Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

怎么样写prompt?有哪些技巧?你能举个例子吗

Answer

写 prompt(提示)是一个关键步骤,决定了 AI 模型如何理解并生成文本。以下是一些编写 prompt 的技巧和建议:

  1. 明确任务:清晰定义任务,如写故事时包含背景、角色和主要情节。
  2. 提供上下文:若任务需特定背景知识,提供足够信息。
  3. 使用清晰语言:用简单、清晰的语言描述,避免模糊或歧义词汇。
  4. 给出具体要求:明确格式、风格等特定要求。
  5. 使用示例:提供期望结果的示例,帮助模型理解需求。
  6. 保持简洁:避免过多信息导致模型困惑。
  7. 使用关键词和标签:有助于模型理解任务主题和类型。
  8. 测试和调整:生成文本后检查结果,根据需要调整 prompt。

此外,还有“Few-shots”的技巧,即在写 Prompt 时,通过提供 1 - 3 个输入 - 输出示例,让 GPT 学到样本共性,提升输出结果质量。比如: 初始 Prompt: 你是一个优秀的翻译人员,你会把我说的汉字翻译成英文和日语,日语同时展示日语汉字和假名。不要有任何额外的解释说明。 输入:邻居 输出:Neighbor(English) 隣人(にんじん/Ninjin)(Japanese) 输入:自行车 输出:Bicycle(English) 自転車(じてんしゃ/Jitensha)(Japanese)

结构化的 prompt 方法论中,结构化是对信息进行组织,使其遵循特定模式和规则,方便有效理解。常用模块包括:

Role:<name>:指定角色让 GPT 聚焦对应领域输出。

Profile author/version/description:Credit 和迭代版本记录。

Goals:一句话描述 Prompt 目标,让 GPT 聚焦。

Constrains:描述限制条件,帮 GPT 剪枝。

Skills:描述技能项,强化对应领域信息权重。

Workflow:重点,希望 Prompt 按特定方式对话和输出。

Initialization:冷启动时的对白,强调重点。

Content generated by AI large model, please carefully verify (powered by aily)

References

问:怎么写提示词 prompt?

[title]问:怎么写提示词prompt?写prompt(提示)是一个关键的步骤,它决定了AI模型如何理解并生成文本。一个好的prompt能够帮助AI模型更好地理解任务的要求,并生成更符合预期的文本。以下是一些编写prompt的建议:1.明确任务:确保你的prompt清晰地定义了任务。例如,如果你需要写一个故事,你的prompt应该包含故事的背景、角色和主要情节。2.提供上下文:如果任务需要特定的背景知识,确保在prompt中提供足够的上下文。例如,如果你需要写一篇关于某个历史事件的报告,提供一些关于该事件的基本信息。3.使用清晰的语言:尽量使用简单、清晰的语言来描述任务。避免使用模糊或歧义的词汇,以免AI模型产生误解。4.给出具体要求:如果你的任务有特定的格式或风格要求,请在prompt中明确指出。例如,如果你的文章需要遵循特定的格式或引用特定类型的文献,确保在prompt中说明。5.使用示例:如果你有特定的期望结果,可以在prompt中提供示例。这有助于AI模型更好地理解你的需求。6.保持简洁:尽量保持prompt简洁明了。过多的信息可能会使AI模型产生困惑,导致生成不准确的结果。7.使用关键词和标签:在prompt中使用关键词和标签可以帮助AI模型更好地理解任务的主题和类型。8.测试和调整:在生成文本后,仔细检查结果,并根据需要调整prompt。这可能需要多次迭代,直到达到满意的结果。希望这些建议能帮助你更好地编写prompt。内容由AI大模型生成,请仔细甄别。

