以下是为您整理的 18 种提示词框架相关内容： 提示词框架的理解和运用非常重要。您可以先从相对基础的框架入手，比如“情境”。 常见的提示词框架有： 1. CRISPE（Capacity and Role,Insight,Statement,Personality,Experiment） 2. BROKE（Background,Role,Objectives,Key Results,Evolve） 3. ICIP 框架：包括指令（Instruction，必须）、背景信息（Context，选填）、输入数据（Input Data，选填）和输出指示器（Output Indicator，选填） 提示词框架的发展为 Prompt 的构建提供了高度概括和结构化的方法，例如： 1. 明确任务目标，强调任务描述的精确性和完整性。 2. 采用角色扮演方法，让模型更好地理解上下文并生成更相关的回答。 3. 使用基于 Markdown 语法和角色法框架的结构化提示词，提高提示词的可读性和组织性。 4. 进行提示词测试和迭代，不断优化提示词效果。 5. 将提示词封装为智能体，使复杂任务的处理更加模块化和可复用。 随着大语言模型在商业和研究领域的应用，定制化的 Prompt 编写服务日渐受到欢迎，由资深的提示词工程师深入了解客户需求，为其设计、优化并定制最合适的 Prompt。

以下是关于用 AI 抓取数据的相关内容： 对于不会代码的情况，为满足抓取文章内容并生成缩略信息的要求，需重写代码。首先安装必要的库，然后使用特定代码，并注意在实际操作中替换为真实的 OpenAI API key。 生成式人工智能在图形领域通过背后的模型，可根据用户提供的文本描述生成图像。这涉及数据收集，包括从公共数据库获取图像存档等，以获得足够基础来特征化物体、风格或概念；还涉及映射，即使用算法识别和提取图片关键视觉特征用于生成新作品。 要判断一张图片是否为 AI 生成，现在有不少网站通过对大量图片数据的抓取和分析来给出判断可能性，例如 ILLUMINARTY 网站。但鉴定 AI 自身的逻辑算法存在不足，不能像人类一样综合考虑各种表现。

以下是一些适用于财务数据分析的 AI 软件： 1. Salesforce 爱因斯坦：可以通过分析大量数据集来识别潜在客户，生成预测性潜在客户评分，还具有自动化功能，能自动执行日常或耗时的任务。 2. Clari：专门从事智能收入运营的软件，能创建高度准确的收入预测，统一各种来源的数据并以易于理解的方式呈现，简化财务预测过程。 需要注意的是，选择软件时应考虑您的具体需求，比如数据处理能力、与现有系统的兼容性等。

很抱歉，目前知识库中没有关于批量 Excel 翻译的相关内容。但一般来说，要实现批量 Excel 翻译，您可以考虑使用以下几种方法： 1. 利用在线翻译工具的批量处理功能，部分在线翻译平台支持上传 Excel 文件进行批量翻译。 2. 使用专门的办公软件插件，有些插件可以集成到 Excel 中实现批量翻译。 3. 通过编程，例如使用 Python 中的相关库来读取和处理 Excel 文件，并调用翻译接口进行翻译。 您可以根据自己的需求和技术水平选择适合的方法。

