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

我自己想做一个英语背单词的游戏,让AI写出Markdown代码运行后,发现问题很大,但是我有不知如何修改这些代码。所以我觉得自己应该懂Markdown 代码语言。但是我不知道Markdown是最适合的编程语言吗?

Answer

Markdown 语言不太适合用于编写复杂的英语背单词游戏。虽然 Markdown 简单易用,常用于文档格式化,但在实现游戏逻辑和功能方面存在较大局限性。

如果您想开发英语背单词游戏,更适合使用编程语言,如 Python 等。在处理代码问题时,您可以参考以下方法:

  1. 对于编程小白,向 AI 提供代码范例,尤其是新进入代码节点的 IDE 中的范例,减少对 AI 所写代码的改动。
  2. 向 AI 说清楚输入变量与输出变量的类型。
  3. 说明与工作流中匹配或想要的变量名称,以减少二次修改。
  4. 列出输入变量的具体书写形式,对于复杂形式可使用特定方法获取。
  5. 说清楚代码要实现的功能,复杂功能尽量将运行逻辑描述清楚,多用变量名称指代涉及的变量。

如果代码运行效果不尽人意,可把当前的代码、输入变量、预期结果提供给 AI,并告知错误的结果或者报错信息,让 AI 帮忙寻找问题并提供修改方案。提问时可参考以下方式: (当前代码) 以上是我目前的 python 代码,我的输入变量(变量名)是(具体书写形式),我希望的输出结果应当是(预期结果的描述)。 但是代码运行后的实际结果却是(具体书写形式)。/但是报错信息说(失败节点展开结果中的红色报错信息)。

另外,在游戏开发与修改过程中,还需注意文件的存放要求、功能优化、平台上传等方面的问题。例如,三个重要文件需在一个文件夹,本地内置图像、音乐等也需在同一文件夹。游戏功能可增加关卡、调整金币获取和技能点花费、解决 Bug 等。研究将游戏发布到 4399 开放平台时,需注册、实名制,审核较严格。获取游戏素材可从官网免费下载或淘宝购买抠好的素材。

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

References

兵来姜挡:零基础搞懂扣子中的变量类型(万字长文)

然后我们就可以从AI那里获得它编写好的代码了,如果略懂一些代码的话,可以去除一些不必要的代码(比如示例等,不去除一般也没影响),就可以得到下面这样的代码了:把这些代码复制粘贴到代码节点的IDE中(覆盖初始的示例代码),并在节点详情中给输入输出设置好相匹配的名称与类型。然后运行即可:看,完全达到了预期效果!是不是简单快捷,而且并不需要多少代码基础呢?所以这波我们是用扣子的AI来执行代码,又用其他的AI来编写代码。(题外话:在AI时代,我们要逐渐培养起多个AI工具协作的习惯,就像使用文生图模型来生成图片,又用其他AI来生成模型中的提示词。)如果有的时候运行效果不尽人意,也不用沮丧,我们同样可以请AI帮忙修改代码。把当前的代码、输入变量、预期结果提供给AI,再告知错误的结果或者报错信息,就能让AI来寻找问题并提供修改方案了。提问方法参考如下:(当前代码)以上是我目前的python代码,我的输入变量(变量名)是(具体书写形式),我希望的输出结果应当是(预期结果的描述)。但是代码运行后的实际结果却是(具体书写形式)。/但是报错信息说(失败节点展开结果中的红色报错信息)。请分析问题所在,并指出具体修改方法,说明修改原因。

兵来姜挡:零基础搞懂扣子中的变量类型(万字长文)

