什么是提示工程？与提示词有什么区别？

以下是关于论文提示词的相关内容： “论文深度剖析导师”提示词可以帮助您更好地理解论文。其在多个方面表现出色： 1. 老本行升级：对于公众号文章、专业论文、书籍、在线课程等深度文本理解效果显著，能拆解得清晰明了。例如解读特朗普的关税政策能迅速抓住核心。 2. 求职分析利器：能拆解岗位描述，并基于此指导写简历。 3. 自我介绍“测谎仪”：戳破 Title 泡沫。 此外，在学术场景数据处理中，有效的提示词库也能发挥重要作用： 1. 论文内容总结：结合大模型和良好的提示词能迅速概括文档，节省时间。 2. 论文内容翻译：大模型能弥补翻译软件的不足，帮助快速翻译论文，提高阅读效率。 3. 论文内容扩写润色：将复杂学术知识转化为适合社交媒体的科普内容，例如针对小红书的使用场景调整提示词，生成贴近生活、通俗易懂的内容。 云舒在读懂 Claude 论文时，经历了多种尝试，最终通过“论文深度剖析导师”提示词和 Gemini2.5 等工具成功开启阅读之旅。您可以通过 PrintFriendly 把论文打印成 PDF 后交给 Gemini 处理。具体链接为：https://aistudio.google.com/

提示词相关知识如下： 1. 什么是提示词： 用于描绘您想生成的画面。 星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发），支持中英文输入。 启用提示词优化后，能帮您扩展提示词，更生动地描述画面内容。 2. 如何写好提示词： 可以点击提示词上方官方预设词组进行生图。 提示词内容要准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等，比如：一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量。 调整负面提示词，点击提示框下方的齿轮按钮，弹出负面提示词框，负面提示词可以帮助 AI 理解不想生成的内容，比如：不好的质量、低像素、模糊、水印。 利用“加权重”功能，让 AI 明白重点内容，可在功能框增加提示词，并进行加权重调节，权重数值越大，越优先，也可对已有的提示词权重进行编辑。 辅助功能包括翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。 3. 提示词要素： 指令：想要模型执行的特定任务或指令。 上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。 输入数据：用户输入的内容或问题。 输出指示：指定输出的类型或格式。 4. 提示工程与提示词的区别： 提示工程是一个相对较新的概念，涉及设计和优化输入提示，以引导 AI 模型生成特定类型的输出或执行特定的任务。其关键点包括精确性、创造性、迭代、上下文理解。 提示词通常指直接输入到 AI 模型中的问题、请求或指示，是提示工程的一部分。提示工程不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能、以及创造性地探索模型的潜在应用。提示工程的目标是最大化 AI 模型的效用和性能，提示词是实现这一目标的手段之一。在实际应用中，提示工程可能包括对 AI 模型的深入分析、用户研究、以及对特定任务的定制化提示设计。

以下是一些关于学术写作的 AI 提示词相关内容： 可以向 LLM 寻求写作建议，例如：“根据以下关于我的信息，写一篇四段的大学申请论文：我来自西班牙巴塞罗那。尽管我的童年经历了一些创伤性事件，比如我 6 岁时父亲去世，但我仍然认为我有一个相当快乐的童年。在我的童年时期，我经常换学校，从公立学校到非常宗教的私立学校。我做过的最‘异国情调’的事情之一是在爱达荷州的双子瀑布与我的大家庭一起度过六年级。我很早就开始工作了。我的第一份工作是 13 岁时的英语老师。在那之后，以及在我的学习过程中，我做过老师、服务员，甚至建筑工人。” 对于“AI 写论文有前景吗”这一问题，可以使用 SPAH 框架优化为：“考虑到人工智能在内容创作方面的进步，请问 AI 在学术论文写作领域的应用前景如何，特别是其潜在能力、面临的限制和未来发展挑战是什么？” 要认识到 AI 存在“不稳定性”，不能期待设计一个完美的提示词就得到完美答案，给到 AI 的提示词应是一个相对完善的“谈话方案”，真正的成果需要在对话中产生。