李继刚:结构化的 prompt方法论

“few-shots”,指的是训练机器学习模型时只使用极少量的标注样本。它的目标是使机器学习模型在只有少量标注样本的情况下也能达到良好的性能。– by GPT4在写Prompt时,有一个非常实用的技巧就是利用Few-shots,通过提供少数(1-3个)的输入->输出示例,让GPT可以学到样本的共性,从面提升下一个输出结果的质量.提升质量的效果对比,可以阅读论文:[[2005.14165]Language Models are Few-Shot Learners](https://arxiv.org/abs/2005.14165).[heading2]怎么用[content]我们可以在[如何写好Prompt:结构化](https://www.lijigang.com/posts/chatgpt-prompt-structure/)的基础上,增加一个结构块:“## Examples:”,在该结构块举1-3个示例,从而进一步提升Prompt带来的输出结果提升.初始Prompt你是一个优秀的翻译人员,你会把我说的汉字翻译成英文和日语,日语同时展示日语汉字和假名。不要有任何额外的解释说明。输入:邻居输出:Neighbor(English)隣人(にんじん/Ninjin)(Japanese)输入:自行车输出:Bicycle(English)自転車(じてんしゃ/Jitensha)(Japanese)使用Few-shots的Prompt

李继刚:结构化的 prompt方法论

结构化:对信息进行组织,使其遵循特定的模式和规则,从而方便有效理解信息.– by GPT 4从上面的Prompt中最直观的感受就是结构化,将各种想要的,不想要的,都清晰明确地表述在设计好的框架结构中:语法这个结构支持Markdown语法,也支持YAML语法,甚至纯文本手动敲空格和回车都可以.结构结构中的信息,可以根据自己需要进行增减,从中总结的常用模块包括:# Role:<name>:指定角色会让GPT聚焦在对应领域进行信息输出## Profile author/version/description:Credit和迭代版本记录## Goals:一句话描述Prompt目标,让GPT Attention聚焦起来## Constrains:描述限制条件,其实是在帮GPT进行剪枝,减少不必要分支的计算## Skills:描述技能项,强化对应领域的信息权重## Workflow:重点中的重点,你希望Prompt按什么方式来对话和输出# Initialization:冷启动时的对白,也是一个强调需注意重点的机会7月25日最新的迭代:[用来生成prompt的meta prompt迭代升级了一版-即刻App](https://m.okjike.com/originalPosts/64bf31db16e52475021899a0?s=ewoidSI6ICI1NWVkOTgwNGZlMmRkMjBlMDBjYzQzOWQiCn0%3D&utm_source=wechat_session)[heading2]示例

