模拟面试的Prompt

小七姐写的 prompt 包括以下内容： 1. Prompt 喂饭级系列教程 小白学习指南（二）： 自动优化排版的 Prompt，例如将输入的自我介绍进行自动排版。 让 AI 阅读文档时更靠谱的 Prompt。 结合生活或工作场景的自动化场景，如自动给班级孩子起昵称、排版微信群运营小文案、安排减脂餐、列学习计划、设计商务会议调研问卷等。 选择好上手的提示词框架来开启第一次有效编写。 2. 基于联网验证科学新闻的科普作者：创作动机来源于韩国室温常压超导新闻事件，基于严谨和科学态度梳理新闻事件并给出分析结果（必须在 4.0 的 webpilot 插件下使用）。 3. 3 月 5 日直播：prompts 书写的 6 个基础方法： 带大家学习基础知识和概念。 学习社群分享官方文档最佳实践。 学习地图官方文档的 6 个方法总结。 编写清晰的说明，提供更多信息和细节。 大模型提示词使用技巧及注意事项。 角色扮演策略提升模型问答质量。

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。

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。

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。

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。

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。

以下是一些可以辅助面试的 AI 工具： 1. 用友大易 AI 面试产品：具有强大的技术底座、高度的场景贴合度、招聘全环节集成的解决方案、先进的防作弊技术以及严密的数据安全保障。能帮助企业完成面试，借助人岗匹配模型自主完成初筛，并对符合企业要求的候选人自动发送面试邀约。 2. 海纳 AI 面试：通过在线方式、无需人为干预完成自动面试、自动评估，精准度高达 98%，面试效率比人工方式提升 5 倍以上。同时候选人体验也得到改善，到面率比之前提升最高达 30%。 3. InterviewAI：在线平台，提供与面试职位相关的问题和由 AI 生成的推荐答案。候选人可以使用设备上的麦克风回答每个问题，每个问题最多回答三次。对于每个答案，候选人将收到评估、建议和得分。 4. GPT4 技术的实时转录工具：如 Ecoute，可在文本框中为用户的麦克风输入和扬声器输出提供实时转录，还使用 OpenAI 的 GPT3.5 生成建议的响应，供用户根据对话的实时转录说出。开源地址：https://github.com/SevaSk/ecoute 。 使用这些产品时，企业需要考虑到数据安全性和隐私保护的问题。

以下是面试 AI 公司需要了解的资料： 一、AI 市场与 AI 产品经理 （一）AI 就业市场 1. 鱼龙混杂，求职者要做好信息甄别。即使面试通过拿到 offer，除了看 boss 直聘的招聘评价，一定要提前收集其他信息，如在脉脉上搜一下这家公司靠不靠谱。 2. 一些公司实际上没搞懂用 AI 能为自己企业带来什么价值，只是处于焦虑或跟风心态要做 AI，这部分企业可以聊，但要求求职者要有咨询和商业化的思维，能帮公司厘清业务增长机会。 3. 不同公司对 AI 产品经理的定位不同，所以招聘市场上对 AI 产品经理的岗位职责和任职要求也不同，慢慢会统一标准，这也是产品经理转型的机会。 4. 有行业沉淀和认知的产品经理转型会更有机会，类似之前的“互联网+”，目前应用层的机会在“AI+行业”，只懂 AI 或只懂行业是不够的。还有就是业务创新，找到细分的场景痛点并完成 PMF 验证，海外有很多优秀案例。 二、AI 面试官的相关产品 1. 用友大易 AI 面试产品：具有强大的技术底座、高度的场景贴合度、招聘全环节集成的解决方案、先进的防作弊技术以及严密的数据安全保障。可以帮助企业完成面试，还能借助人岗匹配模型，自主完成初筛，并对符合企业要求的候选人自动发送面试邀约。 2. 海纳 AI 面试：通过在线方式、无需人为干预完成自动面试、自动评估，精准度高达 98%，面试效率比人工方式提升 5 倍以上。同时候选人体验也得到改善、到面率比之前提升最高达 30%。 3. InterviewAI：这是一个在线平台，提供与面试职位相关的问题和由 AI 生成的推荐答案。候选人可以使用设备上的麦克风回答每个问题，每个问题最多回答三次。对于每个答案，候选人将收到评估、建议和得分。 使用这些产品时，企业需要考虑到数据安全性和隐私保护的问题。 三、Python + AI 学习 （一）Python 学习 1. 属性和方法：学习如何为类定义属性和方法，以及如何通过对象来调用它们。 2. 继承和多态：了解类之间的继承关系以及如何实现多态。 3. 异常处理 理解异常：了解什么是异常，以及它们在 Python 中是如何工作的。 异常处理：学习如何使用 try 和 except 语句来处理程序中可能发生的错误。 4. 文件操作 文件读写：学习如何打开文件、读取文件内容以及写入文件。 文件与路径操作：理解如何使用 Python 来处理文件路径，以及如何列举目录下的文件。 （二）AI 学习 1. 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 2. 历史发展：简要回顾 AI 的发展历程和重要里程碑。 3. 数学基础 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 4. 算法和模型 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。