目前常见的 AI 模型包括： 1. 大模型，如 GPT、PaLM 等。 2. 多模态 AI 中的视觉语言模型，如 CLIP、Stable Diffusion 等，以及多模态融合模型。 3. 自监督学习模型，如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习模型，如元学习、一次学习、提示学习等。 5. 可解释 AI 模型，包括模型可解释性、因果推理、符号推理等方面的模型。 6. 机器人学相关模型，如强化学习、运动规划、人机交互等模型。 7. 量子 AI 模型，如量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速相关模型。 智谱·AI 开源的模型有： |模型|介绍|代码链接|模型下载| ||||| |WebGLM10B|利用百亿参数通用语言模型（GLM）提供高效、经济的网络增强型问题解答系统。它旨在通过将网络搜索和检索功能集成到预训练的语言模型中，改进现实世界的应用部署。|| |WebGLM2B|利用百亿参数通用语言模型（GLM）提供高效、经济的网络增强型问题解答系统。它旨在通过将网络搜索和检索功能集成到预训练的语言模型中，改进现实世界的应用部署。|| |MathGLM2B|在训练数据充足的情况下，20 亿参数的 MathGLM 模型能够准确地执行多位算术运算，准确率几乎可以达到 100%，其结果显著超越最强大语言模型 GPT4 在相同测试数据上 18.84%的准确率。|| |MathGLMLarge|采用 GLM 的不同变体作为骨干来训练 MathGLM，包括具有 335M 参数的 GLMlarge 和 GLM10B。此外，还使用 ChatGLM6B 和 ChatGLM26B 作为基座模型来训练 MathGLM。这些骨干模型赋予 MathGLM 基本的语言理解能力，使其能够有效理解数学应用题中包含的语言信息。|| |MathGLM10B|采用 GLM 的不同变体作为骨干来训练 MathGLM，包括具有 335M 参数的 GLMlarge 和 GLM10B。此外，还使用 ChatGLM6B 和 ChatGLM26B 作为基座模型来训练 MathGLM。这些骨干模型赋予 MathGLM 基本的语言理解能力，使其能够有效理解数学应用题中包含的语言信息。|| |MathGLMChatGLM6B|采用 GLM 的不同变体作为骨干来训练 MathGLM，包括具有 335M 参数的 GLMlarge 和 GLM10B。|| |

以下是一些 3D 图制作工具： 对于 CAD 图制作： CADtools 12：这是 Adobe Illustrator 的插件，添加了 92 个绘图和编辑工具，包括图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 Autodesk Fusion 360：集成了 AI 功能的云端 3D CAD/CAM 软件，能创建复杂几何形状和优化设计。 nTopology：基于 AI 的设计软件，可创建复杂 CAD 模型，包括拓扑优化、几何复杂度和轻量化设计等。 ParaMatters CogniCAD：根据用户输入的设计目标和约束条件自动生成 3D 模型，适用于拓扑优化、结构设计和材料分布等领域。 主流 CAD 软件（如 Autodesk 系列、SolidWorks 等）的生成设计工具：能根据输入的设计目标和约束条件自动产生多种设计方案。 图片生成 3D 建模工具： Tripo AI：VAST 发布的在线 3D 建模平台，能利用文本或图像在几秒钟内生成高质量且可立即使用的 3D 模型。 Meshy：功能全面，支持文本生成 3D、图片生成 3D 以及 AI 材质生成。 CSM AI：支持从视频和图像创建 3D 模型，Realtime Sketch to 3D 功能支持通过手绘草图实时设计 3D 形象再转换为 3D 模型。 Sudo AI：支持通过文本和图像生成 3D 模型，适用于游戏领域模型生成。 VoxCraft：免费 3D 模型生成工具，能将图像或文本快速转换成 3D 模型，并提供图像到 3D、文本到 3D 和文本到纹理等多种功能。 这些工具通常需要一定的 CAD 知识和技能才能有效使用（对于 CAD 工具而言），或者具有用户友好的界面，允许用户通过简单操作生成 3D 模型，无需专业 3D 建模技能（对于图片生成 3D 建模工具而言）。它们可广泛应用于游戏开发、动画制作、3D 打印、视觉艺术等领域。请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是一些常用的 AI 免费工具： 绘图相关： PlantUML：文本到 UML 转换工具，可通过编写描述生成序列图、用例图、类图等，辅助创建逻辑视图。 Gliffy：基于云的绘图工具，能创建各种架构图，包括逻辑视图和部署视图。 Archi：免费开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图创建。 Rational Rose：IBM 的 UML 工具，支持多种视图创建，包括逻辑视图和部署视图。 Lucidchart：流行的在线绘图工具，支持多种图表创建，包括逻辑视图、功能视图和部署视图，可通过拖放界面轻松创建架构图。 Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能，包括逻辑视图（类图、组件图）、功能视图（用例图）和部署视图（部署图）。 ArchiMate：开源建模语言，支持逻辑视图创建，可与 Archi 工具配合使用。 Enterprise Architect：强大的建模、设计和生成代码工具，支持多种架构视图创建。 Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板创建逻辑视图、功能视图和部署视图等。 draw.io（现 diagrams.net）：免费在线图表软件，允许创建各种类型图表，包括软件架构图，支持创建逻辑视图和部署视图等。 思维导图相关： GitMind：免费跨平台 AI 思维导图软件，支持多种模式，可通过 AI 自动生成思维导图。 ProcessOn：国内思维导图+AIGC 工具，可利用 AI 生成思维导图。 AmyMind：轻量级在线 AI 思维导图工具，无需注册登录，支持自动生成节点。 Xmind Copilot：Xmind 推出的基于 GPT 的 AI 思维导图助手，可一键拓展思路，生成文章大纲。 TreeMind：“AI 人工智能”思维导图工具，输入需求可由 AI 自动完成思维导图生成。 EdrawMind：提供一系列 AI 工具，包括 AI 驱动的头脑风暴功能，提升生产力。 请注意，虽然这些工具可以辅助创建架构视图或思维导图，但它们不都是完全基于 AI 的。AI 在绘图工具中的应用通常涉及智能推荐布局、自动生成图表代码或识别图表中的模式和关系。在选择工具时，应考虑具体需求，如是否支持特定建模语言、是否与特定开发工具集成、偏好在线工具还是桌面应用程序等。 以上内容由 AI 大模型生成，请仔细甄别。

