Navigate to WaytoAGI Wiki →
Home/question.detail.breadcrumb.questionList/question.detail.breadcrumb.questionDetail

常见的提示词写法误区举例

Answer

常见的提示词写法误区主要包括以下几点:

  1. 忽略基础知识的重要性:很多同学急于上手写复杂的提示词,对基础教程重视不足。在能写较长提示词后,会问出如“为什么我问了两轮之后 GPT 就会失忆”“为什么给了特定一段话但它会混淆”“为什么大模型无法指定准确字数及有何办法让生成长度靠谱”等基础问题。建议多读翻译和解读良好的基础教程,并跟着示例做符合自身需求的小例子。
  2. 试图用一个 Prompt 解决 10 个问题:很多同学因被精妙的提示词吸引而决心自己写出这样的 Prompt,但应注意避免。
  3. 过于关注 Prompt 的文本本身:如果发现花在飞书代码块和 markdown 记事本上的时间远超与 GPT 对话的时间,要警惕是否忽略了在写作过程中与 GPT 进行深度对话来检验其对方法论的熟悉程度、获取完善建议、反复测试生成结果以优化和改善 Prompt。比如在实战案例中,学员撰写的焦虑情绪测试和生成建议的 Prompt 虽文法上没问题、生成结果除宽泛外无大问题,但未在对话场景中代入用户体验反复测试,可能导致真正的用户不会使用。

在写提示词时,还需注意以下语法方面: 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[,]。一般而言,概念性、大范围、风格化的关键词写在前面,叙述画面内容的关键词其次,最后是描述细节的关键词,大致顺序如:(画面质量提示词),(画面主题内容)(风格),(相关艺术家),(其他细节)。不过在模型中,每个词语本身自带的权重可能有所不同,如果模型训练集中较多地出现某种关键词,输入一个词就能极大地影响画面,反之输入很多相关词汇对画面影响效果可能有限。提示词的顺序很重要,越靠后的权重越低。关键词最好具有特异性,措辞越不抽象越好,尽可能避免留下解释空间的措辞。可以使用括号人工修改提示词的权重,如:(word)-将权重提高 1.1 倍,((word))-将权重提高 1.21 倍(= 1.1 * 1.1)。

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

References

小七姐:Prompt 喂饭级系列教程小白学习指南(五)

1、忽略基础知识的重要性很多同学急于上手写复杂的提示词,基础教程瞟了几眼就当看过了,然后在已经能copy模板写好几千token的提示词之后,问出非常基础的问题:为什么我问了两轮之后GPT就会失忆呢?为什么我给了他特定的一段话但是他好像把它和别的内容混淆了呢?为什么大模型无法指定准确的字数呢,有什么其他办法能让它生成的长度靠谱一些吗?我理解基础教程的枯燥,加上之前很多都是英文硬翻,读起来的确很令人烦躁,但现在有很多翻译和解读非常好的教程了,建议收藏,多读两遍,跟着示例做一下符合自己需求的小例子。2、试图用一个Prompt解决10个问题很多同学入坑提示词可能是被某个结构严谨、设计精妙的提示词吸引,惊为天人,一惊之后暗下决心:自己也要写出这样的Prompt!

SD新手:入门图文教程

根据自己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,ultra-detailed,illustration,close-up,straight on,face focus,1girl,white hair,golden eyes,long hair,halo,angel wings,serene expression,looking at viewer一般而言,概念性的、大范围的、风格化的关键词写在前面,叙述画面内容的关键词其次,最后是描述细节的关键词,大致顺序如:(画面质量提示词),(画面主题内容)(风格),(相关艺术家),(其他细节)不过在模型中,每个词语本身自带的权重可能有所不同,如果模型训练集中较多地出现某种关键词,我们在提示词中只输入一个词就能极大地影响画面,反之如果模型训练集中较少地出现某种关键词,我们在提示词中可能输入很多个相关词汇都对画面的影响效果有限。提示词的顺序很重要,越靠后的权重越低。关键词最好具有特异性,譬如Anime(动漫)一词就相对泛化,而Jojo一词就能清晰地指向Jojo动漫的画风。措辞越不抽象越好,尽可能避免留下解释空间的措辞。可以使用括号人工修改提示词的权重,方法如:(word)-将权重提高1.1倍((word))-将权重提高1.21倍(= 1.1 * 1.1)

