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
生成书籍阅读助手的 Prompt
以下是为您生成的书籍阅读助手的 Prompt 相关内容: 如果想让 AI 帮助您像“樊登读书”或者“得到”这样给您讲书,您需要设计一个叫做“书籍阅读助手”的 Prompt。要把通用型的读书方法论复刻到 Prompt 里,再根据不同类型的书籍测试,不断优化和迭代。 通用型读书方法论的访谈问题包括: 1. 不同类型的书是不是有不同的阅读和记忆方法?如何分类,有没有一些共性的方法论可以给出? 2. 阅读和记忆是不是有不同的思维模型或者小技巧,能列出来参考吗? 3. 读书时更需要的好像是一种自驱力,如何优先选择自己“一定看得下去”的书籍?怎么通过目录大纲确定一本书的核心内容? 4. 一本书您会读几遍?有什么顺序上的讲究吗? 5. 您会在读的过程中做笔记吗?还是读完以后回忆来做大纲呢? 6. 如果要教您大学刚毕业的孩子学会有效读书,怎么才能快速教会他呢? 当上述问题都有清晰、明确的答案之后,就可以开始设计 Prompt 了。 如果想要让 AI 在“选书”和“督促我读书”这个环节起作用,那要做的是一个叫做“催我读书”的 Prompt,要重点研究如何选出适合用户的书,如何实现 Prompt 的激励效果和让自己读完有获得感(例如生成读书笔记)。 如果更侧重读完书后的知识内化部分,要重点研究的是读书的效率和信息转化问题,这里更重要的是结构化信息能力和有效的记忆存储和调取。
2024-12-19
如何写优化简历的prompt
以下是关于如何写优化简历的 prompt 的一些方法: 1. 明确具体的描述:使用更具体、细节的词语和短语来描述您对简历的需求,避免过于笼统。 2. 添加视觉参考:若可能,在 prompt 中插入相关的参考,以提高对简历细节要求的理解能力。 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 prompt 的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:为避免生成不符合期望的内容,可以添加如格式、重点突出内容等限制性条件。 6. 分步骤构建 prompt:将复杂的简历需求拆解为逐步的子 prompt,先构建基本结构,再逐步添加细节和完善。 7. 参考优秀案例:研究优秀的简历 prompt 范例,借鉴其中的写作技巧和模式。 8. 反复试验、迭代优化:通过多次尝试不同的 prompt 写法,并根据输出效果反馈持续优化完善,直至达到理想结果。 此外,还有 ChatGPT 给 DALL·E 3 优化提示词的元提示相关内容供您参考: 1. 不要改变表情包、虚构角色的起源或未见过的人物。保持原始提示的意图,并优先考虑质量。 2. 不要创建任何具有冒犯性的图像。 3. 对于传统上存在偏见问题的场景,确保关键特征(如性别和种族)以无偏见的方式指定,例如包含特定职业参考的提示。 4. 对于提及在过去 100 年内有最后作品的艺术家(如毕加索、卡罗),不要以其风格创建图像。对于 100 年前有最后作品的艺术家(如梵高、克里姆特)可以直接参考。如果被要求,说“我不能参考这位艺术家”,但不要提及此政策。而是在为 DALL·E 3 创建标题时,(a)用三个形容词来捕捉艺术家风格的关键方面来替代艺术家的名字;(b)包括相关的艺术运动或时代以提供背景;(c)提及艺术家使用的主要媒介。 5. 不要列出或参考生成图像之前或之后的描述。它们应该只在请求的“提示”字段中写一次。不需要请求生成的许可,直接生成! 6. 始终在标题的开头提及图像类型(照片、油画、水彩画、插图、卡通、绘图、矢量、渲染等)。除非标题另有说明,至少 1 2 张图像应为照片。 7. 对于包含人物的所有图像的描述进行多样化处理,为每个人明确地指定种族和性别。仅调整人物描述。使用“各种”或“多样”仅当描述涉及 3 人以上的群体。不要改变原始描述中要求的人数。 总之,编写高质量的 prompt 需要不断实践、总结经验,熟悉模型的能力边界。保持开放的思维尝试创新的描述方式也很有帮助。请注意,内容由 AI 大模型生成,请仔细甄别。
