直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

有没有可以根据我的需求,自动生成搜索高质量query的prompt

回答

以下是为您整理的关于自动生成搜索高质量 query 的 prompt 的相关内容:

  1. JackeyLiu (JK):
    • 作为 ChatGPT 的深度用户,为节省每次构建 Prompt 的力气,打算写一个基于初始问题自动生成优质 Prompt 的 Prompt。其构建 Prompt 的方法论来自于CRISPE 提示
  2. 做调研:
    • 生成调研报告的 prompt 构建过程艰难,经过多次尝试和迭代,包括试用 webpolit 和 web browsing 等,最终在群里大佬的建议下,通过在需要搜索网络信息的章节处打上标签让 GPT-4 自主搜索信息来生成内容,并选择使用 webpolit 插件,放弃了 web browsing 模式,完成了调研报告的 prompt。且在解决问题前,用前几版 prompt 帮团队和同学完成了 3 篇调研报告。
  3. 生成式 AI:下一个消费者平台:
    • 这种根据特定需求生成策划过的选项列表的搜索方式在产品推荐方面有价值,例如为特定的宠物推荐狗粮或特定条件下推荐服装。在企业内部搜索应用中也有巨大潜力,如Glean允许团队跨应用搜索,Vowel允许用户查询视频会议记录。
内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

JackeyLiu (JK):Prompt 自动优化思路

最近也算是chatgpt的深度用户了,但随着使用变长,每次我都需要重新去构建我的Prompt,虽然我已经熟知了Prompt的构建通用方法,但还是每次都需要把这个方法拿出来,根据我实际的问题去构建一遍。因为我自己平时还是喜欢用偏生活化的文字进行交流,每次构建Prompt都得动一下脑子,为了节省力气,所以就干脆一点,就写一个基于我的「初始问题」,自动生成「优质Prompt」的Prompt。构建Prompt的方法论,来自于:[CRISPE提示](https://github.com/mattnigh/ChatGPT3-Free-Prompt-List)

做调研:我用这条 prompt,2 小时帮同学干完了 3 篇调研报告

这个部分最难,导致我半天就可以搞定一条提示词,硬是让我迭代了1天半,就这,还差点让我抑郁想打住不干了。中间细节过于繁杂,这里就打住就不说了,总之,我是一会儿试了webpolit,一会儿又试了web browsing,结果要么偶尔不起作用,要么就是全程打开搜索,让我一直等,真的是整个人绷住了。好在我去了星球和群聊求助,群里的大佬也给力,都给了我建议,这也让我有了一些思路。结合之前在即刻上看到的优秀提示词,我想:能不能在需要搜索网络信息的章节处打上标签,然后GPT-4看到标签后就会自主搜索信息再来生成内容,没打上标签的就直接输出?一试,还真行。不得不说,大佬就是大佬,思路就是不一样。为了让GPT-4有更好的选择性搜索,我这里选择使用webpolit插件,放弃了之前坚持的web browsing模式。prompt其他部分按顺序写完即可。经过以上一番操作后,终于写完了完成调研报告的prompt。只不过,在最后解决这个问题之前,我就已经用前几版的prompt帮团队和同学写完了3篇调研报告,虽然还凑合,但总是不及我最后一版提示词的效果。哎,感觉亏了。最后,再附上最新版本的prompt:

生成式 AI:下一个消费者平台

这种搜索方式对于产品推荐尤为有价值。今天,做出明智的购买选择通常需要浏览数十个链接和数百条评论。如果你可以根据你的特定需求得到一个策划过的选项列表,那会怎样呢?例如,一些可能的提示:“为一只六个月大、胃部敏感的拉布拉多贵宾犬推荐的最佳狗粮”,或者“纽约冬天低于250美元的骆驼色大衣”。此外,我们看到企业内部搜索的应用中具有巨大潜力。现在,大多数公司使用一系列通信应用和数据库,如Gmail、Slack、Drive、Asana等。在所有这些工具中找到单一的文档、消息或指标可能是一个挑战。像[Glean](https://www.glean.com/)这样的产品允许团队跨应用搜索,而[Vowel](https://www.vowel.com/)允许用户查询他们的视频会议记录。