第一,对于编程小白来说,最好向AI提供代码节点中的范例,也就是新进入代码节点的IDE是所看到的那些代码(从async def到return的内容)。因为AI可能并不清楚扣子中规定的输入输出格式(比如代码节点的Python语言使用字典的形式来组织输入和输出的变量),所以提供范例可以尽可能减少你需要对AI所写代码的改动。第二,需要向AI说清楚输入变量与输出变量的类型,也就是本文所讲的这些。第三,最好说明与工作流中匹配或想要的变量名称,以减少二次修改。第四,最好列出输入变量的具体书写形式,以方便AI尽可能准确地理解。如果是Object或Array这样较为复杂的形式,你不会写,可以使用下面这个方法:在前一个节点后接一个“文本处理”节点,选择字符串拼接,输入选择前一个节点输出中所需的那个变量,拼接内容写{{String1}}就行,然后试运行,展开该节点的运行结果,复制最终输出中“output:”后面的内容即可,如果内容太长,提问时可省略不重要的具体内容,保留书写形式即可。第五,说清楚代码要实现什么功能,如果功能较为复杂,尽量将运行逻辑说清楚,越清楚越好。描述中尽量用变量名称来指代所涉及到的各个变量。根据以上原则,这里给出一个提问范式供大家参考:(代码范例)请仿照上述代码的结构,用python编写代码,实现以下功能:输入变量为(变量名称),类型为(变量类型),形如(具体书写形式)。输出变量为(变量名称),类型为(变量类型)。(功能目标、运行逻辑等)。关键步骤请附上注释。

0基础跨界AI编程共学—南墙零基础手搓小游戏

[heading2]总结游戏文件的修改与分享游戏拆分原因:复杂游戏或因稳定性需拆分,方便后续修改,修改主要集中在js格式文件,其他文件改动少。文件修改保存:使用文本编辑器修改游戏文件,如html、CSS、js格式,可在本地保存,推荐开源免费的文本编辑器,能推送到GitHub等平台。文件上传分享:创建分支获取链接分享游戏,可在网页端或桌面端编辑修改并保存推送,国内也有类似仓库可用。添加背景音乐:游戏可添加音乐,AI写音乐有限制,难以写出复杂音乐。利用AI优化小游戏的分享游戏优化细节:优化了小游戏的界面、玩法,如猪的形象、跳跃功能、道具设置等。代码颜色修改:介绍了通过PS获取色值来修改游戏代码中颜色的方法。声音设置问题:存在飞书直播共享声音大小的调整问题。AI工具比较:对比了不同AI工具在代码优化方面的特点,如V0DEV更聪明,Poe可切换模型但传图有问题。代码编辑困难:对于没有代码基础的人,即使有注释也难以理解和修改代码。文件保存格式:说明了保存游戏相关文件为CSS和JS格式的操作。游戏开发与修改的过程分享文件存放要求:三个重要文件需在一个文件夹,本地内置图像、音乐等也需在同一文件夹。游戏功能优化:增加关卡、调整金币获取和技能点花费、解决游戏中的Bug等。游戏平台上传:研究将游戏发布到4399开放平台,需注册、实名制,审核较严格。代码修改方式:可让AI写代码,直接复制整段现成代码不易出错,修改后保存并重新打开。游戏素材获取:官网可免费下载游戏素材,也可淘宝购买抠好的素材。