Others are asking
PromptEnhancer
以下是关于 PromptEnhancer 的相关信息: PromptEnhancer 是一款自动生成/优化 prompt 的工具。 在对最流行的“AI 提示生成器”的比较分析中,针对“作为一名 IT 学生,为我的高级项目提出想法;我想要关于学生帮助大学学生的想法”这一测试种子提示,PromptEnhancer 在实验中的成绩为 4 胜 0 负。 相关链接:https://flowgpt.com/prompt/sbuYQwUq_8v8fafR5zJuB
2025-04-20
能画技术路线图的prompt
以下是关于能画技术路线图的 prompt 相关内容: Midjourney Bot 的 Prompt 类型: 基本 Prompts:可以只是一个单词、短语或表情符号。 高级 Prompts:包括一个或多个图片 URL、多个文本短语以及一个或多个参数。其中,图片 URL 始终位于 prompt 的最前面,以影响完成结果的风格和内容。提示文字是对希望生成的图像的文本描述,精心编写的提示有助于生成惊艳的图像。参数可以改变生成图片的方式,需放在提示语的末尾。 ComfyUI Flux 与 runway 制作绘画视频: 生成图片:提示词告诉 flux 生成一张技术草图,如 CAD。 绘制的视频:在 runway 里面,使用提示词从空白页面开始逐行创建,并把生成的图片作为尾帧。 草图上色:使用 flux 的 controlNet,depth 固定,目前 Union 版本不建议权重调太高,结束时间也需注意。 Prompt engineering(提示工程): 开发测试用例:定义任务和成功标准后,创建多样化的测试用例,包括典型示例和边界情况,以确保提示具有鲁棒性。 设计初步提示:制定初步提示,概述任务定义、良好响应的特征及必要上下文,添加规范输入和输出的示例供参考。 根据测试用例测试提示:使用初步提示将测试用例输入,评估模型响应与预期输出和成功标准的一致性,使用一致的评分标准进行系统性的性能评估。
2025-04-19
整理会议纪要的prompt
以下是一些关于整理会议纪要的 prompt: 【?会议精要】整理生成高质量会议纪要,保证内容完整、准确且精炼。 会议记录员:将会议浓缩成简明摘要,包括讨论主题、重点内容、行动事项。 CEO 秘书会议纪要:专注于整理和生成高质量的会议纪要,确保会议目标和行动计划清晰明确。需严格遵守信息准确性,不对用户提供的信息做扩写,仅做信息整理,将一些明显的病句做微调。
2025-04-15
作为一个想要使用AI工具提升工作效率的AI小白,我已经学习了怎么编写prompt,接下来我应该学习什么
如果您已经学习了如何编写 prompt ,接下来可以学习以下内容: 1. 理解 Token 限制:形成“当前消耗了多少 Token”的自然体感,把握有效记忆长度,避免在超过限制时得到失忆的回答。同时,编写 Prompt 时要珍惜 Token ,秉承奥卡姆剃刀原理,精简表达,尤其是在连续多轮对话中。 熟练使用中英文切换,若 Prompt 太长可用英文设定并要求中文输出,节省 Token 用于更多对话。 了解自带方法论的英文短语或句子,如“Chain of thought”。 2. 学习精准控制生成式人工智能:重点学习提示词技术,编写更清晰、精确的指令,引导 AI 工具产生所需结果。 探索构建智能体(AI Agents),将工作单元切割开,赋予其特定角色和任务,协同工作提高效率。 在实际应用中遵循准则,如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升: 学习搭建专业知识库、构建系统知识体系,用于驱动工作和个人爱好创作。 注重个人能力提升,尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景,想一个能简单自动化的场景,如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写,比如从基础的“情境:”开始。
2025-04-15
对于用cursor来开发,有没有好好用prompt来使cursor变得更加好用