小七姐:Prompt 喂饭级系列教程小白学习指南(五)

如果你突然发现你花在飞书代码块和markdown记事本上的时间好像远远超过了你和GPT对话的时间,你要警惕一下:你是否过于关注Prompt的文本本身,而忽略了在写作过程中你本可以和GPT进行深度对话,来检验它对你方法论的熟悉程度,或者让他针对某个逻辑给出完善的建议,或者在你的Prompt版本迭代中反复测试生成结果,来对Prompt进行优化和改善。在昨天的实战案例中,我看到学员们撰写了一个焦虑情绪测试和生成建议的Prompt,它的结构和语句、各模块的作用上挑不出什么毛病,生成结果除了太宽泛也没有太大问题。但实际作为一个焦虑患者的用户使用这套Prompt的时候会产生很多体验上的、情绪上的问题,这在一定程度上说明,如果过于纠结Prompt的文法而忽略了它作为一个对话工具的预设,没有在对话场景中代入用户体验去反复测试,很可能出现写出来的Prompt围观群众都觉得不错,但真正的用户压根不会去用的情况。

Others are asking
零基础小白如何自学提示词的写法
对于零基础小白自学提示词的写法,以下是一些建议: 1. 结合生活或工作场景想一个能简单自动化的场景,例如自动给班级里的每个孩子起昵称、自动排版微信群的运营小文案、自动安排周一到周日的减脂餐、帮列清晰的学习计划、为商务会议设计调研问卷等。 2. 选择一个好上手的提示词框架开启编写,比如基础的“情境”。 3. 对于 SD 提示词,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。一般而言,概念性、大范围、风格化的关键词写在前面,叙述画面内容的关键词其次,最后是描述细节的关键词。提示词的顺序很重要,越靠后的权重越低。关键词要具有特异性,措辞越不抽象越好,尽可能避免留下解释空间的措辞。可以使用括号人工修改提示词的权重。 4. 系统学习 SD 提示词是一个系统性的过程: 学习基本概念,包括了解 Stable Diffusion 的工作原理和模型架构,理解提示词如何影响生成结果,掌握提示词的组成部分(主题词、修饰词、反面词等)。 研究官方文档和教程,通读 Stable Diffusion 官方文档,研究来自开发团队和专家的教程和技巧分享。 学习常见术语和范例,熟悉相关领域的专业术语和概念,研究优秀的图像标题和描述作为范例。 掌握关键技巧,如组合多个词条精确描述想要的效果,使用“()”、“”等符号控制生成权重,处理抽象概念、情感等无形事物的描述。 进行实践和反馈,使用不同提示词尝试生成各种风格和主题的图像,对比结果分析原因总结经验,在社区分享请教获取反馈建议。 创建提示词库,根据主题、风格等维度建立自己的高质量提示词库,记录成功案例方便后续参考复用。 持续跟进前沿,关注 Stable Diffusion 的最新更新和社区分享,掌握提示词的新技术、新范式、新趋势。
2024-10-12
结合欧盟《人工智能法案》和我国《生成式人工智能服务管理暂行办法》的对照,论述欧盟人工智能法案对我国相关立法的启示。可以举例
欧盟《人工智能法案》对我国相关立法的启示主要体现在以下方面: 1. 监管框架出发点:中国针对不同的涉及算法的互联网信息服务,以落实主体责任为基本落脚点,将“服务提供者”作为相关义务的履行主体,如《互联网信息服务算法推荐管理规定》《生成式人工智能服务管理办法》等。而欧盟《人工智能法案》首先确立以风险为基准的人工智能治理框架,通过对人工智能系统进行评估,划分为不同风险层级,并匹配不同责任措施和差异化监管。 2. 风险分级管理:我国与欧盟在立法理念上有共通之处,如风险分级管理、高风险项目的“备案”“评估”“透明”等原则,在我国相关法律法规中已有所体现。 3. 对拓展市场的影响:如果我国的AI项目有意拓展欧洲市场,由于针对不同市场重新训练特有模型的效率不高,将因“木桶原理”而不得不根据欧盟《人工智能法案》对产品进行调整。 总之,欧盟的《人工智能法案》对我国人工智能立法工作具有重要参考意义。