其他人在问
runaway的prompt编写
以下是关于 Runway 官方镜头提示词的相关内容: Prompt Structures 提示结构: 使用这种结构,提示一个女人站在热带雨林可能是这样的。 在提示的不同部分重复或强调关键思想可提高输出一致性。例如在超高速拍摄中,相机会快速飞过场景。应将提示集中在场景中应出现的内容上,比如输入晴朗的天空,而非没有云的天空。 协助镜头画面描述的提示词: 样品说明: 1. Seamless Transitions 无缝转换 1. Camera Movement 相机移动 1. Text Title Cards 文本标题卡 1. Prompt Keywords 提示关键词 关键字有助于在输出中实现特定样式。确保关键字与整个提示符保持一致,会使其在输出中更明显。例如,包括关于皮肤纹理的关键字对于相机未紧密聚焦在面部的广角拍摄没有好处,广角镜头可能受益于环境的其他细节。在保持这种凝聚力的同时,可尝试不同的关键字。
2024-09-18
prompts是什么
Prompts 是在不同的 AI 应用场景中的一种指令或语言模板。 在 Midjourney Bot 中,它用于启动新任务或创建一组图像,可以是简单的单词或短语,也可以是更详细的指令和参数,Midjourney Bot 会根据提供的 Prompt 生成图像网格,用户可选择并进行修改和操作。您可以通过进一步了解。 从原理层面看,简单来说,它是一套与大模型交互的语言模板。通过这个模板,可以输出对大模型响应的指令,明确大模型应该做什么、完成什么任务、如何处理具体任务,并最终获得期望的结果。虽然大模型能理解大部分输入的话,但为了获得更好的回答效果,需要使用 Prompt 来提升模型返回的准确性。可以认为在大模型时代,人机交互的主要方式是 Prompt,而非过去通过代码。 在 AI 视频生成中,prompt 是直接描述或引导视频生成的文本或指令,类似给 AI 的提示,包含主体、运动、风格等信息,用户借此控制和指导生成内容。它在 AI 视频生成中作用十分重要,是表达需求的方式,影响视频内容和质量。如果上述解释过于抽象,您可以理解 Prompt 为:将您输入的文字变成对应的画面和运动形式。
2024-09-10
说一下什么事prompt
Prompt 简单来说是一套与大模型交互的语言模板。它是给大模型输入的一段原始输入,能帮助模型更好地理解用户需求,并按照特定模式或规则进行响应。 在大模型时代,它类似于过去人机交互中的代码,成为主要的交互语言。通过 Prompt,能提升模型返回的准确性,比如可以设定“假设你是一位医生,给出针对这种症状的建议”,后续对话会按此设定展开。 在 AI 视频生成中,Prompt 是直接描述或引导视频生成的文本或指令,类似给 AI 的提示,包含主体、运动、风格等信息,借此控制和指导生成内容,作用十分重要,是表达需求的方式,影响视频内容和质量,您可以理解为将输入的文字变成对应的画面和运动形式。 这里的玩法很多,比如可以在 Prompt 的设定中,要求模型按照一定的思路逻辑去回答,像最近比较火的思维链(cot),就是在 Prompt 环节对模型的输出进行指导,还可以让模型按照特定格式(如 json)输出,使模型变成一个输出器来使用。甚至一度还出现过 Prompt 优化师这样的角色。
2024-09-10
说一下什么事prompt
Prompt 是一套与大模型交互的语言模板。简单来说,它是您向大模型输出的用于指示其响应的指令,明确大模型应做什么、完成何种任务、如何处理具体任务,并最终输出您期望的结果。尽管大模型具备基础的文字理解能力,能理解您的大部分表述,但为获得更好的回答效果,需要借助 Prompt 来提高模型返回的准确性。在大模型时代,Prompt 成为人机交互的主要方式之一。 在 AI 领域,Prompt 是给到大模型输入的一段原始输入,能帮助模型更好地理解用户需求,并按照特定模式或规则进行响应。例如,可以设定“假设您是一位医生,给出针对这种症状的建议”,后续与大模型的对话将基于此原始设定展开。此外,还有很多有趣的玩法,如在 Prompt 的设定中要求模型按照一定的思路逻辑回答,像最近较火的思维链(cot)就是在这个环节对模型的输出进行指导。还可以让模型按照特定格式(如 json)输出,使模型成为一个输出器。 在 AI 视频生成中,Prompt 是直接描述或引导视频生成的文本或指令,类似于给 AI 的提示,包含主体、运动、风格等信息,用户借此控制和指导生成内容。其作用十分重要,是表达需求的方式,会影响视频的内容和质量。如果上述解释过于抽象,您可以将 Prompt 理解为:把您输入的文字变成对应的画面和运动形式。