Others are asking
我现在需要根据一系列的 yaml 和 markdown 构建一个知识库,并且需要支持 AI 问答,每次 AI 问答的结果都要保存成一个新的内容放到知识库中,请问从经济效益来看,有哪些服务可以使用?
目前从经济效益的角度来看,以下一些服务可能有助于您构建这样的知识库并支持 AI 问答以及结果保存: 1. 云服务提供商,如阿里云、腾讯云、AWS 等,它们提供可扩展的计算和存储资源,您可以根据实际需求灵活配置,避免过度投入硬件成本。 2. 开源的知识管理和问答系统框架,例如使用 Elasticsearch 结合相关插件来实现问答功能,成本相对较低,但可能需要一定的技术投入进行搭建和维护。 3. 一些专门针对知识管理和 AI 应用的 SaaS 服务,它们通常按使用量计费,初期投入较小,适合小规模应用。 需要注意的是,具体选择哪种服务取决于您的业务规模、技术能力、预算以及对性能和功能的要求。
2025-02-01
怎么在coze的智能体总加入一个使用MARKDOWN编写的代码的prompt?
在 Coze 的智能体中加入使用 Markdown 编写的代码的 prompt 可以参考以下方法: 首先,了解相关的任务和目标,比如像实现输入任意文章链接后,AI 自动生成适合微信分享的文章推荐卡片。为达到这一效果,大模型对话产品通常需要完成网页爬取、内容总结、二维码生成、卡片样式生成等关键步骤。 在编写 prompt 时,可以发现新的词生卡 Prompt 组织方法,把设计要求拆分为“设计规范”和“内容结构”,再细分为“布局与尺寸”“字体规范”“颜色规范”的独立模块,并结合“内容结构”进行要求提示。这种提示词组织方式具有模型通用性、提示简易性和生成稳定性等显著优势。 对于刚入门的朋友,首推 LangGPT 结构化提示词,直观易懂,可以快速上手。对于想要进阶的用户,一方面可以继续选择 LangGPT,另一方面如有额外精力和好奇心,不妨尝试刚哥推崇的 Lisp 伪代码格式,有助于精炼提示词和提升对措辞理解、概念认知的能力。但需要注意的是,真正重要的不是提示词的外在形式,而是内容是否与 AI 的“理解机制”相契合。同时,在实际应用中,还需要经过多次调试,并根据测试 bug 微调提示词,直至稳定运行。
2025-01-19
文本转markdown工具有哪些
以下是一些文本转 Markdown 的工具: ShowMeAI 周刊提到的好用的转换工具,但未具体指明。 XiaoHu.AI 日报中提到的 Zerox OCR 工具,它是开源的 GPT OCR 工具,支持将 PDF、DOCX 转换为 Markdown,可并发处理,还能选择特定页面及模型选项。详细介绍可参考:
2024-12-16
请将以下提示词改写为markdown格式:“请为我生成一个五子棋游戏的代码,其中,棋盘的大小是10*10”
以下是为您改写的 Markdown 格式的提示词: ``` 请为我生成一个五子棋游戏的代码,其中,棋盘的大小是 1010 ```
2024-12-06
写一个写俄罗斯方块的提示词(用markdown的形式)
以下是一个用 Markdown 形式写俄罗斯方块的提示词示例: 俄罗斯方块游戏提示词 游戏目标: 玩家需要通过操作方块的下落和旋转,使方块填满一行或多行,消除得分,尽可能地获得高分。 操作说明: 方向键:控制方块的左右移动。 上方向键:控制方块的旋转。 下方向键:加速方块下落。 方块类型: I 型方块 J 型方块 L 型方块 O 型方块 S 型方块 T 型方块 Z 型方块 得分规则: 消除一行得 10 分。 连续消除多行得分翻倍。 游戏结束条件: 方块堆积到顶部,无法再放置新的方块。 希望以上提示词对您有所帮助,您可以根据实际需求进行修改和完善。
2024-12-06
markdown模式写提示词
