompt 描绘一只灰鹭立于月光睡莲池畔的蓝紫鸢尾间，仿 1900 年代新艺术海报与彩窗玻璃设计，画面为 16:9 横幅装饰板，并指定深青、鸢尾蓝、烫金等配色，且不含人物、文字与标识。
prompts.chat 收录由用户 @f 贡献的图像生成提示词「Claymation Diorama of a Frog Band Playing on Lily Pads at Dusk」。提示词描述四只黏土青蛙在黄昏池塘的睡莲上演奏班卓琴、立式低音提琴、橡果帽鼓和蜗牛壳号角，定格动画质感带指纹与工具痕迹，配纸灯笼、LED 萤火虫与微距浅景深，输出 16:9 宽幅画面。
prompts.chat 每日 prompt 新增一条文生图提示词：黎明时分山坡上的绿色梯田层层而下，山脚是深色茅草屋顶的木制吊脚楼村。提示词要求移轴镜头效果，画面上下强模糊、村庄与中部梯田清晰对焦，水田如镜映出粉金色天空，比例 16:9，画面中不出现人物、文字、标志或车辆。
prompts.chat 上线新 prompt「Rammed Earth Village Library Concept Brief Builder」，让 AI 扮演建筑概念设计师，为单层夯土乡村图书馆生成图像用设计简报。该 prompt 先询问地区气候、场地、藏书规模、材料偏好等需求，再输出涵盖场地朝向、建筑形式、材料、景观及 8-10 项固定视觉细节的简报，并附两段各 150 词以内的可粘贴图像 prompt，保证两次生成的建筑外观一致。
prompts.chat 收录新提示词「Rammed Earth Village Library on a Sunny Plaza (Morning Exterior)」，由用户 @f 贡献。该提示词描述一座带圆形阅读塔的单层夯土乡村图书馆，面向阳光下的石铺广场，包含水平夯土层、木柱门廊、柏树、石水渠等细节，要求照片级建筑摄影、16:9 横幅，且画面中不出现人物、文字和汽车。
prompts.chat 新增图像生成提示词“黄昏时分夯土乡村图书馆（阅读花园视角）”，由用户 @f 贡献。提示词描述一栋单层夯土乡村图书馆的背面视图：暖金色灯光从宽窗和顶部环绕深色窗带的圆柱形阅读塔透出，配木质凉棚、石砌露台、砾石小径与薰衣草花盆，深蓝暮色与新月背景，为 16:9 光写实建筑摄影，画面无人物、无文字、无车辆。
prompts.chat 每日 prompt 收录了新条目 JWT Token Inspector，即一个用于检查 JWT token 的 prompt。来源未提供该 prompt 的具体内容与功能细节。
prompts.chat 新增名为 Time Series Gap and Anomaly Checker 的 prompt，用于时间序列的间隙与异常检查。原文未提供更多细节。
prompts.chat 每日 prompt 收录了新的提示词 "Group Trip Expense Splitter"，用于处理团体旅行中的费用分摊问题。原文未给出该提示词的具体实现细节。
prompts.chat 每日 prompt 新增一条 "Git Workflow taste"，描述 trunk-based 团队的 Git 工作流偏好：短生命周期分支两天内合入 main、提交主题用祈使语气且不超过 72 字符、使用 Conventional Commits 前缀、PR 控制在约 400 行改动以内、合并前需一个 approving review 和 green CI，并禁止直接 push 或 force push main，每条规则附 Confidence 分数。
prompts.chat 收录一条名为 "Terraform taste" 的云平台工程师 Terraform 实践 prompt，共 24 条建议，每条附带置信度分数。要点包括锁定 Terraform 及 provider 版本并提交 .terraform.lock.hcl、远程存储 state 并按环境拆分、用 for_each 替代 count、在 CI 中运行 fmt/validate/tflint 并仅从 CI 应用计划文件、CI 通过 OIDC 认证云厂商、不在 tfvars 中存放密钥，以及对数据库等有状态资源使用 prevent_destroy。