2024-12-31
欧盟《人工智能法案》在中国适用过程中的积极影响与不利影响,请举例说明
欧盟《人工智能法案》在中国适用过程中的积极影响与不利影响举例如下: 积极影响: 1. 对中小企业的兼顾激励与监管:欧盟的法案顾及到了中小企业在人工智能领域的弱势地位,适当地将对中小企业的合规义务豁免规定以及合规支持规定纳入未来的人工智能立法中,有利于形成健康有序的公平竞争秩序,激发中小企业的科技创新活力,同时防止过度监管。例如,2023 年《AI 法案》折衷草案通过制约单方面强加给中小企业和初创企业的不公平合同条款、促进监管沙盒广泛而平等的参与、降低评估费用等措施降低中小企业的合规成本。 2. 纳入道德伦理和人权考量:《人工智能法案》将人工智能系统对伦理道德和基本人权的影响有机纳入规制框架和评估框架中,我国《科技伦理审查办法》也是将伦理纳入包括人工智能开发在内的科技活动的积极探索。 不利影响: 1. 以风险为基准的管理框架存在不确定性:伦理道德和人权具有高度概括性、抽象性和不确定性,如何将其融入人工智能治理考验立法技术。《人工智能法案》对“不可接受的风险”和“高风险”的人工智能系统的界定和解释存在相当大的不确定性和模糊性,可能难以统一进行风险分类,成效有待进一步观望和研讨。 2. 可能无法完全适应中国国情:中国和欧盟在人工智能发展的阶段、市场环境、企业结构等方面存在差异,欧盟的法案在具体适用时可能需要进行较大的调整和适配,否则可能无法有效发挥作用。
2024-12-29
欧盟《人工智能法案》在我国适用过程中的影响,请举例说明(注意,简洁凝练)
欧盟《人工智能法案》在我国适用过程中的影响主要体现在以下方面: 1. 立法参考:我国与欧盟在人工智能立法工作上“齐头并进”,且立法理念有共通之处,如风险分级管理、高风险项目的“备案”“评估”“透明”等原则。该法案对我国人工智能立法工作具有重要参考意义。 2. 市场拓展:若我国的 AI 项目有意拓展欧洲市场,可能因针对不同市场重新训练特有模型效率不高,而不得不根据欧盟法案对产品进行调整。 同时,我国是第一个开始制定生成式人工智能监管框架的国家,从 2022 年开始陆续出台全面指南,如今审查机构已介入。我国持续生产 SOTA 模型,由国家互联网信息办公室监督。政府希望模型避免给政治问题提供“错误”答案,发布模型前须提交测试以校准拒绝率。虽然禁止 Hugging Face 等国外网站访问,但官方批准的“主流价值观语料库”可作为训练数据源。此外,伦理道德和人权向来是人工智能技术发展绕不开的终极话题,我国《科技伦理审查办法》也是将伦理纳入包括人工智能开发在内的科技活动的积极探索。但由于该《办法》适用于所有科技活动,人工智能的特殊性可能无从得到体现,且如何界定和解释“不可接受的风险”和“高风险”的人工智能系统也面临相当大的不确定性和模糊性。
2024-12-29
帮我生成一个 AI 写作领域的产业图谱,只关注应用层,按照产品的类别来分类和举例
以下是 AI 写作领域应用层的产业图谱分类及举例: |序号|产品|主题|使用技术|市场规模|一句话介绍| ||||||| |1|Grammarly、秘塔写作猫|AI 智能写作助手|自然语言处理|数十亿美元|利用 AI 技术辅助用户进行高质量写作。| |2|阿里小蜜等电商客服|AI 智能客服外包服务|自然语言处理、机器学习|数十亿美元|为企业提供智能客服解决方案。|
2024-10-28
kimi chat进行长文本分析的提示词举例