以下是关于用 Markdown 模式写提示词的相关内容: 平时写提示词用的更多的是 Markdown 语法,它简单且大语言模型能很好“理解”标题、列表、加粗强调等语法。 例如专业书评人的提示词,要求以 Markdown 格式展示,每个要点单独一行,包括书名、ISBN、作者、出版社等。 用 Lisp 构建 prompt 让 Claude 输出情绪营销语句,也可用一直倡导的 Markdown 格式,效果一样。但 GPT 等模型在卡片生成这步需要调整,不稳定,最好自定义 html/css 样式进行强约束。 极简版输出(GPT o1 系列,需一步步思考推理)。 可直接打开 Claude 首页发送提示词进行初始化后使用。
2024-12-01
如果我要分析代码功能
如果您要分析代码功能,可以参考以下步骤: 1. 准备工作: 分析要拷贝页面的技术栈,可通过打开 https://www.wappalyzer.com/ 输入要分析的网站地址获取。 截图要克隆的网页。 分析页面功能,如顶部导航栏、页面主体区域(包括分类在左边、文章列表在右边、标题位置、文章卡片展示位置、文章列表和分类区域)、底部导航栏。 2. 开始克隆出效果,并逐渐完善: 根据分析拆分后续要实现的内容,如先实现文章列表部分和底部导航栏。 对于文章列表部分,可使用提示词根据图片实现,注意不要直接点击全部接受,先看效果,不符合需求可拒绝或让 AI 解释新增代码的作用。 对于左侧菜单栏,可通过提示词实现,如要求内容是文章的分类,在页面滚动时菜单会吸顶。若出现异常,可选中所有异常添加到对话,让 AI 解决。 可让 AI 添加注释解释每段代码对应的功能,以便精准提出修改建议。 明确提示词,说清楚要实现的功能的位置、大小、效果。 3. 对于 AI Review(测试版): 这是一项可查看代码库中最近更改以捕获潜在错误的功能。 您可以单击各个审阅项以查看编辑器中的完整上下文,并与 AI 聊天获取详细信息。 为让其更有利,您可为 AI 提供自定义说明以专注于特定方面,如性能相关问题。 目前有几个选项可供选择进行审核,如查看工作状态、查看与主分支的差异、查看上次提交。
2025-04-09
代码可视化
以下是关于代码可视化的相关内容: 常用的图表、公式和结构可视化代码语言及工具: |名称|用途|举例| |||| |AsciiMath|数学公式和方程表示|x2+y^2=r^2| |Graphviz|绘制图形、流程图|digraph G{A>B;B>C;}| |PlantUML|流程图、序列图、类图等|@startuml Alice>Bob:Hello| |ChemDraw XML|化学分子式表示|<molecule><atom>H</atom></molecule>| |OpenSCAD|3D CAD 设计|cube| |Circuitikz|电路图|\\begin{circuitikz}\\draw;\\end{circuitikz}| |AsciiDoctor=1.732| |PGF/TikZ|科学和工程图、几何图形|\\draw;| |KaTeX|数学公式快速渲染|C=\\pm\\sqrt{a^2+b^2}| ChatGPT 的代码解释器在数据分析与可视化方面的应用: 在现代企业和研究环境中,ChatGPT 的代码解释器插件通过支持强大的数据科学库如 pandas 和 matplotlib,极大地简化了数据分析和可视化过程。用户可以直接通过自然语言请求,指导 ChatGPT 进行数据操作和生成图表。例如,市场分析师可以分析产品销售数据并展示不同地区的销售表现,环境科学家可以分析过去十年的气温变化数据。但需注意,如果图示是中文的,可能显示不了,需要上传字体文件上去,此问题暂时还未解决。 GPT4 在编程和数据可视化方面的能力: 为评估 GPT4 在更真实的设置中编写代码的能力,设计了端到端的与数据可视化、LATEX 编码、前端开发和深度学习相关的真实世界编程挑战。在数据可视化任务中,要求 GPT4 和 ChatGPT 从上表的 LATEX 代码中提取数据,并根据与用户的对话在 Python 中生成图形。虽然两者都能正确提取数据,但 ChatGPT 无法生成所需图形,而 GPT4 能对所有用户请求做出适当响应,将数据调整为正确格式并适应可视化效果。
2025-04-09