以下是关于自媒体文章创作提示词教学的相关内容： 一、宝玉日报中的提示词教学 1. 提示词四要素包括指令、上下文、输出格式、角色。明确表达需求，学会结构化 Prompt，能让 AI 效果立竿见影。 2. 相关链接： 二、工具教程：清影中的提示词优化原则 1. 强调关键信息：在提示的不同部分重复或强化关键词有助于提高输出的一致性。 2. 聚焦出现内容：尽量让提示集中在场景中应该出现的内容上。 3. 规避负面效果：在提示词中写明不需要的效果，保障视频生成质量。 写提示词的步骤： 1. 明确场景中的人物和冲突，这是推动场景发展的关键因素。 2. 对场景进行详细描述，包括地点、人物形象、任务动作等细节，使用生动的动词营造动态和戏剧化氛围。 3. 加强镜头语言，常用的镜头运动包括推、拉、摇、移、升、降等，每种镜头运动都有其特定作用和效果。 三、关于律师如何写好提示词用好 AI 1. 第一部分：说清楚本文要解决的问题、问题的背景以及可能导致的损失。 2. 第二部分：以案例引入，案例需改写自【基础材料】的【类案参考】部分，包括案号、案件事实经过、法院裁判结果、关键依据等与文章有关的要点。 3. 第三部分：对案例进行进一步分析，写明需要注意的关键点，分析可改写自【基础材料】的【问答结果及分析】部分，这部分不要给建议。 4. 第四部分：给出具体的操作建议，分为事前应注意事项、事中需要注意留存的证据、事后可以采取的补救措施三个部分，每个部分分别给出三条清晰具体的建议。 5. 第五部分：结语及对于本文作者的宣传。 文章结构要点： 1. 定义身份（边界），整体流程和所需资源描述。 2. 对所需资源及如何使用进行描述。 3. 对最终输出的结果进行描述。 注意事项： 1. 所有结论均应有相对应的案例基础，不能违反法律规定，不能编造。 2. 文字需要简练精准，有足够的信息密度，给出的建议必需具体细致且易于操作。

以下是为您提供的分镜脚本提示词相关内容： 分镜提示词的结构通常为：我要做多长时间的视频+要出多少个分镜+每个分镜包含哪些内容+对输出格式有什么要求。 例如： 1. 请把这个故事脚本改写成一个 30 秒时长的广告片分镜脚本，脚本结构包括序号、场景、景别、镜头时长、镜头运动、画面内容、对话旁白和音乐音效。每个分镜拆分细致一些，补充多一些细节，单镜头时长控制在不超过 5 秒，一共拆分 10 个分镜，请把上述分镜脚本转换成 markdown 列表形式输出，第一列是场景，第二列是景别，第三列是镜头时长，第四列是镜头运动，第五列是画面内容，第六列是对话旁白，第七列是音乐音效。 2. 以的冰工厂赛道为例，参考 prompt：请帮我把以下（广告故事）设计成（30）秒的可执行分镜脚本，要求使用不同的景别进行画面切换，并给我（100 字）左右的详细画面描述，并每句都加入（高清，真实感，3D，blender）这些文字，整体节奏（顺畅紧张且有趣）：烈日炎炎，一个冰雕的人型雕塑被晒到想要逃离太阳，于是他踩着冰雕的滑板借着融化的水开始冲浪，结果在一个杯子形状的悬崖边不小心坠落，摔成冰块，最后告诉大家这是个冰杯的广告片。 另外，还有影片分镜的示例： |分镜编号|分镜内容描述|人物|情绪|对白或配音| |||||| |1|高中操场，学生们活动|学生群|活跃|无| |2|几个高大的男生围住新生|霸凌者甲、新生|威胁、害怕|霸凌者甲：新来的，懂不懂这里的规矩？| |2||新生|害怕|新生：我...我没有钱。| |3|李宁穿过人群，挡在新生前|李宁、霸凌者|坚定、惊讶|李宁：住手！| |4|霸凌者们一愣，嘲笑李宁|霸凌者乙、李宁|轻蔑、冷静|霸凌者乙：呦，这不是我们班的学霸李宁吗？| |5|水雾涌动，龙头隐约出现|陈涛及其跟班|自信|陈涛：哪吒，你我之间的恩怨，今天该有个了结了。| |6|李宁变身为哪吒，准备战斗|哪吒|决绝|哪吒：为了正义，我绝不退缩！| |7|哪吒与陈涛及其跟班交战|哪吒、陈涛|激烈|无| |8|哪吒保护同学，被击中落水|哪吒、新生|英勇、担忧|无| |9|哪吒爬上岸，召唤神兽|哪吒|坚持|无| |10|陈涛使用现代武器|陈涛|得意|陈涛：哪吒，你的时代已经过去了。| |11|同学们鼓起勇气帮助哪吒|同学们|勇敢|无|