以下是关于 kimi chat 进行长文本分析的提示词相关内容: 在测评机制方面,包括以同组提示词下 ChatGPT 4.0 生成的内容做对标参照,对文心一言 4.0、智谱清言、KimiChat 进行测评。能力考量涵盖复杂提示词理解和执行、推理能力、文本生成能力、提示词设计能力、长文本归纳总结能力等。测评轮次分为多轮,如第一轮是复杂提示词理解和执行,包括 Markdown+英文 title 提示词测试、Markdown+中文 title 提示词测试、中文 title+自然段落提示词测试等任务。第五轮是长文本归纳总结能力,按提供的长文本进行归纳总结,逐步推理任务,遍历 3 个不同类型任务和 4 个大模型。 在聊天对话类 AI 产品中,Kimi 的显著特点是超长上下文能力,最初支持 20 万字,现提升到 200 万字,对处理长文本或大量信息任务有优势,但在文字生成和语义理解、文字生成质量方面可能不如国内其他产品,且不支持用户自定义智能体。 在丰富大模型生成的尝试中,利用 Prompt 做出详细度设定作用微弱,如在对 KimiChat 的测试中,使用详细度 Prompt 后字符数有所增加,但效果不显著。
2024-10-14
你了解哪儿些大模型在电商行业供应链物流领域的应用,如果能举例阿里、淘宝、抖音、京东等涉及到电商的公司进行说明就更好了
目前在电商行业供应链物流领域,一些大模型的应用还处于不断发展和探索的阶段。 阿里巴巴:可能利用其强大的技术能力和数据优势,通过大模型优化物流路径规划、库存管理和订单预测等方面,提高物流效率和降低成本。 淘宝:或许借助大模型来分析消费者的购买行为和偏好,从而更精准地进行商品推荐,并优化物流配送的调度。 抖音:可能运用大模型对用户的兴趣和行为进行深度挖掘,以实现更高效的商品匹配和物流配送安排。 京东:有可能利用大模型改进仓储管理、物流配送的智能调度,以及预测商品的需求和销售趋势。 但需要注意的是,具体的应用情况和效果会受到多种因素的影响,包括数据质量、算法优化、业务场景的复杂性等。
2024-09-25
什么是系统提示词
系统提示词是指在大模型输出的内容中,包含整个应用的原信息、整体功能信息、产品设定以及 AI 应用的逻辑等内容。从提示词的视角看大模型的输出,可以将其分为三个部分:系统提示词、用户给到 AI 的内容(称为“用户提示”)、AI 给出的结果(称为“助手提示词”),这三段内容之间是连续的。通过攻击手段,如简单的指令,基于文字接龙的形式,可以拿到前面的系统提示词。 此外,提示词是一段用于指挥 AI 生成所需内容的指令,每个单独的提示词叫 tag(关键词)。支持英语等语言,语法规则包括用英文半角符号逗号分隔 tag 等。提示词所做的工作是缩小模型出图的解空间,即缩小生成内容时在模型数据里的检索范围。提示词中可以填写自然语言、单词标签、Emoji、颜文字等内容。自然语言可用描述物体的句子,单词标签用逗号隔开的常见单词,Emoji 语义准确度良好且对构图有影响。对于使用特定数据的模型,西式颜文字可在一定程度上控制出图的表情。
2025-01-01
系统提示词
以下是为您整合的关于系统提示词的相关内容: 1. 宝玉日报 11 月 6 日: 书籍推荐:《智人之上》——尤瓦尔·赫拉利从石器时代到 AI 时代的信息简史。 主题探讨:人类被仇恨、恐惧、贪婪等情绪主导,AI 或将加剧人类的工具化和焦虑。 关键问题:如何在 AI 时代保持人性?面对信息过载如何远离焦虑? 完整访谈链接: Claude 3.5 Sonnet New 新版功能优化: 系统提示词改进:对复杂问题提供详尽回答,简单问题简洁作答,保持精准和简明。 格式要求:使用 Markdown,建议结果以 Bullet Points 展示。 提示词技巧:简化提示词以提高准确性,逐步请求进一步格式调整,模拟思维链互动。 Claude 系统提示词参考: 2. 大雨:coze 工作流节点大全 大模型节点:利用大语言模型生成文本内容。可选择所用大语言模型,设置生成内容的随机度(Temperature)并编写提示词。支持在提示词中使用{{variable}}引用输入参数。系统提示词和用户提示词大部分情况下差异不大,可把完整逻辑放系统提示词里,变量相关内容放用户提示词里。