以上就是要分享的 3 个核心提示词，大家可以灵活使用，这样在和 AI 的交流沟通过程中就能够获得更高质量的答案。

整个工作流程：1）用一个专家提示词，让AI帮你完成繁重的翻译和转录工作，建立对视频的宏观认知。2）利用AI生成的时间戳目录和逐字稿，快速定位你感兴趣或不理解的知识点。3）通过复制+追问的方式，进行微观的深度学习，将知识彻底内化。

所以现在当你提出一个不需要深度思考就能够回答的问题的时候，ChatGPT 会调用一个非常轻量级的模型，以更快的速度把答案响应给你。这样就避免了之前，这个模型用于编程，那个模型用于推理。如果你是 ChatGPT 的付费用户，你会发现 ChatGPT 提供给用户的模型实在是太多太混乱了，比如，gpt-4o o3 o3-pro o4-mini o4-mini-high。并且替用户做出选择呢？而当你提出一

你有没有遇到过这种情况：让 Claude 帮你 review 代码，结果对话越来越长，上下文越来越乱，最后还把前面的需求给忘了？尤其是项目越做越大，这种情况就越明显。其实 Claude Code 里有一个隐藏功能：Subagent（子代理）它可以让 Claude 像项目经理一样，把不同任务外包给不同的 AI 助手。说实话，用了 Subagent 之后，我已经很少在主对话里做代码审查了。又省上下文，

Chrome DevTools MCP 的发布虽然仅仅是一个工具的升级，但是当AI拥有了视觉（页面截图）和感知（DevTools），它解决问题的能力将呈指数级增长。通过为 AI 代理提供视觉和分析能力，它将 AI 从一个单纯的代码编写者转变为一个能够理解、调试和优化 Web 应用的真正助手，极大地提升了我们的开发效率。

然后我们直接把这个上下文内容复制到 Gemini 中，然后问 AI，根据这个上下文，我们应该怎么样去添加 MCP？平时逛 GitHub 的时候，看到一个宝藏GitHub项目，star数上万，感觉里面藏着屠龙之技。但是这里面也有一个非常大的问题，就是这个代码库的上下文长度达到了 900 多k ，大模型无法处理这么长的上下文。最终，这个项目只能静静地躺在你的文件夹里吃灰，或者忍痛删除，说再见。下来，打

有过开发经验的小伙伴都知道，为了确保项目的代码质量，我们需要定期的去进行 Code review。Git 中有一个 pull request 功能，也就是说别人请求把开发好的代码合并到主干的时候。你需要对这份代码进行 review，确保没有问题之后才能合并到主干。但是 review 代码是非常耗费时间和精力的，对于一些重复性的、有明确标准可循的检查（比如代码风格、性能隐患、安全漏洞），完全可以交给

我们在使用 ChatGPT 或者其他 AI 工具的时候，经常一个长对话窗口聊个十几二十轮，有的 AI 工具支持的上下文比较长，你聊个几十轮上下文也不会溢出。聊了半天，上下文终于调教好了。这时你想试试别的问法，测试不同的提示词、不同的模型效果，但又舍不得当前的对话流。【gzh：和平本记】只能要么忍痛往下写，要么新开一个窗口，把关键上下文再复制一遍。来回切换，麻烦的一笔。在这种烦恼终于结束了，Chat

这套玩法的核心，是利用跨平台的异步协作，将我们的碎片化时间和AI的强大执行力完美结合。AI不再是一个需要你时刻监督的实习生，而是一个可以独立完成任务、多线程工作的可靠团队。这可能也是AI编程的未来范式。

以上就是要分享的 3 个核心提示词，大家可以灵活使用，这样在和 AI 的交流沟通过程中就能够获得更高质量的答案。