以下是您在面试 AIGC 产品经理时可能会被问到的问题： 大模型题目： 1. 您对哪些算法比较熟悉，能否介绍一下？ 2. 能介绍一下您了解的大模型有哪些？您怎么评价它们？ 3. 如果想要快速体验各种模型，该怎么办？ 4. 大模型应用在落地过程中如何注入领域知识？ 5. 能介绍一下大模型应用如何做评测？ 6. 大模型怎么保证它们的价值观没有危害？ 7. 您对 PE 有什么理解，有过什么比较好的 pe 案例吗？ 8. 您怎么理解大模型微调和 RAG，它们有什么优势？ 9. 有过用大模型解决传统模型解决不了的业务问题吗？ 10. 大模型面对的安全危险有什么传统内容没有的吗？怎么系统化地解决大模型内容安全的问题？ 通用题目： 1. 您怎么理解 AIGC 产品经理、AI 产品经理、传统产品经理的，有什么差异？ 2. AIGC 项目和传统 AI 项目有什么差异，对于产品经理来说有什么不同？ 3. 在 AIGC 项目中产品经理需要参与和负责哪些事情？ 4. 您认为，未来 AI 或者 AIGC 的方向是什么？ 5. 大模型一般认为需要大量的数据和硬件，但是现在很多国内大模型公司显然不具备这样的条件，他们的发展您有了解过什么途径吗？ 6. 您用过哪些 AIGC 产品，您怎么评价？ 7. 说一下，您对大模型、AIGC、AI 的理解。 8. 您怎么理解大模型和传统模型的异同点？ 9. 介绍一下当前 AIGC 都有哪些落地的场景？ 10. 生成式大模型的优点和局限性有哪些？ 11. 大模型在您所在的行业和领域有哪些结合点，为什么？

很抱歉，目前知识库中没有关于“如何根据数据进行视频内容优化”的相关内容。但一般来说，在面试中回答这个问题可以从以下几个方面入手：首先，要强调对数据的收集和分析，明确收集哪些关键数据，如观看时长、点击率、完播率等。然后，基于这些数据分析用户的行为和偏好，例如哪些片段用户停留时间长，哪些被快速跳过。接着，根据分析结果进行针对性的优化，比如优化视频的开头以吸引更多观众留存，调整内容节奏以适应观众的注意力集中程度。还可以根据用户反馈数据改进视频的主题、风格和表现形式。同时，不断监测优化后的效果，通过对比数据评估优化措施的有效性，并持续改进。

以下是关于 AI 面试的相关信息： 目前有一些 AI 面试官的相关产品，它们利用人工智能技术帮助企业进行面试，以提高招聘效率和准确性。例如： 用友大易 AI 面试产品：具有强大技术底座、高度场景贴合度、招聘全环节集成的解决方案、先进防作弊技术和严密数据安全保障。能完成面试、初筛并自动发送面试邀约。 海纳 AI 面试：通过在线方式自动面试、评估，精准度高达 98%，面试效率比人工方式提升 5 倍以上，候选人到面率提升最高达 30%。 InterviewAI：在线平台，提供面试职位相关问题和 AI 生成的推荐答案，候选人用麦克风回答，会收到评估、建议和得分。 此外，3 月 19 日的 XiaoHu.AI 日报中提到了创新的克隆 AI 面试应用，链接为：https://x.com/imxiaohu/status/1770011969229390287?s=20 。 但使用这些产品时，企业需要考虑数据安全性和隐私保护问题。