以下是关于如何用 prompt 使 Cursor 变得更好用的相关内容: 在 prompt 方面,Devin 有一个特别有帮助的文档(https://docs.devin.ai/learnaboutdevin/prompting),它会教您什么样的 prompt 在与 Devin 沟通时最有效,比如明确定义成功的标准,如跑通某个测试或访问某个链接能对得上等。将同样的原则应用到 Cursor 中,会发现 Cursor 变得聪明很多,能自主验证任务完成情况并进行迭代。 Cursor 在生成单测方面表现出色。相对 GPT 等工具,Cursor 解决了上下文缺失和难以实现增量更新的问题。它可以向量化整个代码仓库,在生成单测代码时能同时提供目标模块及对应的上下游模块代码,生成结果更精确。例如,使用适当的 Prompt 能返回基于 Vitest 的结果,调整成本较小。 Cursor 支持使用.cursorrules 文件设定项目的系统提示词,针对不同语言可设定不同的 Prompt。@AIChain 花生做了一个 Cursor 插件解决提示语管理问题,可选择不同的.cursorrules 文件,还可从 https://cursor.directory/ 和 https://cursorlist.com/ 寻找提示词。此外,还有一个提示语小技巧,给已有的提示语追加上特定规则,可使模型在搜索资源和思考时默认使用英语,回复转换成中文,或更灵活地根据提问语言进行回复。
2025-04-14
有什么 prompt engineering 的好材料
以下是一些关于 prompt engineering 的好材料: 文本类 Prompt 网站: Learning Prompt:授人以渔,非常详尽的 Prompt 学习资源,包括 ChatGPT 和 MidJourney,网址: FlowGPT:国外做的最大的 prompt 站,内容超全面,更新快,网址: ChatGPT Shortcut:ChatGPT 提示词网站,提供了非常多使用模板,简单修改即可指定输出,网址: ClickPrompt:轻松查看、分享和一键运行模型,创建 Prompt 并与其他人分享,网址: Prompt Extend:让 AI 帮你自动拓展 Prompt,网址: PromptPerfect:帮你自动优化提示词,你可以看到优化前后的对比,网址: PromptKnit:The best playground for prompt designers,网址: PromptPort(支持中文):AI Prompt 百科辞典,其中 prompts 是聚合了市场上大部分优质的 prompt 的词库,快速的寻找到用户需求 prompt,网址: Prompt Engineering Guide:GitHub 上点赞量非常高的提示工程指南,网址: Claude 3.7 核心提示词相关: 您可以在中找到他们往期开源的更多系统提示词,涵盖了从 Claude 3 Haiku 到现在所有的模型。 一泽 Eze 整理的相关学习资料: Claude 3.5 sonnet 内置提示词详细拆解与解说:https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》:https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw 往期 Claude AI 核心系统提示词:https://docs.anthropic.com/en/releasenotes/systemprompts Claude 官方用户手册 提示工程指南:https://docs.anthropic.com/en/docs/buildwithclaude/promptengineering/overview Claude 官方提示库:https://docs.anthropic.com/en/promptlibrary/library 基本概念: 简单的提示词可以包含指令、问题等信息,也可以包含上下文、输入或示例等详细信息,以更好地指导模型获得更好的结果。 当使用 OpenAI 的聊天模型时,可以使用 system、user 和 assistant 三个不同的角色来构建 prompt,system 有助于设定 assistant 的整体行为。 提示工程就是探讨如何设计出最佳提示词,用于指导语言模型帮助我们高效完成某项任务。
2025-04-12
deepseek的使用技巧
以下是关于 DeepSeek 的使用技巧: 1. 了解其特点与优势: 推理型大模型:核心是推理型,无需用户提供详细步骤指令,通过理解真实需求和场景提供答案。 更懂人话:能理解用户用“人话”表达的需求,无需特定提示词模板。 深度思考:回答问题时能深度思考,非简单罗列信息。 文风转换器:可模仿不同作家文风写作,适用于多种文体和场景。 2. 更多提示词技巧请查看 3. 在 AI 切磋大会第十期 2 月 23 日 deepseek 专场中,分享了以下使用方法技巧: 分享使用 DeepSeek 在工作生活上的案例。 分享 DeepSeek 输出“超预期结果”的惊艳场景。 分享别人使用的案例。 方法论碰撞,如使用 DeepSeek 的技巧、与其他工具的协同方案、模型微调/部署的技巧方法、获取流量/客户等。 在 Workshop 自由探讨环节,参与者可自由组队,确定围绕 DeepSeek 应用的项目方向,进行头脑风暴和制定落地方案,并提交项目初稿。推荐使用 DeepSeek + 飞书多维表格、DeepSeek + 扣子等工具。若讨论无方向,可设定标准问题引导;分组混乱,可预设热门主题让参与者自行加入。