prompts.chat 每日 prompt 新增「CSS taste」，是一份面向前端开发的 CSS 编写偏好清单。内容涵盖用 Tailwind CSS 工具类做组件样式、以 CSS custom properties 定义 design tokens、flexbox/grid 加 gap 布局、移动优先、保持单一 class 选择器等约 22 条规则，每条附 0.70–0.95 的 Confidence 值，并要求 320px 视口下不出现横向滚动。
prompts.chat 仓库新增一条名为 "learning linux for beginer" 的 prompt（skill 模板）。内容为待填写的模板结构，包含 name、description 头部及 Instructions 分步说明占位，尚未填充具体教学内容。
prompts.chat 收录新 prompt「Listing Intelligence Engine」（LIE，v1.2.2），由 Scott Malin 贡献，用于对 Airbnb、Vrbo、Booking.com 等房源列表做取证式分析，识别优势、潜在弱点、隐藏成本与预订信心，并按证据标准和高中低置信度评分输出 10 分制报告。该 prompt 强调不假设房东欺骗、不编造事实，遇到反爬或登录墙时输出 Fallback 响应并要求用户粘贴房源文本。
neko-legends 发布 DeepSeek-V4.1-Flash-1017 的无对齐 EXL3 2.9bpw 打包，基于 dealignai 的 abliterated 版本，将 54 个稠密 BF16 矩阵重编码为 EXL3 trellis 以适配 TensorFold Zig TP4 引擎，可在 4× NVIDIA DGX Spark 上运行。评测显示去对齐代价集中在道德判断，moral_scenarios 从 95.5% 降至 40.9%，而 HumanEval chat 成绩 92.68% 反高于官方版；另提供 3.5bpw 兄弟版本，moral_scenarios 略高但解码慢约 10%。
推荐理由：原文给出 MMLU 与 HumanEval 的前后对照，显示去对齐的代价集中在道德判断而非知识或编码能力。
FastVideo 在 Hugging Face 发布 FastH3 Omni 最终版的 ComfyUI 就绪权重，提供 BF16 和 INT8 ConvRot 两种扩散模型，可从提示词与有序图像、视频、音频参考生成视频及同步音频。部署需搭配 qwen3vl_32b 文本编码器和视频、音频 VAE，采样 8 步、guidance 1.0、视频 shift 12.0、音频 shift 3.0，参考输入用 <Picture 1> 等标签；NVFP4 文本编码加速需 Blackwell 硬件。模型由 FastVideo 与 Nuva Lab 合作开发，权重遵循 MiniMax-H3 Community License Agreement。
推荐理由：原文给出完整文件清单、采样参数和不同硬件的部署路径，想本地跑 ComfyUI 视频加音频生成可以直接照做。
论文提出 BetaMem，一个通过工作、空间、实体、情节、经验、程序六层记忆构建可追溯长期记忆的具身智能体框架，用监督微调与强化学习结合教师验证来训练记忆操作。以 Qwen3.5-9B 生成记忆，在 M3-Bench-robot 得 48.08%、LoCoMo 得 92.08%、OpenEQA EM-EQA 得 72.6%、EgoLifeQA 得 62.4%；训练使写入契约通过率从 50.9% 升至 86.2%，每条存储动作的输出 token 减少 47.3%。