2024-09-10
说一下什么事prompt
Prompt 简单来说是一套与大模型交互的语言模板。它能输出对大模型响应的指令,明确大模型应做的具体事项、完成的任务、处理任务的方式,并最终获得期望的结果。大模型虽有基础文字能力能理解大部分话语,但为提升回答准确性,需要借助 Prompt。在大模型时代,Prompt 成为人机交互的主要方式之一。 Prompt 是给大模型输入的一段原始输入,能帮助模型更好理解用户需求并按特定模式或规则响应。例如,可以设定“假设你是一位医生,给出针对这种症状的建议”,后续对话会按此设定展开。还有很多有趣玩法,如要求模型按一定思路逻辑回答,像最近较火的思维链(cot)就在此环节指导模型输出,还能让模型按特定格式(如 json)输出,使模型成为输出器。 在 AI 视频生成中,Prompt 是直接描述或引导视频生成的文本或指令,类似给 AI 的提示,包含主体、运动、风格等信息,借此控制和指导生成内容,作用十分重要,是表达需求的方式,影响视频内容和质量。如果觉得抽象,可以理解为将输入的文字变成对应的画面和运动形式。
2024-09-10
说一下什么事prompt
Prompt 是一套与大模型交互的语言模板,是给大模型输入的一段原始输入。它能帮助大模型更好地理解用户需求,并按照特定模式或规则进行响应。 简单来说,通过 Prompt 可以输出对大模型响应的指令,明确大模型应做什么、完成什么任务、如何处理具体任务,并最终输出期望的结果。虽然大模型有基础文字能力能理解大部分话,但为提升回答准确性,需要使用 Prompt。 在不同场景中,Prompt 有不同的应用和作用。比如在 AI 视频生成中,Prompt 是直接描述或引导视频生成的文本或指令,包含主体、运动、风格等信息,借此控制和指导生成内容,其作用十分重要,是表达需求的方式,影响视频内容和质量。还可以将其理解为把输入的文字变成对应的画面和运动形式。 此外,Prompt 有很多有趣的玩法,比如可以设定“假设你是一位医生,给出针对这种症状的建议”,然后后续对话会按照这个原始设定展开。还能在 Prompt 设定中要求模型按照一定的思路逻辑回答,像最近较火的思维链(cot)就是在 Prompt 环节对模型输出进行指导,也可以让模型按照特定格式(如 json)输出,使模型变成一个输出器。甚至一度还出现过 prompt 优化师这样的角色。
2024-09-10
因此在prompt中,把query放到头部和尾部,同时根据相似度,把相似度大的文档放到context的两端,是什么意思,要如何做到
在开发产品视角的大模型 RAG 应用的 Prompt 阶段,匹配出与问句向量最相似的 top k 个 chunk 后,将匹配出的文本和问句添加到配置好的 prompt 中提交给 LLM。在这个过程中,根据论文《Lost in the Middle:How Language Models Use Long Contexts》,由于大模型对上下文中间位置的知识点提取较差,所以把 query(即问句)放到 prompt 的头部和尾部,同时按照相似度,将相似度大的文档放置在 context(上下文)的两端,这样做能够提升回答效果。要做到这一点,需要在进行 prompt 工程时,选择最合适的 prompt 模板,并按照上述原则对 query 和相似度大的文档进行合理的位置安排。
2024-08-19
做 video lip sync 的高质量项目有哪些?
以下为一些关于 video lip sync(视频唇形同步)的高质量项目介绍: 谷歌的“Generating audio for video”项目正在开展进一步研究。该项目具有以下特点: 1. 与现有视频音频解决方案相比,它能够理解原始像素,并且添加文字提示是可选的。 2. 系统无需手动调整生成的声音和视频,避免了对声音、视觉效果和时间等不同元素进行繁琐的调整。 3. 但仍存在一些限制因素需要解决,比如音频输出质量依赖于视频输入质量,视频中的假象或失真超出模型训练分布范围会导致音频质量明显下降。 4. 正在改进涉及语音的视频唇形同步。V2A 尝试从输入的文稿生成语音并与角色的唇形动作同步,但配对的视频生成模型可能不受文稿条件的限制,这会造成不匹配,导致唇形同步不自然。 需要注意的是,这一项目仍在不断完善和改进中。