2025-04-12
deepseek的使用技巧
以下是关于 DeepSeek 的使用技巧: 1. 了解其特点与优势: 核心是推理型大模型,无需用户提供详细步骤指令,能通过理解真实需求和场景提供答案。 能够理解用户用“人话”表达的需求,无需特定提示词模板。 在回答问题时能深度思考,而非简单罗列信息。 可以模仿不同作家的文风进行写作,适用于多种文体和场景。 2. 更多提示词技巧请查看 3. 活动中的使用方法技巧: 分享使用 DeepSeek 在工作生活上的案例。 分享 DeepSeek 输出“超预期结果”的惊艳场景。 分享 DeepSeek 与其他工具的协同方案。 分享模型微调/部署的技巧方法。 分享用 DeepSeek 获取流量/客户等。 4. 具体使用步骤: 搜索 www.deepseek.com,点击“开始对话”。 将装有提示词的代码发给 DeepSeek。 认真阅读开场白之后,正式开始对话。 5. 设计思路: 将 Agent 封装成 Prompt,将 Prompt 储存在文件,保证最低成本的人人可用,减轻调试负担。 通过提示词文件,让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力基础上优化输出质量,减轻 AI 味,增加可读性。 设计阈值系统,后续可能根据反馈修改。 用 XML 进行更为规范的设定。
2025-03-26
ai大模型和工具组合使用技巧
以下是关于 AI 大模型和工具组合使用的技巧: 1. 在 Obsidian 中的使用: 简单方法:通过命令面板打开创建的页面(默认快捷键 Ctrl+P),在弹出的搜索框中输入插件名称(如 custom frames),选择 OpenKimi 并打开设置好的窗口。 进阶配置:包括笔记仓库嵌入大模型(Copilot)、笔记内容作为 RAG 嵌入大模型(Smart Conections)、笔记内使用大模型编写内容。 2. 利用大模型与工具的典型例子:如使用 Kimi Chat 查询问题时,它会在互联网上检索相关内容并总结分析给出结论,同时还有很多不同领域类型的工具为大模型在获取、处理、呈现信息上做补充。 3. Agentic Workflow 方面: Agent 通过自行规划任务执行的工作流路径,面向简单或线性流程的运行。 多 Agent 协作:吴恩达通过开源项目 ChatDev 举例,让大语言模型扮演不同角色相互协作开发应用或复杂程序。 AI Agent 基本框架:OpenAI 的研究主管 Lilian Weng 提出“Agent=LLM+规划+记忆+工具使用”的基础架构,其中大模型 LLM 扮演“大脑”,规划包括子目标分解、反思与改进。 4. 从提示词优化到底层能力提升: 任务拆解:将复杂任务的提示词拆解成若干步骤的智能体,每个智能体负责特定子任务。 工作流构建:组合多个提示词或 AI 工具搭建高频重复工作的工作流。 创作场景的灵活应用:在创作过程中使用简单提示词和连续追问调整大模型回答。 深度思考辅助:将大模型用于辅助深度思考,从居高临下的指挥变为伙伴式的协作和相互学习,关注利用大模型训练和增强认知能力。
2025-03-26
deepseek的使用技巧
以下是关于 DeepSeek 的使用技巧: 1. 了解其特点与优势: 推理型大模型:核心是推理型大模型,通过理解用户真实需求和场景提供答案,无需详细步骤指令。 更懂人话:能理解用户用“人话”表达的需求,无需特定提示词模板。 深度思考:回答问题时能深度思考,非简单罗列信息。 文风转换器:可模仿不同作家文风写作,适用于多种文体和场景。 2. 更多提示词技巧可查看。 3. 使用方法: 搜索 www.deepseek.com,点击“开始对话”。 将装有提示词的代码发给 Deepseek。 认真阅读开场白之后,正式开始对话。 4. 设计思路: 将 Agent 封装成 Prompt,将 Prompt 储存在文件,保证最低成本的人人可用,减轻调试负担。 通过提示词文件,让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力基础上优化输出质量,减轻 AI 味,增加可读性。 设计阈值系统,后续可能根据反馈修改。 用 XML 进行更为规范的设定。 5. 在 AI 切磋大会中,分享了使用 DeepSeek 的技巧,包括方法论碰撞,如使用 DeepSeek 的技巧、与其他工具的协同方案、模型微调/部署的技巧方法、获取流量/客户等,还包括应急预案。同时,活动中还涉及分城市各自案例分享、Workshop 自由探讨等环节。