提示词也可通过 coze 来写。变量用{{}}包裹,变量名正确会显示成蓝色。若无特别原因,可直接采用系统自动生成内容,输出变量默认一个。 代码节点:通过 IDE 编写 Python 或 JavaScript 脚本,处理输入参数并返回输出值。代码节点支持 JavaScript 和 Python 运行时。可在节点内的代码区域单击“在 IDE 中编辑”,通过 IDE 编辑和调试代码。尽量使用 JavaScript,尽量让 AI 写,不熟悉时易增加不必要麻烦。 选择器节点:每增加一个条件,右边会多出一个点,点中拖到对应的下一级节点。这是一个 ifelse 节点,用于设计工作流内的分支流程。输入参数时,节点会判断是否符合“如果”区域条件,符合则执行“如果”对应的工作流分支,否则执行“否则”对应的工作流分支。 3. 15 个月之后,再写童谣(附带 8 个模型的测试) 分步实现: 儿歌创作:效果展示。 卡片制作:提示词、效果展示。 提示词编写、测试: 提示词。 效果展示:小汽车玩具、茶杯、灯笼。 总结:15 个月时间变化翻天覆地,很多大模型能力有不同程度提升,国外模型变化更大。OpenAI 稳定画饼,ChatGPT 视频对话效果惊艳。约定明年再写儿歌、童谣。
2025-01-01
绘画提示词
以下是关于绘画提示词的相关知识: 1. 提示词的编写: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。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。例如: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 。 2. 提示词的权重:在模型中,每个词语自带的权重可能不同。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%。提示词的顺序很重要,越靠后的权重越低。关键词最好具有特异性,措辞越不抽象越好,尽可能避免留下解释空间的措辞。 3. 以下是一些提示词关键词整理(双语版)的示例: 视角:LowAngle(仰视) 介质:abstract expressionist art style(抽象表现主义艺术风格) 镜头:superresolution microscopy(超分辨率显微镜) 灯光:ambient lighting(环境照明) 颜色:white(白色的) 描述:classical realism(古典现实主义) 艺术家:抽象主义 1940 1950 电影:2001 A Space Odyssey(2001 太空漫游) 游戏:Age of Empires(帝国时代) 其他:doodle(涂鸦)、child's drawing(儿童画)、porch light(门廊灯)、winter colors(冬天的颜色)等。
2024-12-31
我想用cursor做一个微信小游戏,有没有什么好的提示词
以下是使用 Cursor 做微信小游戏的一些提示词和相关经验: 1. 前期描述好需求:在设置里面,Rules for AI 的提示词。 2. 按照功能模块单独建立实现文档,包括深入理解需求、技术实现、测试等。 3. 学会看代码,了解每一步文件的作用,以提升对技术的理解。 4. 注意 Cursor 相关报错原因,如重复安装依赖项、重新创建文件、导入的路径不对、错误导入已经废弃的文件、突破 AI 记忆的东西、Cursor 缓存未更新等。 此外,还有一些教训和好用的软件: 1. 教训:页面样式保存和海报样式保存等问题需要注意。 2. 好用的软件: GitHub:大名鼎鼎,有宝藏开源项目库。 Apifox:检验端口以及 API 是否有效回应。 DBeaver:用于数据库。 Docker Desktop:某些项目安装下载可用。 微信开发者工具:开发微信小程序必需。 另外: 1. 学会向 AI 提供线索非常重要,比如使用纠错公式,在【xxxx】位置,做了【xxxx】动作,出现了【xxxx】错误,预期是【xxxx】。 2. 了解切换目录命名的命令,如 CD 命令。 3. 可以参考 Python 教程,掌握 Python 编程语言,过去在微信机器人教程中有相关介绍。 4. 分享个 Cursor 提示词网站:https://cursor.directory/,里面有大量网友实践后上传的提示词可供学习和参考。