以下是关于结构化提示词的相关信息： 云中江树是 Prompt 提示词框架 LangGPT 的作者，并组建了 EmbraceAGI 学习社区。他早在 2023 年 3 月就提出了结构化构建提示词的方法，并发布在 Github，很快收藏破千。LangGPT 是 Language For GPT 的简称，中文名为结构化提示词，于 2023 年 5.4 青年节开源发布，成为 GitHub 开源社区全球趋势热榜前十项目，并撰写了学术论文开源发表。其提出的结构化提示词已被百度、智谱、字节、华为等国内主流大模型智能体平台使用，当前已发展成为国内最具影响力的高质量提示词工程师学习交流社群。您可以通过了解更多。 小七姐在其 Prompt 喂饭级系列教程小白学习指南（四）中提到，结构化 Prompt 的思想通俗来说就是像写文章一样写 Prompt。结构化编写 Prompt 本身算是提示词编写的进阶学习内容，这里为新手列举了一套（极简）基础的结构化编写 Prompt 的框架，例如：Role: Suno 结构提示词包含了众多流派和风格，如：爵士转折。

以下是一些 GPT4o 图像生成的提示词示例： 1. 将这张图更改为蓝色氛围，星星图标改为魔法棒图标，同时将里面文案描述的主题改为其他的。 2. 帮我生成一张这样的 UI 设计稿：Peerlist 邀请链接界面分析，界面内容。 3. 一张逼真的照片，描绘了一匹马在宁静的海洋表面从右向左奔驰，准确地描绘了飞溅的水花。 Realistic photograph of a horse galloping from right to left across a vast,calm ocean surface,accurately depicting splashes,reflections,and subtle ripple patterns beneath their hooves.Exaggerate horse movements but everything else should be still,quiet to show contrast with the horse's strength.clean composition,cinematographic.A wide,panoramic composition showcasing a distant horizon.Atmospheric perspective creating depth.zoomed out so the horse appears minuscule compared to vast ocean.horse is right at the horizon where ocean meets sky.use rule of thirds to position horse.size of horse is 1% size of entire image because camera is so far away from subject.camera view is super close to the ground/ocean like a worm's eye view.horse is galloping right where ocean meets the sky 4. 生成一张 2006 年夏天的周六多伦多农夫市场的逼真照片，那天是六月的美好时光，人们在购物和吃三明治。焦点应是一个穿着牛仔工装裤、啜饮草莓香蕉奶昔的年轻亚洲女孩——其余部分可以模糊。照片应让人联想到 2006 年的数码相机拍摄的效果，带有像打印照片一样的日期和时间戳。画幅比例应为 3:2

以下是一些常用的提示词： AI 绘画方面： 画面构图提示词：Chest Shot脸部特写。 情绪和氛围提示词：moody 暗黑的、happy 鲜艳的/浅色的、dark 黑暗的、epic detail 超细节的、Brutal 残酷的/破碎的、dramatic contrast 强烈对比的、hopeful 充满希望的、anxious 焦虑的、depressed 沮丧、elated 高兴地、upset 难过的、fearful 令人恐惧的、hateful 令人憎恨的、happy 高兴、excited 兴奋、angry 生气、afraid 害怕。 【SD】文生图方面： 正向提示词：, drawing, paintbrush。 反向提示词：NSFw, 。 星流一站式 AI 设计工具方面： 提示词用于描绘想生成的画面，输入语言支持中英文。星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发）。 写好提示词的要点包括：内容准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质，如一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量；调整负面提示词，可点击提示框下方的齿轮按钮，负面提示词能帮助 AI 理解不想生成的内容，如不好的质量、低像素、模糊、水印；利用“加权重”功能，在功能框增加提示词并进行加权重调节，权重数值越大越优先，还可对已有的提示词权重进行编辑。此外，还有一些辅助功能，如翻译功能可一键将提示词翻译成英文，删除所有提示词可清空提示词框，会员加速能提升图像生图速度和效率。小白用户可以点击提示词上方官方预设词组进行生图。