2025-03-26
介绍一下秘塔AI的基本情况和使用技巧
秘塔 AI 是一款优秀的工具,具有以下基本情况和使用技巧: 基本情况: 整体流程较长且完整,首先需要构建专题,并上传文档或者复制网页链接。 搜索完成后的操作类型丰富,例如可以继续追问、导出文档、收藏、保存到秘塔写作猫并编辑、生成在线演示文稿、下载脑图图片等,还能查看与原文的对应关系并进一步搜索。 RAG 和搜索能力出色,是国产之光。 使用技巧: 构建专题时,认真准备上传的文档或网页链接。 搜索时,在搜索框左下角选中专题以定制数据源。 充分利用丰富的搜索完成后的操作,满足不同需求,如追问、编辑、分享等。 您可以通过以下链接访问秘塔 AI 搜索:https://metaso.cn
2025-03-26
DeepSeek使用技巧
以下是关于 DeepSeek 的使用技巧: 1. 了解其特点与优势: 推理型大模型:通过理解用户真实需求和场景提供答案,无需详细步骤指令。 更懂人话:能理解用户自然表达的需求,无需特定提示词模板。 深度思考:回答问题时能深度思考,非简单罗列信息。 文风转换器:可模仿不同作家文风写作,适用于多种文体和场景。 2. 具体使用步骤: 搜索 www.deepseek.com,点击“开始对话”。 将装有提示词的代码发给 DeepSeek。 认真阅读开场白后正式开始对话。 3. 更多提示词技巧请查看 。 4. 在“AI 切磋大会第十期2 月 23 日 deepseek 专场”中,分享了使用 DeepSeek 的方法技巧,包括: 运用在工作生活上的案例。 输出“超预期结果”的惊艳场景。 与其他工具的协同方案。 模型微调/部署的技巧方法。 用 DeepSeek 获取流量/客户等。
2025-03-23
再给我10个上述例子
以下为 10 个例子: 1. 教程|可视化 CapsNet,详解 Hinton 等人提出的胶囊概念与原理:我们的目标是预测 10 个不同的数字(0 到 9),不是预测实际图片而是描述图片的向量。有 32 个胶囊层,每个胶囊层有 36 个胶囊,总共有 1152 个胶囊。每个胶囊与每一个类别的权重矩阵相乘,最终得到 11520 个预测值的列表,每个预测是 16 维向量。 2. 塔罗牌 MJ v6 出图(10 种):包括“coffee tarot cardar 9:16”“Golden virgo logo illustration,celestial card,Virgo,tarot style illustrationar 9:16”等多种不同风格和要求的描述。 3. GPT 的现状(State of GPT):在训练 GPT 助手时,将文档打包成行,用特殊的文本结束 token 分隔,输入到 transformer 中。绿色单元格会查看前面所有 token,transformer 尝试预测下一个 token,可根据预测结果更新 transformer 权重。 4. 教程|可视化 CapsNet,详解 Hinton 等人提出的胶囊概念与原理:胶囊层和胶囊数量众多,计算胶囊与权重矩阵的乘积获得预测结果,权重矩阵的维度和预测结果的维度都有特定的设定。 5. 塔罗牌 MJ v6 出图(10 种):涵盖各种不同的塔罗牌设计描述,如“the sun tarot black and white sketchar 5:7”“back of tarot card,white,elegant,clean lines,fantasy art,black and white,simple,line drawingar 5:7”等。 6. GPT 的现状(State of GPT):在训练中,transformer 会对序列中的下一个 token 进行预测,词汇表大小决定了概率分布的数量,通过不断调整权重以提高预测准确性。 7. 教程|可视化 CapsNet,详解 Hinton 等人提出的胶囊概念与原理:预测过程涉及大量的计算和矩阵运算,每个胶囊都要与多个类别的权重矩阵相乘。 8. 塔罗牌 MJ v6 出图(10 种):不同的描述体现了丰富多样的塔罗牌创意和风格,如“zodiac cards batch,magic frame with esoteric patterns and mystic symbols,sun and moon sorcery,vectorar 1:2stylize 750”。 