直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

知识库都有哪些提示词框架

回答

以下是一些常见的提示词框架：

  • ICIO 框架：包括 Instruction（指令）、Context（背景信息）、Input Data（输入数据）、Output Indicator（输出引导）。
  • CRISPE 框架：涵盖 Capacity and Role（能力和角色）、Insight（见解）、Statement（声明）、Personality（个性）、Experiment（实验）。
  • BROKE 框架：包含 Background（背景）、Role（角色）、Objectives（目标）、Key Result（关键结果）。
  • TRACE 框架：有 TASK（任务）、REQUEST（请求）、ACTION（行动）、CONTEXT（上下文）、EXAMPLE（示例）。
  • ERA 框架：包括 EXPECTATION（期望）、ROLE（角色）、ACTION（行动）。
  • CARE 框架：由 CONTEXT（上下文）、ACTION（行动）、RESULT（结果）、EXAMPLE（示例）组成。
  • ROSES 框架：包含 ROLE（角色）、OBJECTIVE（目的）、SCENARIO（方案）。
  • Evolve 框架：包括试验并改进，通过改进输入、改进答案、重新生成等方法。
  • APE 框架。
  • COAST 框架：包含 CONTEXT（上下文背景）、OBJECTIVE（目的）、ACTION（行动）、SCENARIO（方案）、TASK（任务）。
  • TAG 框架：包括 TASK（任务）、ACTION（行动）、GOAL（目标）。
  • RISE 框架。
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

Prompts（提示词）

|框架|说明|例子|附件|父记录|<br>|-|-|-|-|-|<br>|框架集合|右侧附件做成了海报||||<br>|ICIO框架|||||<br>|Instruction：指令|即你希望AI执行的具体任务|比如翻译或者写一段什么文字|||<br>|Context：背景信息|给AI更多的背景信息引导模型做出更贴合需求的回复||||<br>|Input Data：输入数据|告知模型需要处理的数据||||<br>|Output Indicator：输出引导|告知模型我们要输出的类型或风格||||<br>|CRISPE框架|||||<br>|Capacity and Role：能力和角色|ChatGPT应扮演什么角色||||<br>| Insight：见解|提供你请求的背后见解、背景和上下文||||<br>|Statement：声明|你要求ChatGPT做什么||||<br>|Personality：个性|你希望ChatGPT以何种风格、个性或方式回应||||<br>|Experiment：实验|请求ChatGPT为你回复多个示例||||<br>|BROKE框架--提出者：陈财猫|||||<br>|Background：背景|说明背景，为ChatGPT提供充足信息||||<br>|Role：角色|我希望ChatGPT扮演的角色||||<br>|Objectives：目标|我们希望实现什么||||<br>|Key Result：关键结果|我要什么具体效果试验并调整||||

Prompts（提示词）

|框架|说明|例子|附件|父记录|<br>|-|-|-|-|-|<br>|ROLE角色|指定ChatGPT的角色||||<br>|INPUT输入|描述信息或资源||||<br>|STEPS步骤|询问详细的步骤||||<br>|EXPECTATION期望|描述所需的结果||||<br>|TRACE框架|||||<br>|TASK任务|定义特定任务||||<br>|REQUEST请求|描述您的要求||||<br>|ACTION行动|说明您需要的操作||||<br>|CONTEXT上下文|提供上下文或情况||||<br>|EXAMPLE示例|举一个例子来说明您的观点||||<br>|ERA框架|||||<br>|EXPECTATION期望|描述所需的结果||||<br>|ROLE角色|指定ChatGPT的角色||||<br>|ACTION行动|指定需要采取哪些操作||||<br>|CARE框架|||||<br>|CONTEXT上下文|为讨论设置阶段或上下文||||<br>|ACTION行动|描述您想做什么||||<br>|RESULT结果|描述所需的结果||||<br>|EXAMPLE示例|举一个例子来说明您的观点||||<br>|ROSES框架|||||<br>|ROLE角色|指定ChatGPT的角色||||<br>|OBJECTIVE目的|陈述目标或目标||||<br>|SCENARIO方案|描述情况||||