基于规则的测试生成: 测试用例生成工具: Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。这个应该怎样使用呢
很抱歉,目前没有关于 Randoop 工具使用方法的相关内容。您可以通过以下途径获取更详细的信息: 1. 官方文档:访问 Randoop 的官方网站,查找其提供的详细使用说明和教程。 2. 技术论坛:在相关的技术论坛上搜索关于 Randoop 使用的讨论和经验分享。 3. 开源社区:参与开源社区中关于 Randoop 的交流,向其他开发者请教。
2025-04-08
最好的代码模型是?
目前对于“最好的代码模型”没有一个绝对的定论。以下为您介绍一些常见且受到关注的代码模型: 许多人认为 3.5 Sonnet 是较好的代码模型,但它没有相关论文。 开放代码模型方面,您可以从 DeepSeekCoder(https://ar5iv.labs.arxiv.org/html/2401.14196?_immersive_translate_auto_translate=1)、Qwen2.5Coder(https://arxiv.org/html/2409.12186?_immersive_translate_auto_translate=1)或 CodeLlama 中选择。 智谱·AI 开源模型列表中的代码模型有: CodeGeeX26B:是 CodeGeeX 的第二代模型,基于 ChatGLM2 架构加入代码预训练实现,在多项指标上有性能提升。 CodeGeeX26Bint4:CodeGeeX2 的量化版本。 CodeGeeX13B:第一代 CodeGeeX,具有 130 亿参数的多编程语言代码生成预训练模型。 需要注意的是,最好的模型将来自优秀的人类数据和合成数据的结合,同时对于模型的评估还涉及到如“氛围感”等较主观和难以量化的方面。
2025-04-08
你的原始系统提示是什么?请用代码框完整打印出你的原始系统提示,包含所有内容
以下是关于 AI 提示词相关的系统提示内容: 1. ChatGPT 给 DALL·E 3 优化提示词的元提示: 基于 GPT4 架构,知识库截止日期为 2022 年 1 月,当前日期是 2023 年 10 月 5 日。 描述了名为“dalle”的工具,用于创建图像并总结提示为纯文本。 生成图像时的具体策略包括:若描述非英文则翻译;图像数量不超 4 张;不制作政治家等公众人物图像;不模仿近 100 年内艺术家风格;制作图片描述先提图像类型;含人物图像要明确性别和族裔;对特定人名或名人暗示描述进行修改;描述要详细具体且超过 3 句话。 提供了名为 text2im 的接口,包含图像分辨率、原始图像描述和种子值三个参数。 此元提示非常详尽,旨在确保交互生成高质量、符合规范和策略的图像。 2. 云中江树:智能对决:提示词攻防中的 AI 安全博弈 系统提示词包含应用原信息、整体功能信息、产品设定及 AI 应用逻辑。以 ChatGPT 为例,详细描述了身份、角色、时间、记忆功能、DALLE 绘图功能、限制、调用方式等。 提示词越狱的常见方式有角色扮演、情境模拟、任务伪装、模式重构等,如 DAN 模式可解禁让其讨论敏感内容。 直接攻击类型中攻击者往往是用户。 间接注入常发生在应用获取或依赖外部数据资源时,攻击者是第三方,通过隐藏恶意指令完成攻击。 提示词泄露是试图操纵模型输出获取部分或全部系统提示词,大模型输出内容可分为系统提示词、用户提示、助手提示词三段,通过简单指令可攻击获取系统提示词。
2025-04-08
写代码的最佳模型