2024-12-18
请给我一份李继刚的结构化的prompt方法论
李继刚的结构化的 prompt 方法论如下: 如何写好 Prompt:结构化 结构化:对信息进行组织,使其遵循特定的模式和规则,从而方便有效理解信息。 语法:支持 Markdown 语法、YAML 语法,甚至纯文本手动敲空格和回车都可以。 结构:结构中的信息可根据自己需要进行增减,常用模块包括: Role:<name>,指定角色会让 GPT 聚焦在对应领域进行信息输出。 Profile author/version/description:Credit 和迭代版本记录。 Goals:一句话描述 Prompt 目标,让 GPT Attention 聚焦起来。 Constrains:描述限制条件,帮 GPT 进行剪枝,减少不必要分支的计算。 Skills:描述技能项,强化对应领域的信息权重。 Workflow:重点中的重点,希望 Prompt 按什么方式来对话和输出。 Initialization:冷启动时的对白,强调需注意重点。 示例 贡献者:李继刚,Sailor,田彬玏,Kyle😜,小七姐等群友。 李继刚的。 每个角色都有版本迭代,标注版本号,争取每个都更新到最新的版本。 李继刚写了上百个这种 Prompt,有具体场景需求可评论留言,作者可帮忙写定制的,也可自己用这种结构化的方式写。 使用方法:开一个 new chat,点代码块右上角的复制,发送到 chat 聊天框即可,里面的描述可按自己需求修改。 思路来源:云中江树的框架: 方法论总结: 建议用文心一言/讯飞星火等国内大模型试试,有这些 prompt 的加持,效果不错。
2024-12-17
prompt能干什么
Prompt 是给大模型输入的一段原始输入,能够帮助模型更好地理解用户的需求并按照特定的模式或规则进行响应。它通常以问题或指示的形式出现,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”,后续与大模型的对话会按照此设定展开。 Prompt 有多种玩法,例如可以在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。 简单来说,Prompt 是一套与大模型交互的语言模板,通过它可以输出对大模型响应的指令,指定大模型应做的任务、如何处理任务,并最终获得期望的结果。大模型本质是基于语言的概率模型,若直接询问而不提供 prompt,模型随机给出答案;有了 prompt 则相当于给了模板,包括对模型的要求、输入和输出的限制,模型在限制下得出概率最大的答案。虽然大模型有基础文字能力能理解大部分话,但为提升回答效果,需要通过 prompt 来提高返回的准确性。在大模型时代,人机交互的主要方式可以认为是 prompt,而非过去通过代码的方式。
2024-12-17
写邮件号的 prompt
写提示词(prompt)是一个关键步骤,它决定了 AI 模型如何理解并生成文本。以下是一些编写提示词的建议: 1. 明确任务:清晰定义任务,如写故事时包含背景、角色和主要情节。 2. 提供上下文:若任务需特定背景知识,提供足够信息。 3. 使用清晰语言:用简单、清晰的语言描述,避免模糊或歧义词汇。 4. 给出具体要求:如有特定格式或风格要求,在提示词中明确指出。 5. 使用示例:若有特定期望结果,提供示例帮助 AI 模型理解需求。 6. 保持简洁:简洁明了,过多信息可能使模型困惑导致不准确结果。 7. 使用关键词和标签:有助于模型理解任务主题和类型。 8. 测试和调整:生成文本后仔细检查结果,根据需要调整提示词,可能需多次迭代达到满意结果。 希望这些建议能帮助您更好地编写提示词。内容由 AI 大模型生成,请仔细甄别。