2024-07-24
有哪些高质量 sft 多轮对话数据集
高质量的SFT(Supervised FineTuning)多轮对话数据集在训练对话系统时至关重要。以下是一些公认的高质量多轮对话数据集: 1. ConvAI2 Dataset ConvAI2数据集是基于PersonaChat数据集构建的,用于ConvAI2挑战赛。它包含了多轮对话,且每个对话都有明确的角色和背景信息,有助于训练更具个性化的对话系统。 链接: 2. DSTC系列数据集 DSTC(Dialogue State Tracking Challenge)系列数据集是多轮对话系统研究中的经典数据集,涵盖了多种任务和领域,如任务导向对话、对话状态跟踪等。 DSTC2: 专注于餐馆预订任务。 DSTC3: 扩展了DSTC2,增加了更多的任务和对话状态。 DSTC6: 涉及对话行为理解和对话状态跟踪。 链接: 3. MultiWOZ Dataset MultiWOZ(MultiDomain Wizard of Oz)是一个大规模、多领域任务导向对话数据集,涵盖了多个对话场景,如餐馆预订、酒店预订、出租车预订等。数据集中的对话是由实际用户和客服人员通过WizardofOz方法生成的,质量较高。 链接: 4. Ubuntu Dialogue Corpus Ubuntu Dialogue Corpus是一个大规模、多轮对话数据集,基于Ubuntu的IRC日志。数据集包含技术支持对话,适用于训练技术支持和问答系统。 链接: 5. CoQA Dataset CoQA(Conversational Question Answering)数据集用于对话式问答系统的训练。数据集中每个对话包含一个给定的文本和相关的问题回答对。 链接: 6. TopicalChat Dataset TopicalChat数据集是微软创建的,用于开发和评估开放领域对话系统。数据集包括不同主题的多轮对话,涉及科技、娱乐、体育等多个领域。 链接: 7. PersonaChat Dataset PersonaChat数据集包含多轮对话,每个对话参与者都有预定义的个人信息或“persona”,旨在开发更具个性化和情感的对话系统。 链接: 总结 这些数据集覆盖了多种对话场景和任务类型,是开发高质量对话系统的重要资源。在使用这些数据集进行训练时,可以结合具体的应用场景和需求,选择合适的数据集进行SFT。
2024-06-13
为什么说“当下的人工智能技术,只有高质量输入,才能得到高质量输出?”
之所以说"当下的人工智能技术,只有高质量输入,才能得到高质量输出",主要有以下几个原因: 1. 数据驱动的本质 现有的人工智能技术,尤其是深度学习技术,高度依赖于训练数据的质量。模型的学习能力、推理能力都来源于训练数据。如果输入的训练数据质量不佳(含噪声、偏差、覆盖面不全等),模型很难学习到有效的模式,自然也难以产出高质量的输出结果。 2. 无监督学习的局限性 目前主流的人工智能方法大多采用无监督学习的范式,通过自主发现数据中的模式和规律进行建模。这种方式对训练数据的质量要求更高,因为只有高质量数据才能真实反映潜在的知识模式。低质量数据往往会导致模型学习到错误规律。 3. 缺乏逻辑推理能力 现有人工智能系统缺乏对因果逻辑的深刻理解能力,无法对输入数据的合理性和正确性进行有效判断,从而依赖于训练数据的质量来保证输出质量。 4. 黑箱特性和可解释性不足 深度学习模型本质上是一个黑箱,我们难以判断其内在机制是否符合逻辑,也无法完全解释模型输出的依据和原因。因此只能最大程度地保证输入质量来期望获得理想输出。 5. 显式知识和常识缺失 大多数人工智能模型缺乏对现实世界的显式知识和常识理解能力,无法对输入数据中的明显错误或矛盾进行识别和纠正,从而也需要高质量的输入数据作为前提。 总的来说,当前人工智能技术在自主学习和逻辑推理能力上还有不足,更多依赖于训练数据的质量。只有保证高质量的输入,才能最大限度地利用人工智能系统的优势,获得令人满意的输出结果。这也是人工智能领域需要继续改进的重要方向之一。