以下是关于 ChatGPT 和 SideR（推测您想说的是 OppenheimerGPT）的优劣对比： ChatGPT 的优势： 相对于之前的版本，如 ChatGPT 相对于 ChatGPT 表现出显著的改进，在许多复杂问题中展示了更深入的理解，并能够应用适当的推理。 ChatGPT 的劣势： 通常会采用低级启发式方法，提到与问题仅是表面相关的公式和概念，这表明缺乏实际理解。 存在事实不准确的问题。 OppenheimerGPT 的优势： 提供一体化的 AI 动力体验，同时访问 ChatGPT 和 Bard。 轻松查询访问，快速获取答案，无需切换标签。 实时提示镜像，确保全面回答查询。 多个菜单栏实例，支持并行探索和多任务处理。 超人类键盘快捷键，提高应用程序交互效率。 OppenheimerGPT 的劣势： 只能在 MacOS 上使用。 产品可能存在一些限制或局限性，用户需注意它们的适用范围和功能限制。

ChatGPT 和集成式插件 sider 各有特点和优势。 对于 ChatGPT： 有历史老师用 GPT 给学生讲课的案例，但需注意其模拟历史的内容可能存在错误和幻觉。 插件可以解决与大型语言模型相关的多种挑战，如“幻觉”、跟上最新事件以及访问专有信息源。 目前已有 Expedia、FiscalNote、Instacart 等公司创建了各种插件，提供行程规划、数据集访问、语言学习等功能。 关于集成式插件 sider 的相关信息，上述知识库中未提及。 如果您能更明确地说明您的使用场景和需求，将有助于更准确地为您比较二者的适用性。

ChatGPT 插件（ChatGPT Plugins）是为语言模型设计的工具，以安全为核心原则，能帮助 ChatGPT 访问最新信息、进行计算或使用第三方服务。其官网链接为：https://openai.com/blog/chatgptplugins 。插件开发人员可依据文档（https://openai.com/blog/chatgptplugins?utm_source=futurepedia&utm_medium=marketplace&utm_campaign=futurepedia）为 ChatGPT 构建插件，在展示给语言模型的提示中列出已启用的插件，并提供说明文档告知模型如何使用每个插件。插件能让模型访问真实世界和最新数据，包括训练数据中未包含的过于最新、过于个人或过于特定的信息。根据用户明确请求，插件还能使语言模型代表用户执行安全和受限制的操作，增加系统整体效用。 此外，还有一些与 ChatGPT 相关的应用案例，比如一个历史老师用 GPT 给学生讲课，以及有人为实现网页字数统计功能而开发的 Tampermonkey 脚本。 至于 sider 插件，上述内容中未提及相关信息。