目前有一些 AI 面试官的相关产品，例如： 1. 用友大易 AI 面试产品：具有强大的技术底座、高度的场景贴合度、招聘全环节集成的解决方案、先进的防作弊技术以及严密的数据安全保障。能帮助企业完成面试，借助人岗匹配模型自主完成初筛，并对符合企业要求的候选人自动发送面试邀约。 2. 海纳 AI 面试：通过在线方式、无需人为干预完成自动面试、自动评估，精准度高达 98%，面试效率比人工方式提升 5 倍以上。同时候选人体验也得到改善、到面率比之前提升最高达 30%。 3. InterviewAI：这是一个在线平台，提供与面试职位相关的问题和由 AI 生成的推荐答案。候选人可以使用设备上的麦克风回答每个问题，每个问题最多回答三次。对于每个答案，候选人将收到评估、建议和得分。 这些产品都在努力提高招聘的效率和准确性，帮助企业找到最合适的候选人。但使用这些产品时，企业需要考虑到数据安全性和隐私保护的问题。 此外，以下是 3 月 19 日的 Xiaohu.AI 日报相关信息： 1. 克隆一个自己，用 AI 面试：创新的克隆 AI 面试应用。链接：https://x.com/imxiaohu/status/1770011969229390287?s=20 2. SystemAnimatorOnline，全身运动捕捉：基于 AI 的全身运动捕捉方案，仅需网络摄像头。新交互方式，适用于虚拟直播和视频制作。链接：https://github.com/ButzYung/SystemAnimatorOnline… https://x.com/imxiaohu/status/1769957973252796634?s=20 3. Apollo 机器人，自主制作果汁：展示与英伟达 Project GROOT 合作，实现任务自主完成。从人类示范中学习，无需回初始位置。链接：https://x.com/imxiaohu/status/1770047098731577481?s=20 4. MindEye2，重建大脑所见图像：仅需 1 小时 fMRI 数据，重建观察者所见图像。能识别多个图像选项中的实际所见。实现不同受试者数据的有效泛化。链接：https://medarcai.github.io/mindeye2/ https://arxiv.org/abs/2403.11207

以下是一些 AI 模拟 NPC 的项目： 1. Character.ai：是一个 AI 虚拟陪伴平台，用户可与数百个 AI 驱动的角色交流，包括名人、动漫角色等，还能创建自己的角色并赋予其描述、图像、个性等特性。 2. Replika：一款 AI 虚拟陪伴应用，用户能设计理想伴侣，其会存储记忆并在未来对话中参考，甚至发送照片。 3. Talkie：主打情感路线的 AI 虚拟陪伴应用，设计有大量 NPC，游戏和休闲娱乐体验感更强，每个 NPC 都带有自己的剧情体系，交流中会触发抽取卡牌机会。 4. Inworld AI：开发了 Inworld 的 AI 角色引擎，可将游戏的 NPC 进行 AI 化并集成到游戏中。该引擎超越大语言模型，增加可配置的安全性、知识、记忆、叙事控制、多模态等功能，使 NPC 能够自我学习和适应，具有情绪智能。 5. Suck Up!：这是一款 AI 冒险独立游戏，没有固定脚本，由 AI 实时生成剧情，地图中的每个 NPC 都由 LLM 实时驱动，玩家通过语音输入，AI 结合玩家服装、环境等实时判断与输出结果并做出反应。游戏中加入了换装要素，不同装束会引起 NPC 不同反应。

