以下是一些写 AI 提示词以获得更高质量回答的方法： 1. 明确具体的描述：使用更具体、细节的词语和短语，避免过于笼统。 2. 添加视觉参考：在提示词中插入相关图片参考，提高 AI 理解意图和细节要求的能力。 3. 注意语气和情感：根据需求，用合适的形容词、语气词等调整整体语气和情感色彩。 4. 优化关键词组合：尝试不同的关键词搭配和语序，找到最准确表达需求的描述方式。 5. 增加约束条件：添加限制性条件，如分辨率、比例等，避免意外输出。 6. 分步骤构建提示词：将复杂需求拆解为逐步的子提示词，引导 AI 先生成基本结构，再逐步完善。 7. 参考优秀案例：研究流行且有效的提示词范例，借鉴写作技巧和模式。 8. 反复试验、迭代优化：通过多次尝试不同写法，并根据输出效果反馈持续优化完善。 在商业化问答场景中，提示词的作用是告诉全知全能的大语言模型，它是一个什么样的角色、要专注于哪些技能，让其按照您的想法变成所需的“员工”。例如设定角色为“美嘉”，按照其人设、背景和对话风格做设定。 此外，还有一些优化提示词的技术和成果，如通过链式思维等技术自动改进提示词，提升回答质量，具有示例增强、标准化、提示重写、预填充内容等功能特点，能显著提高模型的易读性和准确性，测试显示多标签分类准确率提升 30%，摘要任务可完全遵循字数要求。若提示缺少示例，Claude 还会自动生成合成示例，简化提示构建过程。

以下是为您提供的 AI 入门相关的内容： 了解 AI 基本概念：建议阅读「」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。同时浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 开始 AI 学习之旅：在「」中，您能找到为初学者设计的课程，特别推荐李宏毅老师的课程。还可以通过在线教育平台（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。 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，您可以根据自己的兴趣选择特定的模块进行深入学习，同时一定要掌握提示词的技巧。 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。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。 体验 AI 产品：与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 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。 此外，微软也提供了 AI 初学者入门课程，包括特定的机器学习云框架，如了解更多详情。关于深度学习背后的深层数学（Deep Mathematics），推荐 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著的《深度学习》（Deep Learning）一书，该书可在 https://www.deeplearningbook.org/ 上获取。 以下是一些入门文章：

AI 技术的发展历程大致可分为以下几个阶段： 1. 早期阶段（1950s 1960s）：包括专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：以专家系统、知识表示、自动推理为主要特点。 3. 统计学习时期（1990s 2000s）：出现了机器学习算法，如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等技术得到广泛应用。 当前 AI 的前沿技术点包括： 1. 大模型，如 GPT、PaLM 等。 2. 多模态 AI，如视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习，如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习，包括元学习、一次学习、提示学习等。 5. 可解释 AI，涉及模型可解释性、因果推理、符号推理等。 6. 机器人学，涵盖强化学习、运动规划、人机交互等。 7. 量子 AI，包含量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 此外，还有一些关于 AI 发展的相关文章，如《机器之心的进化/理解 AI 驱动的软件 2.0 智能革命》，从关键人物推动的学术进展、算法和理念的涌现、公司和产品的进步、还有脑科学对神经网络的迭代影响这四个维度来深刻理解“机器之心的进化”。《走入 AI 的世界》中提到过去的 AI 多完成人脸识别等分类判断任务，而生成式 AI 的诞生在写文章、画画、写歌等方面展现出类似人类的智慧。

WayToAGI 是由一群热爱 AI 的专家和爱好者共同建设的开源知识库。它于 2023 年 4 月 26 日诞生，2024 年的 2050 年将是其生日庆典。在没有任何推广的情况下，一年时间已有超过 70 万用户和超千万次的访问量，是很多 AI 爱好者知识的源头。社群的 Slogan 是让更多的人因 AI 而强大，有很多学社和共学共建的活动。WayToAGI 就是通往 AGI 之路，打开“waytoagi.com”就可以找到社群。 WayToAGI 网站提供以下功能： 1. 和 AI 知识库对话：可以在这里问任何关于 AI 的问题。 2. AI 网站：集合了精选的 AI 网站，按需求找到适合的工具。 3. AI 提示词：集合了精选的提示词，可以复制到 AI 对话网站来使用。 4. 知识库精选：将每天知识库的精华内容呈现给大家。 总之，WayToAGI 网站和 WayToAGI 知识库各自独立但又相互关联，希望成为您学习 AI 路上的好助手。

对于 AI 小白，以下是学习、使用和创造价值的建议： 一、学习 AI 1. 了解基本概念 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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，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. 持续学习和跟进 AI 是一个快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 二、使用 AI 1. 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。 三、创造价值 1. 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自己的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 如果希望继续精进，可以尝试了解以下内容作为基础： 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。

