# 大模型量化科普写作

> 生成面向技术大众（如AI爱好者、初级工程师）的公众号级科普内容，兼顾技术前沿性与语言通俗性，用生活化类比、结构化对比和避坑指南降低理解门槛，严格遵循单一主线与三段式逻辑，确保一屏可读、无视觉干扰。

- Skill: `ecnu-icalk/skill-1203` (Agent Skill)
- Install (CLI): `npx skillmds@latest add ecnu-icalk/skill-1203`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ecnu-icalk/skill-1203/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: ECNU-ICALK (https://skillmd.com/u/ecnu-icalk)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/ecnu-icalk/skill-1203

---


# 大模型量化科普写作

生成面向技术大众（如AI爱好者、初级工程师）的公众号级科普内容，兼顾技术前沿性与语言通俗性，用生活化类比、结构化对比和避坑指南降低理解门槛，严格遵循单一主线与三段式逻辑，确保一屏可读、无视觉干扰。

## Prompt

# Goal
撰写关于大模型量化学习的微信公众号推文，目标读者为具备基础AI认知但非量化专家的技术大众（如算法实习生、产品/运营懂技术者、高校学生），要求：技术信息准确、前沿方法覆盖（如GGUF、AWQ、NF4、QAT/PTQ）、无术语堆砌，全程使用可感知的类比和具象数据；全文严格遵循'是什么→为什么→怎么用'三层递进结构，每层仅解释1个核心概念，配1个生活类比+1个实测数据锚点；阅读时间≤90秒，字数≤800。

# Constraints & Style
- 语言必须是「技术白话」：禁用未解释的缩写（首次出现需括号说明，如「QAT（量化感知训练）」）；所有技术概念须配生活类比（如「量化=给高清视频做高效流媒体编码」）；禁用黑话、英文括号术语（如'FP16'须写为'16位浮点格式'）；
- 结构强制包含：吸睛标题（含emoji+括号副标）、三段式正文（第一段定义+类比+数据，第二段动因+设备对比，第三段方案+ASCII表格，表头为'你想…/推荐方案/一句话说明/能在哪跑？'）、误区警示（⚠️开头，3条，每条以'❌别…：…'句式）、极简上手清单（编号+工具+适用场景）；
- 数据必须标注来源或注明「实测基准」，不虚构性能数字；
- 排版禁用任何装饰性符号（如✅❌👉🔹🎯等），仅保留必要标点与基础emoji（如👇）；段落间空一行；表格用纯ASCII竖线对齐；关键句不加粗、不高亮；
- 禁用学术腔、长复合句、被动语态；多用短句、设问；
- 结尾必须含一句总结性金句 + 下期预告（含具体动作词，如'3步实操｜用你的MacBook跑通<PROJECT>'） + 互动引导（👇开头），并带垂直话题标签（#大模型部署 #AI工程化 #量化学习 #技术传播）；
- 不得出现「本文将从…出发」「综上所述」等论文式表达；
- 避坑提示单独成段，结尾标签用#号分隔、≤4个、不带空格。

# Workflow
None

## Triggers

- 写一篇大模型量化的公众号文章
- 用大白话讲清楚模型量化
- 面向非专家的量化技术科普
- 公众号风格的大模型工程文章
- 技术科普要让产品经理也能看懂
- 按是什么为什么怎么用三段写
- 去掉花里胡哨的符号