该 arXiv 论文研究鲁棒部分可观测马尔可夫决策过程（RPOMDP）在四种奖励目标（折扣和、长期平均、有限与无限时域累计奖励）下的求解问题，涵盖期望值、mean-variance、CVaR 和 entropic risk 四种风险度量。作者提出统一框架，证明 (s,a)-rectangular RPOMDP 与部分可观测随机博弈（POSG）在保律风险度量下可通过 logspace 归约相互等价，并由此推出新的计算复杂度结果：求解 (s,a)-rectangular RMDP 与求解 simple stochastic games 一样难。
WhatIf-Bench 是一个半合成 benchmark，基于数据中心、电网、道路交通和水网络的机制模拟器生成共 37,665 个任务，衡量预测模型利用协变量预测目标对未来事件响应的能力。评测显示 frontier LLM 技能最高、优于最好的 TSFM；各模型在 Replay 任务上达 48-85% skill，但在 Novel 任务上跌至 -7 至 50%，回归基线跌幅最大。对 Novel 场景的泛化是核心挑战。
arXiv 论文 2610.26595 研究越狱攻击成功率（ASR）对比高度依赖响应生成与判定方式，用 3 个开放权重模型、8 种攻击和 3 种评测流程做实证。低资源语言攻击在关键词匹配下平均 ASR 达 96.0%，改用按 StrongRELECT 说明的 Qwen3 评测器则仅 2.7%；同一请求在 Ollama 默认温度 0.8 下采样 100 次，关键词匹配下 ASR 为 100% 而 Qwen3 评测器为 50%。作者建议明确成功定义、对齐响应预算、验证评测器，并报告重复交互下的累积失败率。
推荐理由：论文用具体数据说明越狱成功率如何随评测方法剧烈变化，对任何人引用 ASR 榜单前都是可迁移的核查思路。
研究者提出 Value Disaggregation（VaDar），训练单一不依赖子目标的策略来最大化各子目标 critic 值的线性组合，从而在部署时免去子目标选择。实验显示 VaDar 始终与 goal-conditioning 等基线相当且常更优，并能处理非顺序目标和多优化目标。它是首个解决 RoboCasa 中长程任务难题的算法，即使从行为克隆预训练、初始成功率近零的策略出发也能成功。
研究者提出 RELIEF 方法，用编码 Agent 修订代码生成模型产出的交互界面，并将改进融入原始生成轨迹作为微调监督数据。评测基于 200 个合成网站、355 段交互记录和 24 名用户的反馈，对两款代码生成模型变体做了微调。结果显示反馈效果随基座模型能力而异，其中从人类交互记录推断的 critique 带来最大的可用性提升。
arXiv 论文提出“推理感知多校准”框架，在按提示词话题分组的基础上，加入基于链式推理（CoT）可观测属性派生的分组，用于改进大语言模型响应可靠性的预测。在幻觉预测和不安全响应检测任务上，加入 CoT 分组均降低了 Brier score；且仅用 CoT 分组（不含话题信息）也能提升跨话题校准，表明预测误差取决于模型的推理方式而非提问内容。
一项发表于 arXiv:2610.26651 的研究以 ESM-2 蛋白质语言模型家族（8M 至 3B 参数）为对象，评估预训练数据过滤的有效性、耐久性与可扩展性。结果显示，从预训练数据中过滤病毒蛋白会明显削弱模型在病毒蛋白上的掩码语言建模、突变效应预测和长程接触预测，且影响集中于感染人类的病毒蛋白，模型越大过滤效果越强；但用被移除病毒家族的序列微调即可恢复性能，即使最大模型的恢复成本约 80 美元的 H100 时间。论文结论是预训练过滤对选择性削弱病毒蛋白能力效果中等，但无法抵御算力与数据门槛不高的微调。
推荐理由：论文用 ESM-2 系统实测了预训练数据过滤对病毒蛋白能力的削弱程度，并量化了微调恢复的代价，对评估过滤类防护的耐久性有直接参考价值。
研究者提出 Tandem，一个在移动 NPU 上运行混合线性注意力 GUI 智能体的运行时，通过在相邻请求分叉处保存循环状态、将 prefill 保持在矩阵单元并支持待机降功耗来加速本地推理。在 Snapdragon 8 Elite 上，Tandem 将文本屏幕描述的每步延迟降低 30%、截图降低 16%，文本每步能耗降低 33%，模型加载状态下的待机功耗从 0.76 W 降至 0.22 W。