以下是为您提供的关于利用网络音频和 AI 视频展示诗歌的 Coze 工作流的相关指导： 1. 整体结构和参数配置： 工作流通常包括开始模块、Get_Video 模块、LinkReaderPlugin 模块、标题大模型、内容大模型、图片 Prompt 大模型、文生图 ImageToolPro 模块和输出结果模块等。 每个模块都有其特定的参数配置，例如在开始模块中选择源语言和目标语言等。 2. 标题大模型参数配置： 您需要作为小红书爆款写作专家，根据输入内容产出 3 个标题，采用二极管标题法创作，并善于使用吸引人的特点和爆款关键词，同时要符合小红书平台的标题特性和创作规则。 3. 内容大模型参数配置： 作为小红书爆款写作专家，根据输入内容产出 1 篇正文，每段话包含适当的 emoji 表情，文末有合适的 tag 标签。写作时要注意风格、开篇方法、文本结构、互动引导方法、一些小技巧、爆炸词等，文章尽量口语化、简短，在 200 字左右。 4. 图片 Prompt 大模型参数配置： 作为绘图 Prompt 大师，将输入内容转成 AI 更容易理解的绘画 Prompt。 5. 工作流创建步骤： 点击工作流后面的“+”添加工作流，然后创建工作流。 给工作流起名字和描述，名字只能用字母、数字和下划线，描述要清晰。 初始化工作流后，会生成开始模块和结束模块，左边有各种插件和搭建 Agent 的工具，可根据需要添加和使用。 希望以上内容对您有所帮助，如果您在具体操作过程中还有其他疑问，请随时向我咨询。

以下是为您提供的关于利用网络音频和 AI 视频展示诗歌的 Coze 工作流的相关指导： 1. 整体结构和参数配置： 工作流通常包括开始模块、Get_Video 模块、LinkReaderPlugin 模块、标题大模型、内容大模型、图片 Prompt 大模型、文生图 ImageToolPro 模块和输出结果模块等。 每个模块都有其特定的参数配置，例如在开始模块中选择源语言和目标语言等。 2. 标题大模型参数配置： 您需要作为小红书爆款写作专家，根据输入内容产出 3 个标题，采用二极管标题法创作，并善于使用吸引人的特点和爆款关键词，同时要符合小红书平台的标题特性和创作规则。 3. 内容大模型参数配置： 作为小红书爆款写作专家，根据输入内容产出 1 篇正文，每段话包含适当的 emoji 表情，文末有合适的 tag 标签。写作时要注意风格、开篇方法、文本结构、互动引导方法、一些小技巧、爆炸词等，文章尽量口语化、简短，在 200 字左右。 4. 图片 Prompt 大模型参数配置： 作为绘图 Prompt 大师，将输入内容转成 AI 更容易理解的绘画 Prompt。 5. 工作流创建步骤： 点击工作流后面的“+”添加工作流，然后创建工作流。 给工作流起名字和描述，名字只能用字母、数字和下划线，描述要清晰。 初始化工作流后，会生成开始模块和结束模块，左边有各种插件和搭建 Agent 的工具，可根据需要添加和使用。 希望以上内容对您有所帮助，如果您在具体操作过程中还有其他疑问，请随时向我咨询。

以下是一些写短视频提示词的好用方法和示例： Pikadditions 功能： 1. 上传基础视频：点击页面下方的【Pikaddition】按钮，拖拽或点击上传本地视频。若自己没有视频，可在“templates”板块使用官方示例视频做测试。 2. 添加主角图片：点击【Upload Image】上传角色图片文件。 3. 编写视频提示词：若需要参考角色在视频里的相关互动，需在输入框用英文描述期望效果（支持 Emoji 辅助），然后点击生成按钮。 提示词公式参考： 事件驱动句式：As... 空间锁定技巧：使用场景物体作坐标轴，如 on the.../behind the.../from the... 动态呼应原则：角色动作与视频元素联动，如 swaying with.../reacting to.../matching... 美女转绘： 使用麦🍊的写实模型和墨幽人造人模型，不推荐使用质量词。提示词先使用反推，Deepbooru，借助提示词插件删除无用提示词，保留和画面主体相关的提示词，如人物主体描述、皮肤质感增强、整体细节增强的 Loar。 正向提示词示例：1girl,solo,black_hair,midriff,autolinklora:林鹤皮肤质感调整器差异炼丹功能性 lora 模型_林鹤 v1:0.6autolink 负向提示词示例：NSFW,logo,text,blurry,low quality,bad anatomy SD 新手入门： 根据想画的内容写提示词，多个提示词之间使用英文半角符号。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，最后是描述细节的。提示词顺序很重要，越靠后权重越低。关键词要具有特异性，措辞越具体越好，可使用括号人工修改提示词的权重。