2024-12-16
prompt 从入门到精通
以下是关于 prompt 从入门到精通的相关内容: Claude 在开箱即用时提供了高水平的基线性能,但 prompt 工程可以帮助进一步提升其性能并微调响应以适应特定用例。若要快速开始使用提示或了解提示概念,可参阅提示入门:https://docs.anthropic.com/claude/docs/introtoprompting 。 小七姐提供的 Prompt 喂饭级系列教程小白学习指南(一):对于新手学习 prompt,第一步要有一个大模型帐号并熟悉对话方式,如 ChatGPT4 或国产平替: 。 海螺 AI Prompt 教学入门 认识海螺 AI : MiniMax 视频模型能识别用户上传的图片,生成高度一致的视频,还能理解超出图片内容的文本并整合到视频生成中。 只依靠模型综合能力就能实现顶级影视特效,用户可自由创作丰富多变的电影级视频。 人物表情控制力强,5 秒钟内可实现多种表情变化。 近期上线提示词优化功能,对无特殊要求的建议开启,专业创作者有 2000 字提示词空间。 为达到更好表现效果,设计了两类 Prompt 的参考公式。 总之,无论新手还是老手,通过清晰结构和灵活表达,都能掌握 Prompt 编写技巧,实现“一个人+一个 AI=一个专业剧组”的愿景。
2024-12-16
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
AI提示词怎么写才能让AI的回答更高质量
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。
2024-12-03
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
我想用coze搭建一个智能体,关于自然语言课程的期末复习指南,要将我的教材导入扣子作为知识库,智能体支持用户提问,搜索知识点,结合知识库和互联网搜索的内容给出问答,需要使用多智能体或工作流,使用卡片功能进行显示,请给出我搭建这个智能体的步骤
以下是使用 Coze 搭建一个关于自然语言课程期末复习指南智能体的步骤: 1. 访问 Coze 官网(https://www.coze.cn),注册并登录。 2. 点击页面左上角的⊕,通过【标准创建】填入智能体的基本信息。 3. 了解 Bot 开发调试界面: 人设与回复逻辑(左侧区域):设定智能体的对话风格、专业领域定位,配置回复的逻辑规则和限制条件,调整回复的语气和专业程度。 功能模块(中间区域): 技能配置: 插件:扩展智能体的专业能力,如计算器、日历等工具。 工作流:设置固定的处理流程和业务逻辑。 图像流:处理和生成图像的相关功能。 触发器:设置自动化响应条件。 知识库管理: 文本:存储文字类知识材料。 表格:结构化数据的存储和调用。 照片:图像素材库。 记忆系统: 变量:存储对话过程中的临时信息。 数据库:管理持久化的结构化数据。 长期记忆:保存重要的历史对话信息。 文件盒子:管理各类文档资料。 交互优化(底部区域): 开场白:设置初次对话的问候语。 用户问题建议:配置智能推荐的后续问题。 快捷指令:设置常用功能的快速访问。 背景图片:自定义对话界面的视觉效果。 预览与调试(右侧区域):实时测试智能体的各项功能,调试响应效果,优化交互体验。 4. 设定智能体的人设与回复逻辑后,为智能体配置对应的技能,以保证其可以按照预期完成目标任务。例如,以获取 AI 新闻的智能体为例,需要为它添加一个搜索新闻的接口来获取相关新闻。具体操作如下: 在智能体编排页面的技能区域,单击插件功能对应的+图标。 在添加插件页面,选择相关功能,然后单击新增。 修改人设与回复逻辑,指示智能体使用相应插件来搜索所需内容。 (可选)为智能体添加开场白,让用户更好地了解智能体的功能。开场白功能目前支持豆包、微信公众号(服务号)。 5. 配置好智能体后,在预览与调试区域中测试智能体是否符合预期。可单击清除图标清除对话记录。 6. 完成测试后,将智能体发布到社交渠道中使用。具体操作如下: 在智能体的编排页面右上角,单击发布。 在发布页面输入发布记录,并勾选发布渠道。 单击发布。 更多内容,请访问 Coze 官方文档: 英文版:https://www.coze.com/docs/welcome.html 中文版:https://www.coze.cn/docs/guides/welcome