2024-12-31
我该如何学习提示词技术,编写清晰、精确的指令,更好地引导 AI 工具产生所需结果,使其成为工作中的得力助手?
以下是关于如何学习提示词技术的一些建议: 1. 理解提示词的作用:提示词为模型提供上下文和指示,其质量直接影响模型输出的质量。 2. 学习构建技巧: 明确任务目标,用简洁准确的语言描述。 给予足够的背景信息和示例,帮助模型理解语境。 使用清晰的指令,如“解释”“总结”“创作”等。 对特殊要求应给予明确指示,如输出格式、字数限制等。 3. 避免 AI 幻觉的技巧: 明确要求 AI 引用可靠来源,如在询问历史事件时,要求引用权威的历史文献;询问科学事实时,要求引用已发表的科研论文;询问法律条款时,要求引用官方的法律文件。 要求 AI 提供详细的推理过程,例如在询问数学公式时,要求展示推导过程;询问代码功能时,要求逐行解释代码的含义。 明确限制 AI 的生成范围,例如在询问名人名言时,指定名人的姓名和相关主题;询问新闻事件时,指定事件的时间范围和相关关键词。 4. 参考优秀案例:研究和学习已有的优秀提示词案例,可在领域社区、Github 等资源中获取。 5. 实践、迭代、优化:多与语言模型互动,根据输出结果提高提示词质量。尝试各种变体,比较分析输出差异,持续优化提示词构建。 6. 活用提示工程工具:目前已有一些提示工程工具可供使用,如 Anthropic 的 Constitutional AI。 7. 跟上前沿研究:提示工程是当前前沿研究领域之一,持续关注最新的研究成果和方法论。 总之,精心设计的提示词能最大限度发挥语言模型的潜力,通过多实践、多学习、多总结,最终可以掌握提示词技术的窍门。
2024-12-31
提示词优化
以下是关于提示词优化的相关内容: 1. 相关资源: https://github.com/Airjen/OneButtonPrompt 可实现自动丰富关键词。 https://github.com/adieyal/sddynamicprompts 涉及动态的提示词。 https://github.com/Physton/sdwebuipromptallinone 提供一件翻译功能。 2. PixVerse V2.5 提示词技巧(进阶篇): 基础公式:主体+主体描述+运动+环境。 进阶优化:在实际生成中,仅靠基础公式不能完全满足需求,需对提示词进一步扩展,使描述更详细。 示例:如“一只小狗在草地上散步”可拓展为“一只金色毛发的狗悠然自得地在阳光洒满的草地上行走,草叶轻轻地在它的爪下弯曲。微风拂过,它的毛发随风轻动,时不时低下头嗅闻着大地。远处,夕阳的余晖拉长了影子,营造出一种宁静祥和的氛围”。增加对各部分的详细描述,能使生成的视频更遵守提示词,更稳定,提升美感。 3. Claude2 中文精读中的提示词优化: 优化提示类似于进行一系列实验,进行测试、解释结果,然后根据结果调整变量(提示或输入)。 当 Claude 在测试中失败,尝试确定失败原因,调整提示词以解决失败点。 调整提示词的方式包括更明确地编写规则或添加新规则,通过在提示中添加类似示例和规范输出向 Claude 展示如何正确处理示例。 当 Claude 在某一类型输入上表现良好,尝试使用另一种输入类型,确保尝试极端情况。 在提示词中添加规则和示例,直到在具有代表性的输入集合上取得良好表现,建议进行“保留测试”。
2024-12-31