DeepSeek 的提示词具有以下特点： 1. 语气上还原帝王语气，不过分用力，使用相对古典但兼顾可读性的文字，避免傻气的表达。 2. 对历史细节熟悉，这可能与支持“深度探索”和“联网搜索”同时开启有关，能准确还原如“太极宫”“甘露殿”“掖庭局”“观音婢”“宫门鱼符”等唐初的历史称谓。 3. 输出极其具体且充满惊人细节，行文的隐喻拿捏到位，如“狼毫蘸墨时发现指尖残留着未洗净的血痂”“史官们此刻定在掖庭局争吵。该用‘诛’还是‘戮’，‘迫’还是‘承’。‘只是这次，他不敢触碰我甲胄上元吉的掌印’”等句子，虽未直接写“愧疚与野心，挣扎与抱负”，但句句体现。 与以往大语言模型的提示词的不同在于：以往模型可能在语气、历史细节和具体细节的处理上不如 DeepSeek 出色。

在 AI 任务中，常见的衡量指标包括准确率和召回率。准确率（Accuracy）衡量的是模型预测正确的比例。而召回率主要用于信息检索等任务，衡量的是模型能够正确检索出相关内容的比例。 在摘要任务中，一般用 ROUGE 指标，其中 ROUGE2 是把两个 sequence 按 2gram 的方式做切分做频次统计，然后计算 pred 和 gt 之间的召回率。 对于不同的 AI 任务，还有其他多种指标，如在 NLP 中： 信息检索任务常用 NDCG@K 指标，核心衡量最相关文档是否排序足够靠前。 文本生成任务可用 BitsperByte 指标。 针对二分类任务，一般用 ECE 指标（Expected Calibration Error）来度量模型输出概率 p 时，最终正确率真的为 p 的一致性。 此外，还有一些其他方面的评估指标，如不确定性（Calibration and Uncertainty）、鲁棒性（Robustness，包括 invariance 和 equivariance）、公平性（Fairness）、偏见程度（Bias and stereotypes）、有毒性（Toxicity）等。 传统的 RAG 解决方案在检索效率和准确性上存在问题，Anthropic 通过“上下文嵌入”解决了部分问题，但 RAG 的评估仍待解决，研究人员正在探索新的方法，如 Ragnarök。 在提示词设计方面，Claude 官方手册提出“链式提示”的方法理念，将复杂任务拆解为多个步骤，具有准确率高、清晰性好、可追溯性强等好处。ChatGPT 官方手册也有类似理念，同时还有相关论文如在 ICLR 2023 上发表的提出 LeasttoMost Prompting 提示词策略的论文，在文本理解和生成场景中表现优秀。

工作流和智能体的区别主要体现在以下几个方面： 定义： 工作流是通过预定义代码路径来编排 LLM 和工具的系统。 智能体则是由 LLM 动态指导自身流程和工具使用的系统，能够自主控制任务完成方式。 功能： 智能体是一个自动化的“助手”，用来执行特定任务，擅长做一些具体的、重复性的任务，比如客服聊天、推荐商品、处理订单等，但只能按照预先设定的规则和任务来做事，如果遇到超出范围的情况，就不知道怎么办了。 工作流是一系列任务的流程，决定了每个步骤应该做什么，可以处理一个完整的过程，比如从客户下单、付款到发货和售后服务，涵盖了所有步骤和环节，更灵活，能够适应变化，可以调整步骤和规则来应对不同的情况，不需要一开始就固定下来。 范围： 智能体是特定任务的“助手”，用于局部执行任务。 工作流是一个“计划”或“路线图”，指导整个任务的流程。简单说，工作流是全局的，智能体是局部的。 在业务中，通常需要的是工作流而非单个智能体，因为整个业务流程设计至关重要。例如，在烹饪中，关键不在于使用多贵的锅，而是按步骤完成每道工序。因此，工作流才是解决问题的关键，它帮助优化思路、提升效率。设计好工作流才能大幅提升整体业务效率。

