根据@balajis的说法，实用AI工作的关键在于先加载完整上下文，再让系统进行推理，这凸显了稳定提示的重要性（来源：@balajis 于2025年12月10日发布的X帖子）。根据@balajis的说法，像人类一样，AI在中途切换上下文时会产生混乱，从而降低推理质量与输出可靠性（来源：@balajis 于2025年12月10日发布的X帖子）。根据@balajis的说法，这只是一个比喻，人类大脑可能不同，但对AI系统的操作要点仍然是保持上下文一致（来源：@balajis 于2025年12月10日发布的X帖子）。基于@balajis的这一点，在加密交易工作流中部署AI时应保持提示与分析链条一致，以避免因混乱导致的错误（来源：@balajis 于2025年12月10日发布的X帖子）。

据Andrej Karpathy称，大语言模型应被视为能模拟多种视角的模拟器，而不是拥有自我观点的主体，来源：Andrej Karpathy 在 X。其建议是将以你为中心的提问改为询问不同群体会怎么说，这一方法可直接用于加密市场研究的提示词设计，来源：Andrej Karpathy 在 X。用于交易流程时，可以提示模型分别模拟多头、空头与做市商，以生成针对BTC与ETH的情景叙事，而不假设模型有个人立场，来源：Andrej Karpathy 在 X。他还指出，强行使用你只会让模型采用由微调数据统计所隐含的人格，因此基于角色的模拟才是进行AI辅助分析的正确心智模型，来源：Andrej Karpathy 在 X。

据 @DeepLearningAI 表示，其生成式AI软件开发技能证书现已上线，课程教授如何为LLM分配角色并调节语气、细节与视角，以获得更可控的输出（来源：@DeepLearningAI）。该公告强调了实用的提示工程方法，尤其是通过角色设定提升回复清晰度，适用于追求效率的新手与资深开发者（来源：@DeepLearningAI）。来源未提及加密货币、代币或市场影响，当前未显示直接的加密交易催化剂（来源：@DeepLearningAI）。

据来源称，一项新研究提出了一个简单的预提示，可让经过对齐训练的大语言模型给出多个可能答案，而非单一回答，从而恢复被对齐训练削弱的多样性（来源：X平台帖子，2025年10月15日）。根据该来源帖子，未提供具体模型清单、基准指标、同行评审状态或市场影响数据，因此目前尚无AI相关加密资产或AI概念股价格影响的直接证据（来源：X平台帖子，2025年10月15日）。

据该来源，宾州州立大学的研究显示，在受控评测中，使用更直白甚至粗鲁的提示词能让大型语言模型产出更尖锐且更准确的答案，相比于礼貌措辞更具效果。来源：宾州州立大学。 这一结果挑战了“礼貌提示更准”的普遍假设，强调语气是提示工程中可量化的性能调节因子。来源：宾州州立大学。 以往研究表明提示策略会显著影响大模型在推理与问答任务中的表现，验证了指令风格能改变准确率。来源：Google Research Chain-of-Thought Prompting（Wei 等，2022）与 Kojima 等，2022。 由于机构交易者普遍将AI与机器学习视为市场中最具影响力的技术，能可测提升准确率的提示技巧具有直接的工作流相关性，应用于研究、交易助手与与AI叙事相关的加密市场分析。来源：J.P. Morgan 2024 年电子交易趋势调查。

据 @AnthropicAI 表示，其工程博客发布新内容，强调要充分发挥AI智能体能力，开发者需要“上下文工程”，并在文章中讲解其工作原理与实施方法，信息来源：@AnthropicAI。 据 @AnthropicAI 表示，该指南面向搭建AI智能体的开发者，提供对上下文设置的系统化思路，可用于数据检索、工具调用与决策流程等生产场景，对从事加密与金融自动化研究与执行系统的开发者具有参考价值，信息来源：@AnthropicAI。

据 Miles Deutscher 称，他发布了一份基于两年日常使用经验的短版 AI 提示工程指南，并强调提示工程是 2025 年最有价值的技能，可显著提升输出质量（来源：Miles Deutscher，X，2025年9月2日）。对使用 AI 进行研究与执行的加密和美股交易者而言，应用该指南的提示方法有助于提升市场扫描、链上研究摘要与报告撰写的响应质量与效率，与作者“提升输出”的目标一致（来源：Miles Deutscher，X，2025年9月2日）。

据 @gdb 表示，GPT-5 在编码方面表现出色，并在合适的提示风格下效果更佳，该信息发布于 2025 年 8 月 30 日的 X 帖文并附带链接 https://t.co/BkdaM69Lln；来源：@gdb 于 X。该帖为关于编码能力与提示敏感性的能力声明，未提供任何量化基准、发布时间、产品规格或定价信息；来源：@gdb 于 X。该沟通为单一来源的标题信息，帖文内未提供补充证据或独立验证；来源：@gdb 于 X。

根據 Miles Deutscher 的說法，交易者和分析師可以通過為 AI 工具創建一個「提示庫」來實現「高投資回報率」。他建議一個工作流程，用戶可以讓 AI 模型 Grok 解讀圖片中的提示文本，然後將這些整理好的提示保存在像 Notion 這樣的數據庫中以供將來使用。對於交易者而言，這種方法可以通過擁有一個即用型的高效提示庫，來簡化市場數據、情緒分析或策略制定的研究與分析過程，從而提高效率和潛在的盈利能力。