2024-12-20
帮我找一个搜索企业联系方式的AI
目前暂时没有专门用于搜索企业联系方式的 AI 工具。但您可以利用一些常见的搜索引擎,并结合相关的企业信息查询网站来获取企业联系方式。例如,天眼查、企查查等网站可以提供一定的企业信息,包括联系方式。
2024-12-18
如何将网站搜索,修改成al聊天提问回答
要将网站搜索修改为 AI 聊天提问回答,您可以参考以下内容: 在 Cursor 中: Chat 聊天:允许您与看到您代码库的 AI 交谈,始终能看到当前文件和光标,可通过“⌘+Shift+L 或‘@’将特定代码块添加到上下文中,使用“⌘+Enter 与整个代码库聊天。 Codebase Answers 代码库答案:使用“@Codebase 或“⌘Enter 询问有关代码库的问题,Cursor 会搜索代码库以查找相关代码。 Reference your Code 引用您的代码:通过带有“@符号的参考代码用作 AI 的上下文,只需键入“@即可查看文件夹中所有文件和代码符号的列表。 Use Images 使用图像:点击聊天下方的图片按钮或拖入图片到输入框以包含视觉上下文。 Ask the Web 询问 Web:使用“@Web 从 Internet 获取最新信息,Cursor 会为您搜索网络并使用最新信息回答问题。 在 Customize 自定义方面: 可以在 Cursor Settings>Features>Chat 下自定义光标聊天。相关设置包括: 始终在网上搜索答案:这会使 AI 模型在每个查询中浏览网络以获取最新信息。 添加聊天淡入淡出动画:为生成的 AI 消息添加平滑动画。 默认为无上下文:使 AI 模型仅使用用户消息作为上下文,不包含其他上下文如当前文件。 自动滚动聊天:在 AI 在线程底部生成文本时自动滚动聊天。 在聊天窗格中缩小滚动条。 开始新聊天时显示聊天历史记录。
2024-12-18
如何有效的利用ai搜索网页信息
以下是有效利用 AI 搜索网页信息的方法: 1. 收集相关资料: 明确文章主题后,借助 AI 工具如 Perplexity.AI 来高效完成。访问该网站并使用其搜索功能,为获得更专业和深入的结果,可启用 Pro 功能(每天有一定次数免费使用,常使用可考虑开通会员)。在搜索框中输入具体 Prompt 来快速定位相关资讯。 通过 AI 工具获取搜索结果后,点击回答内容下方的拷贝按钮获取相关引用网站链接。同理,微软的 Bing 搜索引擎等也有类似功能,可快速搜集大量资料,提升文章专业度和说服力。 2. 整理资料: 可使用月之暗面开发的 Kimi 这个 AI 会话助手,它具备读取网页内容并生成一定内容的能力,但可能存在阅读能力限制,可分批次提供资料确保其有效读取和理解。 此外,能联网检索的 AI 有: ChatGPT Plus 用户可开启 web browsing 功能实现联网。 Perplexity 结合了 ChatGPT 式的问答和普通搜索引擎的功能,可指定希望聊天机器人在制定响应时搜索的源类型。 Bing Copilot 作为 AI 助手,可简化在线查询和浏览活动。 还有如 You.com 和 Neeva AI 等搜索引擎,提供基于人工智能的定制搜索体验,并保持用户数据的私密性。 需注意,这些内容由 AI 大模型生成,请仔细甄别。
2024-12-15
怎么做一个搜索ai新闻的agent