在 AI 领域中，Token 和 Word 有以下区别： 定义和范围：Token 通常是大语言模型处理文本数据时的一个单元，在不同语境下，可能代表一个字、一个词、一个句子、标点、词根、前缀等，更加灵活。而 Word 一般指能够表达一定意义的独立单位，如单词。 语言处理：在英文中，一个 Word 通常是一个词或标点符号。在一些汉语处理系统中，一个 Word 可能是一个字或一个词。而 Token 在不同的语言模型和处理系统中，对应的范围和形式有所不同。 作用和意义：Token 不仅是文本数据的单位，还可能携带丰富的语义、句法等信息，在模型中有着对应的向量表示。Word 主要用于传达相对明确和完整的意义。 计算和收费：大模型的收费计算方法以及对输入输出长度的限制，通常是以 Token 为单位计量的。 例如，在处理“ I’m happy ”这句话时，“I”、“’m”、“happy”可能被视为 Token，而“I’m happy”整体可看作一个 Word 。

AI chatbot、agent、copilot 主要有以下区别： 1. 定义和角色： Copilot：翻译成副驾驶、助手，在帮助用户解决问题时起辅助作用。 Agent：更像主驾驶、智能体，可根据任务目标自主思考和行动，具有更强的独立性和执行复杂任务的能力。 Chatbot：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 核心功能： Copilot：更多地依赖于人类的指导和提示来完成任务，功能很大程度上局限于在给定框架内工作。 Agent：具有更高的自主性和决策能力，能够根据目标自主规划整个处理流程，并根据外部反馈进行自我迭代和调整。 3. 流程决策： Copilot：处理流程往往依赖于人类确定的静态流程，参与更多是在局部环节。 Agent：解决问题的流程由 AI 自主确定，是动态的，不仅可以自行规划任务步骤，还能根据执行过程中的反馈动态调整流程。 4. 应用范围： Copilot：主要用于处理简单、特定的任务，更多是作为工具或助手存在，需要人类引导和监督。 Agent：能够处理复杂、大型的任务，并在 LLM 薄弱的阶段使用工具或 API 等进行增强。 5. 开发重点： Copilot：主要依赖于 LLM 的性能，开发重点在于 Prompt Engineering。 Agent：同样依赖于 LLM 的性能，但开发重点在于 Flow Engineering，即在假定 LLM 足够强大的基础上，把外围的流程和框架系统化。 以下是一些 Agent 构建平台： 1. Coze：新一代一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具。 2. Mircosoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及部署 Copilot 到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者根据需求打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，在处理高频工作场景方面表现出色。 以上信息由 AI 大模型生成，请仔细甄别。

人工智能搜索与百度搜索存在以下区别： 1. 底层技术：人工智能搜索的底层技术常包括“RAG”，即“检索增强生成”，包括检索、增强和生成三个步骤。而百度搜索的技术构成相对复杂，不断融合新的技术和功能。 2. 发展路径：在中国市场，相较欧美，百度作为搜索巨头已将文心一言大模型融入搜索，提供对话式回答和创作功能。同时，市场上还涌现出如秘塔 AI 搜索等创新型产品，主打“无广告，直接答案”，提供结构化结果和引用来源等特色功能。 3. 产品更新与竞争态势：Google 仍在战斗前线密集释放技能，与其他公司竞争激烈。而百度在新模型发布方面相对较少。此外，Google 推出新功能曾引发大量用户不满，而百度的相关新功能在页面布局和使用体验上更靠近某些特定产品，并聚合了多种创作能力和智能体快捷调用窗口。百度文库也上线了“AI 全网搜”功能，打通了特定工作流，产品功能较为完整，但受限于模型能力，生成内容尚有提升空间。