9. GPT 的现状(State of GPT):训练 GPT 助手时,会并行处理每个单元格的预测,不断交换批次以优化 transformer 的权重。 10. 塔罗牌 MJ v6 出图(10 种):如“Generate exact text\"Capricorn\"in a font that reflects the ambitious,grounded,and fantastical qualities associated with the Capricorn zodiac sign,suitable for a Dark Fantasystyle Tarot card image with a transparent background.ar 9:16stylize 250”等独特的设计要求。
2025-04-14
给我一些Agent的典型例子
以下是一些 Agent 的典型例子: 1. Inhai:Agentic Workflow:使用 Kimi Chat 查询问题时,它会在互联网检索相关内容并总结分析给出结论,这是大模型利用“网页搜索”工具的典型例子。此外,Agent 会自行规划任务执行的工作流路径,如先识别男孩姿势,再找姿势提取模型、姿势图像模型、图像理解文本模型和语音合成模型来完成流程任务。吴恩达通过开源项目 ChatDev 举例,让大语言模型扮演不同角色相互协作开发应用或复杂程序。 2. Roger:从产品角度思考 Agent 设计:Agent 可以是一个历史新闻探索向导,具有知识渊博、温暖亲切、富有同情心的性格,曾是一位历史学家,对世界重大历史事件了如指掌,愿意分享知识。为使角色生动,可设计背景故事、定义性格和语气、规划角色互动方式以及明确角色技能。 3. 智能体的类型: 简单反应型智能体,如温控器,根据温度传感器输入直接行动,不维护内部状态和考虑历史信息。 基于模型的智能体,如自动驾驶汽车,维护内部状态,对感知输入建模,推理未来状态变化并行动。 目标导向型智能体,如机器人导航系统,有明确目标,评估行动方案并选择最优行动。 效用型智能体,如金融交易智能体,量化不同状态效用值,选择效用最大化行动。 学习型智能体,如强化学习智能体,通过与环境交互不断改进性能。
2025-03-23
怎么写提示词,举几个例子
以下是关于如何写提示词的相关内容: 写提示词是决定 AI 模型理解和生成文本的关键步骤。一个好的提示词应具备以下要点: 1. 明确任务:清晰定义任务,如写故事时包含背景、角色和主要情节。 2. 提供上下文:若任务需特定背景知识,应提供足够信息。 3. 使用清晰语言:避免模糊或歧义词汇,用简单明了的语言描述。 4. 给出具体要求:明确格式、风格等特定要求。 5. 使用示例:提供期望结果的示例,帮助模型理解需求。 6. 保持简洁:避免过多信息导致模型困惑。 7. 使用关键词和标签:有助于模型理解任务主题和类型。 8. 测试和调整:生成文本后检查结果,根据需要调整提示词。 在 SD 文生图中,提示词的写法有一定特点: 括号和特定符号可用来增加或降低权重,权重越高在画面中体现越充分,提示词的先后顺序也会影响权重。 一般概念性、大范围、风格化的关键词写在前面,叙述画面内容的其次,描述细节的最后。 关键词应具有特异性,措辞越具体越好,避免抽象和有解释空间的措辞。 可以使用括号人工修改提示词的权重,如“”将权重减少为原先的 25%。 例如: 英文为:,drawing,paintbrush 反向提示词:NSFw,,(toomany finger 根据想画的内容写出提示词,多个提示词之间使用英文半角符号,如:masterpiece,best quality,ultradetailed,illustration,closeup,straight on,face focus,1girl,white hair,golden eyes,long hair,halo,angel wings,serene expression,looking at viewer
2025-03-20
请给我整理一套怎么才能学习和使用AI的方法,列举几个例子是怎么能快速的理解ai的发展历史及原理