Prompts（提示词）

|框架|说明|例子|附件|父记录|<br>|-|-|-|-|-|<br>|Evolve：试验并改进|三种改进方法自由组合    <br> a.改进输入：从答案的不足之处着手改进背景B，目标O与关键结果R    <br> b.改进答案：在后续对话中指正chatGPT答案缺点    <br> c.重新生成：尝试在Prompt不变的情况下多次生成结果，优中选优||||<br>|APE框架|||||<br>|COAST框架|||||<br>|CONTEXT上下文背景|为对话设定舞台||||<br>|OBJECTIVE目的|描述目标||||<br>|ACTION行动|解释所需的动作||||<br>|SCENARIO方案|描述场景||||<br>|TASK任务|描述任务||||<br>|ICIO框架|[https://github.com/dair-ai/Prompt-Engineering-Guide/blob/main/guides/prompts-intro.md](https://github.com/dair-ai/Prompt-Engineering-Guide/blob/main/guides/prompts-intro.md)||||<br>|CRISPE框架|[https://github.com/mattnigh/ChatGPT3-Free-Prompt-List](https://github.com/mattnigh/ChatGPT3-Free-Prompt-List)||||<br>|BROKE框架|作者：陈财猫，[https://web.okjike.com/originalPost/644fd53e263968405b6d5bfd](https://web.okjike.com/originalPost/644fd53e263968405b6d5bfd)||||<br>|ACTION:行动|定义要完成的工作或活动||||<br>|PURPOSE:目的|讨论意图或目标||||<br>|EXPECTATION:期望|陈述预期的结果。||||<br>|TAG框架|||||<br>|TASK任务|定义特定任务||||<br>|ACTION行动|描述需要做的事情||||<br>|GOAL目标|解释最终目标||||<br>|RISE框架|||||