用 AI 建立知识库和直接使用 AI 主要有以下区别： 直接使用 AI 时，AI 生成的内容可能较为笼统模糊，就像遇到只会说“很急，今天就要”却不提供具体指导的领导。若想让 AI 成为得力助手，需对复杂任务进行拆解，提供方法论和定义输出格式。 建立知识库就如同为 AI 准备了“教科书”。知识库灵活，但偶尔会出现查不到内容而“猜题”的情况。例如，将《梦想与颠覆》卡牌等相关内容导入作为 AI 可调用的知识库，后续在创作中激活知识库，AI 会根据场景自动匹配库内素材，使输出更具针对性。 相比之下，微调类似于让 AI“自己真的学会了整本书”，答题更快更准，但训练成本高。微调适合高精度、长期任务，而知识库更适合临时查找、快速问答。

提示词工程是指在与人工智能模型进行交互时，负责设计和优化提示的专业领域。 提示词工程师的职责包括： 1. 设计提示：根据用户需求和模型能力，考虑提示的长度、结构、措辞和信息量等因素，设计有效的提示，清晰传达用户意图，引导模型生成满意结果。 2. 优化提示：通过收集用户反馈、分析模型结果和实验不同策略等方式，不断优化提示，提高模型性能。 3. 评估提示：使用准确率、流畅度和相关性等指标评估提示的有效性。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对工作领域有深入了解，以便设计有效提示。 2. 自然语言处理（NLP）：了解 NLP 基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 基本原理和技术，能够理解和使用 AI 模型。 4. 沟通能力：与用户、团队成员和其他利益相关者有效沟通。 提示工程是在人工智能领域，特别是自然语言处理和大型语言模型的背景下，一个相对较新的概念。它涉及设计和优化输入提示，以引导 AI 模型生成特定输出或执行特定任务。其关键点包括精确性、创造性、迭代和上下文理解。提示词通常指直接输入到 AI 模型中的问题、请求或指示，是提示工程的一部分。提示工程不仅包括创建提示词，还涉及理解模型行为、优化提示以获得更好性能、探索模型潜在应用等。 目前提示词工程发展火热，出现了各种流派和框架，但结构化虽降低沟通难度、提高结果准确度，却也限制了更多可能性，且大部分框架不太适合解决过于主观、个人情绪或过于简单的问题，一个框架往往难以完全满足需求。

提示词工程师（Prompt Engineer）是在与人工智能模型交互时，负责设计和优化提示的专业人员。他们的目标是通过精心构造的提示，引导模型产生准确、有用和相关的回答。 其主要职责包括： 1. 设计提示：根据用户需求和模型能力设计有效的提示，考虑提示的长度、结构、措辞和信息量等因素，确保清晰传达用户意图并引导模型生成满意结果。 2. 优化提示：通过收集用户反馈、分析模型结果和实验不同的提示策略等方式不断优化提示，以提高模型性能。 3. 评估提示：使用各种指标如模型的准确率、流畅度和相关性等来评估提示的有效性。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对所工作的领域有深入了解，以便设计出有效的提示。 2. 自然语言处理（NLP）：了解 NLP 的基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 的基本原理和技术，能够理解和使用 AI 模型。 4. 沟通能力：具备良好的沟通能力，与用户、团队成员和其他利益相关者有效沟通。 以下是一些提示词工程师工作的实际案例： 无需微调，仅用提示词工程就能让 LLM 获得 tool calling 的功能。其主要有两部分代码组成：提示词注入和工具结果回传。提示词注入用于将工具信息以及使用工具的提示词添加到系统提示中。工具结果回传则是解析 tool calling 的输出，并将工具返回的内容再次嵌入 LLM。 在生成式 AI 模型中，提示词工程是一门新兴的学科。提示词是用户与模型沟通愿望的文本界面，可从简单问题到复杂任务。提示词工程的核心在于制作出能实现特定目标的最佳提示词，这不仅要指导模型，还涉及对模型能力和局限性的深刻理解及所处的上下文。提示词工程还需要结合领域知识、对 AI 模型的理解及系统化方法为不同情境定制提示词，是一个迭代和探索的过程。本文旨在深入探讨这个新兴领域，重点关注其在 LLM 中的应用，且大多数技术也可应用于多模态生成式 AI 模型。 随着人工智能技术的不断发展，对提示词工程师的需求将会越来越大。