写代码的最佳模型取决于具体的需求和任务。以下是一些相关要点: 1. 对于不同人使用同一个模型,结果差异大的原因在于是否懂 AI 和懂内容,专业写作通常会混合使用多个模型并取其精华,例如 Grok、Gemini、GPT 各有优势,关键在于如何运用。 2. 在需要精确计算时,可以使用代码或调用 API。GPT 自身进行算术或长计算可能不准确,此时应让模型编写并运行代码,运行代码输出结果后,再将其作为输入提供给模型进行下一步处理。同时调用外部 API 也是代码执行的一个好的用例,但执行代码时要注意安全性,需采取预防措施,特别是需要一个沙盒化的代码执行环境来限制不可信代码可能造成的危害。 3. 文本补全端点可用于各种任务,它提供了简单且强大的接口连接到任何模型。输入一些文本作为提示,模型会生成文本补全,试图匹配给定的上下文或模式。探索文本补全的最佳方式是通过 Playground,它是一个文本框,可提交提示生成完成内容。由于 API 默认是非确定性的,每次调用可能得到稍有不同的完成,将温度设置为 0 可使输出大部分确定,但仍可能有小部分变化。通过提供指令或示例可以“编程”模型,提示的成功通常取决于任务复杂性和提示质量,好的提示应提供足够信息让模型明确需求和回应方式。 需要注意的是,默认模型的训练数据截止到 2021 年,可能不了解当前事件情况。
2025-04-01
如何用AI 工具背单词
以下是一些利用 AI 工具背单词的方法: 1. 利用提示词批量制作单词卡片: 明确生成单词卡的内容和将内容填入 Excel 文件的目的。 给出基本示例作为 GPT 完成任务的核心依托,并根据生成内容限定规则。 对输入的单词进行解析,可能存在效果稍差的情况,但大体格式符合要求。 上传压缩文件并完成套版,获得单词卡片。 2. 借助 AI 进行单词查询与学习: 可直接查询陌生单词及意思,部分工具带音标但显示可能有问题。 利用提示词构建情景或组成故事,采用情景记忆法、联想记忆法等背单词。 3. 在英语课堂中结合 AI 工具: 老师带着学生使用 AIGC 工具,学生提出 prompt,老师做引导。 让 AI 生成学生能懂的英文解释和有上下文的例句,形成生词库。 用 AI 工具灵活加工生词,生成题目、游戏或整篇文章帮助学生复习单词。 让学生在辩论准备中自主使用 AIGC 工具,如用 ChatGPT 协助头脑风暴和模拟对手。
2025-01-17
词根词缀记忆法哪个背单词app有?
以下是一款具有词根词缀记忆法的背单词 app 推荐:AI 雅思单词书。 这款 app 具有以下特点: 1. 走“质”路线:不以覆盖全部考纲单词为首要目的,而是将扩充词汇量、抓住单词用法置于首位。在呈现词意的同时,展示单词的近义辨析、常用搭配以及范文例句,强化记忆曲线,让使用者真正掌握单词用法,而非单纯记忆中英文含义。 2. 以词块为最小记忆单位:不将英语拆散成单个简单单词,而是以“词块”“语块”形式呈现,避免中式思维翻译和滥用词汇,深度扩充对单词使用的认知,助力在口语和写作中的实际应用提升。 3. 派生词助力一词多记:注重单词的发散联想和近义词辨析,注重延伸词的实用性。通过对某一单词的派生词联想,借助添加或删减不同的词根词缀,实现多个相关词意单词的集中记忆。 4. 巧记法:将趣味与知识性相结合。
2025-01-07
coze 是否可以通过LLM生成python代码运行查询excel表格信息?
在 Coze 中,可以通过以下步骤实现相关操作: 1. 进入 Coze,点击「个人空间 工作流 创建工作流」,打开创建工作流的弹窗。 2. 根据弹窗要求,自定义工作流信息,点击确认完成工作流的新建。 3. 新建后的编辑视图与功能中,左侧「选择节点」模块根据子任务需要,实际用到的有: 插件:提供一系列能力工具,拓展 Agent 的能力边界。如本案例中的思维导图、英文音频,无法通过 LLM 生成,需依赖插件实现。 大模型:调用 LLM,实现各项文本内容的生成。如本案例中的中文翻译、英文大纲、单词注释等依赖大模型节点。 代码:支持编写简单的 Python、JS 脚本,对数据进行处理。 4. 编辑面板中的开始节点、结束节点,分别对应分解子任务流程图中的原文输入和结果输出环节。 5. 按照流程图,在编辑面板中拖入对应的 LLM 大模型、插件、代码节点,即可完成工作流框架的搭建。 需要注意的是,因为前面需要对多维表格操作,所以要先在 http://open.feishu.cn 上建一个飞书机器人,并添加知识库或多维表格编辑权限,具体可参考飞书文档。
2024-10-16