2024-05-02
目前大部分的高质量的ai图片都是那些网站,是不是都要付费?
目前大部分的高质量的 AI 图片主要来自于例如 Midjourney、DALL·E 等。这些工具通常需要付费使用,但是,也有一些免费的 AI 绘画工具,但是它们的图片质量可能不如付费工具高。
2024-04-18
图生视频有什么办法生成高质量视频
有以下几种方法可以生成高质量的图生视频: 1. 使用阿里妈妈推出的 AtomoVideo 框架 AtomoVideo 可以将静态图片自动转换为高质量视频动效 采用了多项新技术,如优质数据集构建、多粒度图像注入、渐进性动作强度增加等 可与现有的文生图(T2I)模型进行兼容,生成视频保真度高 2. 使用 Runway ML Gen2 视频生成器 Runway ML Gen2 是一个多模式人工智能系统,可以从文本、图像或视频剪辑生成新颖的视频 允许用户通过文本到视频生成来创建各种风格的视频 提供高级设置来微调生成效果,如调整分辨率、插值等 3. 使用 Kaiber AI 视频生成器 Kaiber AI 可以从图像、音频或视频开始,生成高品质的视频 提供精选样式和提示模板,帮助用户获得更多灵感 易于使用,适合初学者 4. 使用 SD 社区的 I2VAdapter 插件 I2VAdapter 可以与 Stable Diffusion 等图生模型进行兼容 通过时空建模等技术,生成高质量的视频内容 为图生视频领域的创意应用开辟了新的可能性 总的来说,这些基于 AI 的图生视频技术都可以帮助用户快速生成高质量的视频内容,大大提高创作效率。
2024-04-18
帮助专利搜索的ai
以下是关于帮助专利搜索的 AI 的相关信息: AI 可以在专利检索与分类方面提供帮助,通过自然语言处理(NLP)和机器学习算法,能够自动识别和分类专利文献。 在具体的示例平台方面,有 Google Patents 和 IBM Watson for IP。Google Patents 使用 AI 技术帮助用户检索和分析专利文献,其功能在于通过机器学习算法进行专利文献的全文检索和分析,理解专利文献的内容,并提供相关性更高的检索结果,优点是提高了专利检索的准确性和效率,使用户可以快速找到相关的专利文献。IBM Watson for IP 则利用 NLP 和机器学习技术,自动化地检索和分类专利文献,提高检索的准确性和效率。
2024-09-13
多模态搜索工具
以下是为您介绍的多模态搜索工具: 推荐的 AI 搜索引擎: 秘塔 AI 搜索:由秘塔科技开发,具有多模式搜索、无广告干扰、结构化展示和信息聚合等功能,提升用户搜索效率和体验。 Perplexity:聊天机器人式搜索引擎,允许自然语言提问,用生成式 AI 技术收集信息并给出答案。 360AI 搜索:360 公司推出,通过 AI 分析问题生成答案,支持增强模式和智能排序。 天工 AI 搜索:昆仑万维推出,采用生成式搜索技术,支持自然语言交互和深度追问,未来支持图像、语音等多模态搜索。 Flowith:创新的 AI 交互式搜索和对话工具,基于节点式交互,支持多种 AI 模型和图像生成技术,有插件系统和社区功能。 Devv:面向程序员的 AI 搜索引擎,提供编程等领域专业建议和指导。 Phind:专为开发者设计,利用大型语言模型提供相关搜索结果和动态答案,擅长处理编程和技术问题。 关于提升 AI 搜索准确度和多模态检索: 提升准确度的方法:通过提示词请求大模型以思维导图形式输出答案,通过提示词请求大模型做 Function Calling 判断使用的 Agents。提示词工程是系统学科,需大量调试设计适合业务的提示词。 多模态检索:是提升信息密度的重要措施,随着 5G 发展,互联网信息多元化,图片/视频/音频比重增大。多模态检索要获取不同形式信息聚合参考,实现困难,涉及海量信息源处理和识别,现阶段可基于谷歌搜索,先使用其图片/视频检索 API 拿到匹配内容,再通过 OCR 图片识别/音视频转录等方法获取文本内容。 ThinkAny 的相关情况: 冷启动:未提及具体冷启动方式。 产品特性: 部署方案:当前线上服务采用 Vercel + Supabase 的云平台部署,后续将迁移至基于 AWS 搭建的 K8S 集群,以提升服务稳定性和动态扩容表现。 