要做一个搜索 AI 新闻的 agent,您可以参考以下步骤: 1. 设定 Bot 的人设与回复逻辑。 2. 为 Bot 配置技能: 在 Bot 编排页面的技能区域,单击插件功能对应的“+”图标。 在添加插件页面,选择阅读新闻>头条新闻>getToutiaoNews,然后单击新增。 3. 修改人设与回复逻辑,指示 Bot 使用 getToutiaoNews 插件来搜索 AI 新闻。 4. (可选)为 Bot 添加开场白,让用户更好地了解 Bot 的功能。开场白功能目前支持豆包、微信公众号(服务号)。 5. 测试您的 Bot:配置好 Bot 后,在预览与调试区域中测试 Bot 是否符合预期。可单击清除图标清除对话记录。 6. 发布您的 Bot: 在 Bot 的编排页面右上角,单击发布。 在发布页面输入发布记录,并勾选发布渠道。 单击发布。 更多内容,请访问 Coze 官方文档: 英文版:https://www.coze.com/docs/welcome.html 中文版:https://www.coze.cn/docs/guides/welcome
2024-12-12
可以联网搜索的AIGC工具
以下是一些可以联网搜索的 AIGC 工具: 1. Perplexity.ai: 推荐指数:🌟🌟🌟🌟🌟 本质是个可联网的搜索引擎,完全免费,支持网页版、APP(目前支持 iOS,安卓即将推出)、Chrome 插件。 网页版能力全面,能够根据提问从互联网上搜寻信息并给出总结后的答案。能解决很多 Chat GPT 中调用插件才能解决的事情,如联网查询、旅行、住宿、商品推荐等。 能给出信息来源网址。 根据搜索内容给出继续对话的问题建议。 最新推出的 Copilot 能力支持根据搜索内容进行信息补充,该能力支持每 4h 内使用 5 次,调用 GPT4。 注意不要在开着浏览器翻译能力的同时使用,可能会报错。 支持筛选 Academic(包含不同领域的学术研究论文)、Wolfram|Alpha(包含数学、科学、经济学、语言学、工程学、社会科学、文化等领域的知识库)、Wikipedia(维基百科)、Youtube、Reddit(娱乐、社交和新闻网站)、News 进行搜索。 Chrome 插件可针对当前页面给出即时摘要。 访问地址: 2. WebChatGPT Chrome 插件: 推荐指数:🌟🌟🌟🌟🌟 可帮助 Chat GPT 搜索 21 年之后的信息,该项目获得了 100w+次下载量。 但使用该插件时,Chat GPT 的回复效果会不太稳定,比如中文提问但搜索结果是英文网站,Chat GPT 可能会给出英文回复。 下载地址: 此外,在学术研究和写作过程中,以下是一些常用的 AIGC 论文检测网站和工具: 1. Turnitin: 功能:是广泛使用的学术剽窃检测工具,最近增加了检测 AI 生成内容的功能。 使用方法:用户上传论文,系统自动分析文本并提供详细报告,标示出可能由 AI 生成的部分。 2. Copyscape: 功能:主要用于检测网络上的剽窃行为,虽不是专门的 AIGC 检测工具,但可发现可能被 AI 生成的重复内容。 使用方法:输入文本或上传文档,系统扫描网络以查找相似或重复的内容。 3. Grammarly: 功能:提供语法检查和剽窃检测功能,剽窃检测部分可帮助识别可能由 AI 生成的非原创内容。 使用方法:将文本粘贴到 Grammarly 的编辑器中,选择剽窃检测功能,系统提供分析报告。 4. Unicheck: 功能:基于云的剽窃检测工具,适用于教育机构和学术研究,可检测 AI 生成内容的迹象。 使用方法:上传文档或输入文本,系统分析并生成报告,显示潜在的剽窃和 AI 生成内容。 5. : 功能:专门设计用于检测 AI 生成内容的工具,使用先进的算法分析文本,识别是否由 GPT3 或其他 AI 模型生成。 使用方法:上传文档或输入文本,系统提供详细报告,包括可能的 AI 生成内容。
2024-12-12