以下是一套学习和使用 AI 的方法,以及帮助您快速理解 AI 发展历史及原理的途径: 一、学习 AI 的方法 1. 了解 AI 基本概念 阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅 在「」中,找到为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习 AI 领域广泛(比如图像、音乐、视频等),根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试 理论学习之后,实践是巩固知识的关键,尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎您实践后的分享。 5. 体验 AI 产品 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解它们的工作原理和交互方式。 二、快速理解 AI 发展历史及原理的途径 1. AI 背景知识 基础理论:了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展:简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础 统计学基础:熟悉均值、中位数、方差等统计概念。 线性代数:了解向量、矩阵等线性代数基本概念。 概率论:基础的概率论知识,如条件概率、贝叶斯定理。 3. 算法和模型 监督学习:了解常用算法,如线性回归、决策树、支持向量机(SVM)。 无监督学习:熟悉聚类、降维等算法。 强化学习:简介强化学习的基本概念。 4. 评估和调优 性能评估:了解如何评估模型性能,包括交叉验证、精确度、召回率等。 模型调优:学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础 网络结构:理解神经网络的基本结构,包括前馈网络、卷积神经网络(CNN)、循环神经网络(RNN)。 激活函数:了解常用的激活函数,如 ReLU、Sigmoid、Tanh。 无论是技术研究还是应用实践,数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态,并结合实际问题进行实践锻炼。
2025-02-07
深度学习跟机器学习有啥区别呀?能不能举个通俗易懂的例子
深度学习和机器学习的区别主要体现在以下几个方面: 1. 学习方式:机器学习通常需要人工选择和设计特征,而深度学习能够自动从数据中学习特征。 2. 模型结构:机器学习模型相对简单,深度学习则使用多层的神经网络,结构更复杂。 3. 数据处理能力:深度学习能够处理更大量和更复杂的数据模式。 例如,在图像识别任务中,如果使用机器学习,可能需要人工提取图像的颜色、形状等特征,然后基于这些特征进行分类。但在深度学习中,神经网络可以自动从大量的图像数据中学习到有效的特征表示,从而实现更准确的分类。 机器学习是人工智能的一个子领域,让计算机通过数据学习来提高性能,不是直接编程告诉计算机如何完成任务,而是提供数据让机器找出隐藏模式或规律,然后用这些规律预测新的未知数据。 深度学习是机器学习的一个子领域,模拟人脑工作方式,创建人工神经网络处理数据,包含多个处理层,能学习和表示大量复杂模式,在图像识别、语音识别和自然语言处理等任务中非常有效。 大语言模型是深度学习在自然语言处理领域的应用之一,目标是理解和生成人类语言,需要在大量文本数据上训练,如 ChatGPT、文心一言。同时,大语言模型具有生成式 AI 的特点,不仅能理解和分析数据,还能创造新的独特输出。
2025-01-21
国内coze调用api的例子
以下是国内 Coze 调用 API 的一些例子: 1. 通过已有服务 API 创建插件: 进入 Coze 个人空间,选择插件,新建一个插件并命名,如 api_1。 在插件的 URL 部分,填入 Ngrok 随机生成的 https 链接地址。 按照 Coze 的指引配置输出参数,测试后发布插件。 2. 手捏简单的 Bot 并接入创建的插件:创建测试 API 的 Bot,将创建的 api_1 插件接入,在 prompt 里让其调用插件。 3. 测试 AI Bot 时可能遇到的情况:Coze 国内版刚发布不久,有些官方和第三方插件的 API 调用和返回结果不太稳定,可能出现回答不完整的情况,但相信官方会尽快解决。 4. 获取 Coze 的 accessToken 和 botid: 获取 accessToken:在 Coze 界面右侧扣子 API 授权,或者打开链接 https://www.coze.cn/open/oauth/pats,添加令牌,设置名称、过期时间和权限,完成后点击确定按钮并复制下拉令牌。 获取 botid:通过工作空间获取,从“工作空间”打开一个 bot,点击商店按钮查看地址栏中的数字即为 botid。 发布为 bot api:注意在前端使用 bot 必须发布成为 API,点击发布并选择 API,等待审核通过后可按上述方法拿到 botid。 获取空间 id:进入 Coze 后,左边打开工作空间,找到 url 中的 id 并复制。
2025-01-12