以下为一些好用的 AI 模拟人声的工具： 1. Eleven Labs：https://elevenlabs.io/ ，是一款功能强大且多功能的 AI 语音软件，能高保真地呈现人类语调和语调变化，并能根据上下文调整表达方式。 2. Speechify：https://speechify.com/ ，是一款人工智能驱动的文本转语音工具，可作为多种平台的应用使用，能将文本转换为音频文件。 3. Azure AI Speech Studio：https://speech.microsoft.com/portal ，是一套服务，赋予应用程序“听懂、理解并与客户进行对话”的能力。 此外，还有一些用于视频配音效的 AI 工具： 1. Wavel Studio：支持 30 多种语言的配音，音质自然流畅，能自动去除背景噪音和杂音，提供添加字幕和文本叠加层的工具，界面友好且有多种自定义选项。 2. Elai.io：支持 65 多种语言的配音，音色和语调真实，能自动将唇形与语音同步，生成字幕提高视频可访问性，支持多位配音者适合复杂对话场景。 3. Rask AI：支持 130 多种语言的配音，包括稀有和濒危语言，采用先进语音合成技术音质高保真，提供语音参数自定义和音效添加工具，与多种视频编辑平台和工作流程整合。 4. Notta：提供快速实惠的多语言配音解决方案，保留原声说话风格和细微差别，提供调整语音速度和音调的工具，支持批量处理高效完成多视频配音。 5. Dubverse：支持 60 多种语言的配音，音质接近真人，提供文本转语音和语音克隆功能，提供语音参数自定义和情感添加工具。 更多相关工具可访问 WaytoAGI 的工具网站：https://www.waytoagi.com/sites/category/50 。请注意，这些工具的具体功能和可用性可能会随时间和技术发展而变化。在使用时，请确保遵守相关使用条款和隐私政策，并注意保持对生成内容的版权和伦理责任。

以下是关于“AI 模拟人”的相关内容： 一、系统性「造人」：论 AI 拟人的实现 1. 一个好的拟人 AI 应具备的特点： 不像“生活中人”，而像“戏剧中的人”。 满足刻板印象，但同时提供惊喜。 有风格，人设前后一致。 有记忆，并冷不丁 call back。 有厚度，用对话中的细节，浓缩一段过往人生，浓缩一个场景。 2. 本文结合实际案例探讨优秀的拟人 bot 设计，且探讨只局限于“prompt+对话+记忆”，不涉及 COT、反思等工程优化。文末附拟人 bot 比赛中优胜 bot 的 prompt。 二、宝藏内容 沃顿商学院给教师和学生的提示词库 | AIGC Weekly 1. 教师专用提示： 当角色扮演结束，AI 导师会宣布模拟完成，给出中肯的反馈意见。反馈内容应全面、均衡，基于学员的表现、练习目标、学习程度等因素。最后，AI 导师还会针对要点给出改进建议。 作为模拟创建者，需要从教师那里获取足够信息来设计模拟。先自我介绍是一位 AI 模拟创建者，然后询问教师“你希望通过这个场景教授学生什么样的主题、框架或概念，比如谈判、招聘、推介等？”，等待对方回答。理解教学目标后，进一步了解该主题的关键要素，比如教师希望学生思考或练习哪些核心概念，以及学生容易产生哪些误解。把问题细化，每次最多问两个，有助于获取足够的背景信息来精心设计模拟。掌握信息后，以文字或代码块的格式输出一个模拟场景提示，告知教师可以测试并调整这个模拟。教师可能会添加更多与主题相关的内容，或是修改学生可选的场景类型。要让教师知道，随时可以提供帮助来优化这个模拟。 三、机器之心的进化 / 理解 AI 驱动的软件 2.0 智能革命 早在 1945 年，Alan Turing 就已经在考虑如何用计算机来模拟人脑，他设计了 ACE（Automatic Computing Engine 自动计算引擎）来模拟大脑工作。在给一位同事的信中写道：“与计算的实际应用相比，我对制作大脑运作的模型可能更感兴趣......尽管大脑运作机制是通过轴突和树突的生长来计算的复杂神经元回路，但我们还是可以在 ACE 中制作一个模型，允许这种可能性的存在，ACE 的实际构造并没有改变，它只是记住了数据......”这就是机器智能的起源，至少那时在英国都这样定义。

若有需要模拟销售的 AI 产品，可以尝试使用 Second Nature AI。