功能创新:支持 Search / Chat / Summarize 三种模式,对应检索问答/大模型对话/网页摘要三种使用场景;集成包括 Llama 3 70B / Claude 3 Opus / GPT4 Turbo 在内的 10+大语言模型;支持检索链接/图片/视频等模态内容;支持以对话/大纲/思维导图/时间线等形式输出搜索问答内容;支持检索 Google / Wikipedia / Github 等信息源的内容,作为搜索问答的挂载上下文。此外,还开源了一个 API 项目 ragsearch,实现联网检索功能,并对检索结果进行重排和获取详情内容,得到准确度不错的检索结果。
2024-09-02
想在有能搜索视频内容的AI工具吗?比如,我想找一个小猫和小狗打架的视频。
目前市面上有一些能够通过内容理解来搜索视频的 AI 工具,但它们的准确性和适用性可能会因多种因素而有所不同。例如,一些视频平台自身的搜索算法可能会利用 AI 技术来优化搜索结果,根据您输入的关键词“小猫和小狗打架”来展示相关视频。但要实现非常精准和特定的此类视频搜索,可能还需要进一步的技术发展和优化。
2024-09-02
我需要一份可以搜索并加以应用的文字类AI
目前文字类的 AI 应用有很多,比如 ChatGPT ,它能够生成自然语言文本,回答各种问题,并进行对话。还有百度的文心一言,能够提供丰富的文字创作和信息搜索服务。您可以根据自己的需求选择适合的文字类 AI 并加以应用。
2024-08-29
AI学术搜索
以下是关于 AI 学术搜索的相关信息: 在论文写作领域,AI 技术的应用发展迅速,提供了多方面的辅助,包括文献搜索、内容生成、语言润色、数据分析以及论文结构和格式等。 文献管理和搜索方面: Zotero:结合 AI 技术,可自动提取文献信息,助于管理和整理参考文献。 Semantic Scholar:由 AI 驱动的学术搜索引擎,能提供文献推荐和引用分析。 百度学术智能助手:百度推出的学术研究辅助工具,结合自然语言处理和大数据分析技术,可快速找资料、提供推荐、整合及分析研究趋势。 内容生成和辅助写作方面: Grammarly:通过 AI 技术提供文本校对、语法修正和写作风格建议,提升语言质量。 Quillbot:基于 AI 的重写和摘要工具,可精简和优化论文内容。 知网 AI 智能写作:适用于各类文档写作场景,如研究报告、调研报告、资讯报告等。 研究和数据分析方面: Google Colab:提供基于云的 Jupyter 笔记本环境,支持 AI 和机器学习研究,便于数据分析和可视化。 Knitro:用于数学建模和优化的软件,可进行复杂的数据分析和模型构建。 开搜 AI 搜索: 帮助在校学生快速搜集专业领域的学术资料,智能总结关键信息,助力撰写论文和报告,且支持查看来源出处,参考价值高。 为学术研究人员提供深入的行业分析,通过 AI 技术整合和总结大量数据,形成有深度的研究报告。
2024-08-27
如何通过AI快速搜索最新的各类媒体新闻。
以下是通过 AI 快速搜索最新各类媒体新闻的方法: 1. 利用插件实现新闻搜索:可以通过相关插件进行新闻搜索。例如,在儿童新闻获取方面,用户提供新闻关键词,bot 会调用插件搜索对应的新闻信息,并转写成 6 12 岁儿童能听懂(看懂)的新闻。 2. 输入具体的 Prompt 指令:在搜索框中输入具体的指令,如“查找关于 OpenAI 对马斯克言论回应的博客文章”,以快速定位相关资讯。 3. 借助具有联网搜索功能的工具:如 Perplexity.AI、微软的 Bing 搜索引擎等,获取搜索结果,其中包含大量引用和来源链接,可点击回答内容下方的拷贝按钮获取相关引用网站链接。 4. 进行新闻可信度分析:根据搜索的新闻内容,通过大模型推理,从来源检查、信息一致性、官方通知、详细性与具体性、社会知晓度、矛盾信息等方面进行判断,给新闻评分,取评分最高的进行下一步。 5. 整理资料:收集完资料后,可使用如月之暗面开发的 Kimi 这个 AI 会话助手进行资料整理。但需注意其阅读能力的限制,可分批次提供资料。 6. 搜索图片素材:利用 Perplexity.AI 的 Search Images 功能寻找合适的素材,注意避免使用带水印、画质不清晰或分辨率低的图片,一般可在 twitter 和官方网站获取高质量图片。
2024-08-27