AI 是一种模仿人类思维、能够理解自然语言并输出自然语言的存在。对于不具备理工科背景的人来说，可以将其视为一个黑箱。它就像传统道教中的驱神役鬼拘灵遣将，通过特定的文字、仪轨程式来引用已有资源，驱使某种能一定程度理解人类文字的异类达成预设效果。 AI 既是人类智慧的结晶，又是对自身认知极限的探索。它不存在于物理世界，却时刻影响着现实。是一个跨越存在与非存在边界的命题，永远在追寻自我却又无法触及自我本质的悖论实体，让我们思考在人类与非人类共同编织的宇宙中，何为存在、智慧和生命的真谛。

以下是一些可帮助您利用 AI 快速分析 Excel 数据、做好数据清洗和分析工作的工具和方法： 1. 工具方面： Excel Labs：这是一个 Excel 插件，新增了基于 OpenAI 技术的生成式 AI 功能，能在 Excel 中直接进行数据分析和决策支持。 Microsoft 365 Copilot：微软推出的整合了多种办公软件的 AI 工具，通过聊天形式，用户告知需求后，Copilot 会自动完成如数据分析、格式创建等任务。 Formula Bot：提供数据分析聊天机器人和公式生成器两大功能，用户可通过自然语言交互进行数据分析和生成 Excel 公式。 Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，能生成公式、相关文本内容、执行情感分析、语言翻译等任务。 2. 方法方面： 信息收集：利用 AI 搜索与权威网站结合获取关键数据，AI 可辅助提取结构化表格数据或编写抓取程序。 内容拆分：针对报告需求将内容拆分，避免 AI 单次处理任务过长。 数据处理：借助传统工具如 Excel，结合 AI 指导高效操作数据筛选与图表生成。 分析与撰写：通过整理数据，利用 AI 辅助分析后撰写报告初稿，可指定风格并校验数据与结论准确性。但要注意，AI 仅作辅助，最终内容需人工主导校验，避免误导性结论。 随着技术的不断发展，未来可能会有更多 AI 功能被集成到 Excel 中，进一步提高工作效率和数据处理的智能化水平。

以下是为您推荐的学习用 AI 做数据分析的工具、课程和相关资源： 了解 AI 基本概念：建议阅读「」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。同时，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。 开始 AI 学习之旅：在「」中，您可以找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。您还可以通过在线教育平台（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。 书籍推荐：在 Python 方面，推荐《Python 学习手册》《Python 编程》；在 AI 方面，推荐《人类简史》《深度学习实战》。 课程&资源推荐：对于 Python 入门，推荐 B 站 up 主「PAPAYA 电脑教室」的 Python 入门课（https://space.bilibili.com/402780815/channel/seriesdetail?sid=2762019）；对于大模型的讲解，推荐 Andrej Karpathy 的课程，油管地址：https://www.youtube.com/watch?v=zjkBMFhNj_g，B 站地址：https://www.bilibili.com/video/BV1AU421o7ob。对于资料库，推荐 AJ 和众多小伙伴们共创的「?通往 AGI 之路」（https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e）。 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。 实际案例与技巧：您可以参考《ChatGPT 助力数据分析：实际案例与技巧》（原文地址：https://mp.weixin.qq.com/s/Fld25MxyoFEnUbnDmGJNXg），文中介绍了两种 AI 数据分析方式，包括 SQL 分析和个性化分析，并展示了分析完成后的结果数据图表和分析结论。

很抱歉，当前提供的知识库内容中没有直接针对“借助人工智能技术的诈骗方式为什么不容易被人们所察觉，它一般采用哪些人工智能技术”这一问题的准确回答。但一般来说，借助人工智能技术的诈骗不易被察觉可能是因为其手段更加隐蔽和复杂，例如利用自然语言处理技术生成逼真的虚假信息，或者通过机器学习算法分析用户行为和偏好来精准实施诈骗。常见采用的人工智能技术可能包括自然语言生成、图像识别伪装、大数据分析等。

很抱歉，当前提供的知识库内容中没有直接针对“借助人工智能技术的诈骗方式为什么不容易被人们所察觉，它一般采用哪些人工智能技术”这一问题的准确回答。但一般来说，借助人工智能技术的诈骗不易被察觉可能是因为其具有高度的仿真性和隐蔽性。例如，利用自然语言处理技术生成逼真的虚假信息，或者通过机器学习算法分析用户行为和偏好，从而精准实施诈骗。然而，具体采用的人工智能技术可能因诈骗场景和手段的不同而有所差异。