提示词工程入门： 基本概念： 简单的提示词能获得结果，但结果质量与提供信息的数量和完善度有关。提示词可包含指令、问题、上下文、输入、示例等元素，以更好地指导模型获得更好结果。 如使用 OpenAI 的聊天模型，有 system、user 和 assistant 三种角色，system 非必需但有助于设定 assistant 行为。本指南示例通常仅用 user 消息作 prompt。 语言模型能基于给出的上下文续写，可通过改进提示词获得更好结果。提示工程探讨如何设计最佳提示词以高效完成任务，可用于多种高级任务。 相关精读： 在生成式 AI 模型中，提示词工程是新兴学科，塑造模型交互和输出。提示词是用户与模型沟通的文本界面，涵盖简单问题到复杂任务。 提示词工程核心是制作实现特定目标的最佳提示词，涉及对模型能力和局限性的理解及所处上下文。 提示词工程不仅构建提示词，还需结合领域知识、对 AI 模型理解和系统化方法定制提示词，是迭代和探索过程。 关于提示词工程师： 是负责设计和优化提示的专业人员，目标是引导模型产生准确、有用和相关回答。 主要职责包括设计、优化、评估提示，需具备领域知识、自然语言处理、人工智能、沟通能力等。 是新兴职业，随着人工智能发展需求将增大，有实际工作案例。

以下是 AI 模型和机器学习的分类： 1. AI（人工智能）：是一个广泛的概念，旨在使计算机系统能够模拟人类智能。 2. 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。包括以下几种类型： 监督学习：使用有标签的训练数据，算法学习输入和输出之间的映射关系，包括分类和回归任务。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训练小狗。 3. 深度学习：是机器学习的一个子领域，模拟人脑创建人工神经网络处理数据，包含多个处理层，在图像识别、语音识别和自然语言处理等任务中表现出色。 4. 大语言模型：是深度学习在自然语言处理领域的应用，目标是理解和生成人类语言，如 ChatGPT、文心一言等。同时具有生成式 AI 的特点，能够生成文本、图像、音频和视频等内容。 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它基于自注意力机制处理序列数据，不依赖循环神经网络或卷积神经网络。生成式 AI 生成的内容称为 AIGC。

以下是关于提示词工程的教程： 1. 提示词工程教程：为帮助大型语言模型更好地理解任务，提供了在线教程。任务可分解为两步，第一步模型检查当前提示词和样本，第二步编写改进的提示词。 2. 逐步推理模板：指导提案模型回答一系列问题，如输出是否正确、提示词是否准确描述任务等，以鼓励模型仔细检查示例并反思提示词局限性。 3. 上下文规定：提示词插入输入序列的位置灵活，可能在输入文本之前或之后，元提示词中应明确提示词和输入的相互作用。 4. 基础提示词：简单提示词能获得结果，但结果质量与提供信息的数量和完善度有关。提示词可包含指令、问题、上下文、输入或示例等元素。使用 OpenAI 聊天模型时，有 system、user 和 assistant 三种角色，本指南示例通常仅使用 user 消息作为 prompt。通过改进提示词可获得更好结果，提示工程探讨如何设计最佳提示词以高效完成任务。 5. 无需微调，仅用提示词工程让 LLM 获得 tool calling 功能：主要由提示词注入和工具结果回传两部分代码组成。提示词注入将工具信息及使用提示添加到系统提示中，包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。工具结果回传解析 tool calling 输出，并将工具返回内容嵌入 LLM，利用正则表达式抓取相关参数，对于不同工具和 LLM 接口有不同处理方式。

以下是一些学习提示词工程的优质教程推荐： 1. 小七姐的“Prompt Engineering a Prompt Engineer 精读翻译”： 提供了提示词工程的在线教程。 将提示词工程的任务分解为两个步骤，并在元提示词中明确这两个步骤，提前传达期望。 为鼓励模型仔细检查示例，指导提案模型回答一系列问题。 明确提示词在不同上下文中与输入的相互作用。 2. 歸藏翻译的“简单易懂，强烈推荐 Codesignal 提示工程教程1”： 通俗易懂，给出丰富实践经验。 课程地址：https://learn.codesignal.com/preview/coursepaths/16/promptengineeringforeveryone 。 3. “GPT1 到 Deepseek R1 所有公开论文 The 2025 AI Engineer Reading List”中的第 3 节： 推荐了 Lilian Weng、Eugene Yan、Anthropic 的《提示工程教程》和《人工智能工程师工作坊》。