共找到 23 个提示词
旅行归来后在家复刻当地美食的完整指南：分析那道菜的关键味觉记忆点→拆解成可在家庭厨房实现的步骤→寻找替代食材（原产地食材买不到怎么办）→调整口味以匹配记忆中的味道→逐步试错和改良的方法→记录和分享复刻成果→「旅行味道」的心理因素（环境/心情/饥饿感对味觉的影响）
解决AI生成食物诱人度不够的问题：光泽/汁水/热气/色彩/纹理五维度提升食物"食欲感"。从"看起来能吃"到"看起来想吃"的跨越，适用于外卖/电商/社媒所有食品展示场景
解决AI饮品图中气泡/冰块细节不真实问题：碳酸气泡的大小/密度/分布→冰块的通透度/融化边缘/与液面的交互→冷凝水珠的生成规律→液体颜色的通透感渲染
雅思口语Part 2专项突破：万能故事模板（人物/地点/物品/经历四类话题）→1分钟笔记速记法→2分钟时间控制→高分词汇自然植入→流利度与连贯性训练→Part 3追问应对策略
国家自然科学基金申报书撰写指南：选题四原则（重要性/创新性/可行性/连续性）→立项依据（从大到小层层聚焦）→研究内容与技术路线→关键科学问题提炼→可行性分析→研究基础展示→预算编报→评审专家视角的加分与减分项
出国留学考试全攻略：雅思/托福/GRE/GMAT备考规划、听说读写分项突破、机经使用、考试报名与送分
毕业论文/学术论文选题方法论：选题四原则（有价值/可操作/有创新/感兴趣）→选题来源（导师项目/课程论文延伸/文献gap/行业热点）→选题可行性检验→从宽泛方向缩小到具体题目的漏斗模型→选题陈述模板
回测系统工程级设计：事件驱动vs向量化回测架构对比、前视偏差自动检测机制、幸存者偏差矫正(历史成分股还原)、回测"作弊检测清单"、多标的+多周期回测引擎实现(Python)。比fintech-backtest-system更深入架构层面
A股事件驱动量化策略：业绩预告/快报超预期(SURP因子)、高分红(股息率因子)、定增/配股事件、股份回购/增持、股权激励行权期、大宗交易折溢价信号。事件窗口设计与Alpha衰减分析
金融求职简历撰写系统: 一页原则与模板结构→教育经历(GPA/相关课程/学术荣誉)→实习经历STAR+量化法则(从做了什么→做到什么效果→用数字量化)→Deal Experience专项(项目规模/个人贡献/成果)→技能栏(Excel/VBA/Python/Bloomberg/Wind)→金融简历关键词库→简历自查清单
FRM一级四门课备考全案：风险管理基础(风险管理框架+ERM+公司治理)→定量分析(概率/统计/时间序列/GARCH/极值理论)→金融市场与产品(债券/衍生品定价)→估值与风险模型(期权Greeks/VaR/压力测试)→计算题专项+公式卡
企业套期保值完整操作手册：三类企业(上游生产/中游贸易/下游加工)的套保方向与目标→基差对套保效果的决定性影响→套保方案设计与比例确定→套保会计处理与内部控制→中国企业的套保实战案例与监管要求
买入期权的实战应用：四种适合买Call/买Put的典型市场场景→盈亏平衡点计算→买方的时间价值衰减(Theta)风险→隐含波动率对权利金的影响(Vega)→Delta/杠杆效应→买方仓位管理与止盈止损
期权希腊字母的实战应用：Delta(方向性风险/对冲比率/等效期货)→Gamma(Delta变化率/到期加速效应)→Theta(时间衰减/卖方收入来源)→Vega(波动率敏感度/IV变化影响)→Rho(利率敏感度)→各希腊字母的组合监控与对冲
期权量化：Black-Scholes定价模型推导与Python实现、Greeks风险分解(Delta/Gamma/Vega/Theta/Rho)、波动率曲面构建(SVI/SABR模型)、做市策略(买卖价差管理/库存风险对冲)、中国场内期权市场(50ETF/300ETF/中证1000期权)生态
量化组合优化方法论：均值-方差优化(MVO)、风险平价(Risk Parity/Hierarchical Risk Parity)、Black-Litterman模型(融合主观观点)、约束优化(CVaR约束/换手率约束/行业约束)、A股指数增强vs灵活配置的组合构建对比
系统分析美国非农与CPI数据:分项拆解方法,超预期/不及预期的市场反应规律,对A股和人民币的外溢效应
Airflow实战指南：DAG设计模式→Operator选型→动态DAG生成→XCom数据传递→SLA与告警→回填（Backfill）→Sensor设计→执行器选择→生产环境运维→DAG版本管理
设计可维护的CSS架构：Tailwind实用工具的边界→组件样式提取策略→设计Token→响应式设计模式→暗黑模式→CSS Modules的适用场景→CSS架构的演进（BEM→CSS-in-JS→Tailwind）
设计数据湖架构：数据湖vs数据仓库的选择→分层存储（Bronze/Silver/Gold）→Delta Lake/Iceberg/Hudi表格式→Schema演进→ACID事务→元数据管理→数据治理→查询引擎（Trino/Presto/Spark）
dbt数据工程实战：项目结构→Model分层（staging/intermediate/mart）→Jinja宏→测试（Generic+Singular）→文档自动生成→增量模型→Snapshot→CI/CD集成→与Airflow/Prefect的配合
设计ML工程流水线：数据采集→特征工程→训练→评估→部署→监控→模型更新。涵盖Feature Store、MLflow实验管理、模型版本化、A/B测试部署、数据漂移检测
Svelte实战指南：响应式声明（$:）→Store状态管理→SvelteKit全栈路由→Actions→Transitions→与React/Vue思维方式的差异→编译时优化→生产部署