其他人在问
基于飞书的知识库RAG的搭建，需要什么接口进行全文搜索
基于飞书的知识库 RAG 搭建，可用于全文搜索的接口方式主要有以下几种： 1. 语义检索：语义匹配关注查询和文档内容的意义，而非仅仅表面的词汇匹配。通过向量的相似性来判断语义的相似性。 2. 全文检索：这是基于关键词的检索方式。例如，对于句子“猫的饮食习惯包括吃鱼和鸡肉”，输入“猫”“饮食”“猫的饮食习惯”“吃鱼”等关键词可搜索到该句子，但输入“猫喜欢吃什么呀”则无法搜索到。 3. 混合检索：结合了语义匹配和全文检索的优点，通常系统先进行全文检索获取初步结果，然后再对这些结果进行语义匹配和排序。 此外，在本地部署资讯问答机器人实现 RAG 时，会涉及加载所需的库和模块，如 feedparse 用于解析 RSS 订阅源，ollama 用于在 python 程序中跑大模型。还会为文档内容生成向量，如使用文本向量模型 bgem3 等。 在开发 LangChain 应用开发指南中，实现 LangChain 和 RAG 的结合时，需要加载数据、分割文档、转换嵌入并存储到向量存储器、创建检索器以及聊天模型等步骤。
2024-10-17
推荐一些知识库系统
以下为您推荐一些知识库系统： 1. 专家系统： 是符号人工智能的早期成就之一，为充当有限问题领域的专家而设计。 包含从人类专家提取的知识库、推理引擎以及问题记忆。 推理引擎协调问题状态空间的搜索过程，必要时向用户提问。 例如根据动物物理特征判断动物的专家系统，可通过绘制 ANDOR 树或使用规则来表示知识。 2. AI Agent 中的外置知识： 由外部数据库提供，特点是能够动态更新和调整。 涉及多种数据存储和组织方式，包括向量数据库、关系型数据库和知识图谱。 实际应用中常采用 RAG 架构，结合检索和生成，增强模型的生成能力。 3. 知识管理体系： 是组织和管理信息、数据和知识的方法，帮助个人或组织有效捕捉、组织、访问和使用知识，提高效率、创新能力和决策质量。 包括收集信息、整理知识、分享经验、促进学习和创新等流程，以及分类、标签和索引等组织方式。 关键组成部分有知识的捕捉、组织、分享和应用。 创建知识管理体系可提高效率、增强决策能力、促进创新和增强适应能力。
2024-10-16
如何创建知识库？
创建知识库主要有以下两种方式： 1. 创建并上传表格数据： 在页面顶部进入知识库页面，并单击创建知识库。 在弹出的页面配置知识库名称、描述，并单击确认。需注意一个团队内的知识库名称不可重复，必须是唯一的。 在单元页面，单击新增单元。 在弹出的页面，选择表格格式，然后选择一种上传方式完成数据上传。 2. 创建并上传文本内容： 登录。 在左侧导航栏的工作区区域，选择进入指定团队。 在页面顶部进入知识库页面，并单击创建知识库。 在弹出的页面配置知识库名称、描述，并单击确认。同样一个团队内的知识库名称不可重复，必须是唯一的。 在单元页面，单击新增单元。 在弹出的页面选择要上传的数据格式，默认是文本格式，然后选择一种文本内容上传方式完成内容上传。 此外，还可以参考以下文章获取更详细的信息：
2024-10-15
你好，你的知识库管理采用的大模型流程是什么，请勇mermaid说明一些
以下是关于大模型流程的详细说明： RAG（Retrieval Augmented Generation，检索增强生成）技术应用于利用大模型能力搭建知识库，其流程主要包括以下 5 个过程： 1. 文档加载（Document Loading）：从多种不同来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据以及 Python、Java 之类的代码等。LangChain 提供了 100 多种不同的文档加载器。 2. 文本分割（Splitting）：文本分割器把文档切分为指定大小的块，称为“文档块”或者“文档片”。 3. 存储： 将切分好的文档块进行嵌入（Embedding）转换成向量的形式。 将 Embedding 后的向量数据存储到向量数据库。 4. 检索（Retrieval）：通过某种检索算法从向量数据库中找到与输入问题相似的嵌入片。 5. 输出（Output）：把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示一起来生成更加合理的答案。 从用户提出问题开始，还经历了以下流程： 1. 用户问题的理解。 2. 根据用户问题进行路由。 3. 进行初步的检索。 4. 对初步检索的结果进行重排序。 5. 将重排序后的结果和用户的查询意图组合成上下文输入给大模型。 6. 大模型通过指定的提示词生成输出结果。 需要注意的是，重排序的结果通常不会都被用作大模型的上下文，因为大模型的上下文有限制。可以设置一个阈值进行截断，比如只使用前 3 5 个文档；也可以设置一个相关性分数的阈值，只取相关性分数大于某个值的文档。一些先进的 RAG 系统会对选中的文档进行摘要或压缩，以在有限的空间内包含更多相关信息。 在大模型输出结果后还有后置处理，可能包括敏感内容检测和移除、格式化输出等。 LLM 的工作原理可以这样理解：以“我今天吃了狮子头和蔬菜”这句话为例，在 Transformer 中，会由 Attention 层对这句话加入更多的信息来补充，比如补充“狮子头是一道菜”“今天是星期六”等等。这些补充信息，会作为输入给到下一个 Attention 层进行补充。最终层与层之间，哪些信息需要补充，哪些信息需要保留，哪些信息传递，均由模型自主学习完成。总结起来就是大模型以词向量和 Transformer 的模型学习了海量的知识，把知识作为向量空间中的一种关系网进行存储，并在接受输入时，通过向量空间中的一系列匹配进行输出。这就像人脑在阅读学习的过程，记忆的不是点状的知识，而是网状的经验。
2024-10-15
如何通过ollama 搭建本地知识库
以下是通过 Ollama 搭建本地知识库的步骤： 1. 了解背景：本文思路来源于视频号博主黄益贺，旨在分享如何部署本地大模型及搭建个人知识库，让您了解相关核心技术及流程。 2. Ollama 简介：Ollama 是一个开源框架，用于简化本地运行大型语言模型的过程，是轻量级、可扩展的，提供简单 API 和预构建模型库，适合初学者和非技术人员，能推动大型语言模型的发展和应用。 3. 安装 Ollama：官方下载地址为 https://ollama.com/download ，安装完成后可通过访问特定链接判断是否安装成功。 4. 运行本地大模型：安装完成后，在命令行中运行相应命令，模型名称可通过查看，如选择 llama2 大模型，可根据机器配置选择合适参数的模型，运行时 Ollama 会自动下载大模型到本地。 此外，还有关于本地部署资讯问答机器人：Langchain + Ollama + RSSHub 实现 RAG 的相关内容，包括加载所需库和模块、从订阅源获取内容、为文档内容生成向量等步骤。
2024-10-12
请简要介绍WaytoAGI知识库
WaytoAGI 是一个由一群热爱 AI 的专家和爱好者共同建设的开源 AI 知识库。 在短短一年间，靠着口口相传拥有高达数千万的访问量。其知识库内容丰富，涵盖了 AI 绘画、AI 视频、AI 智能体、AI 3D 等多个版块，还包含赛事和活动以促进大家动手实践，有 AI 领域的最新进展、教程、工具和一线实战案例。 WaytoAGI 不仅是一个普通的技术社区，更是一个汇聚行业顶尖创作者和 KOL 的思想交流平台，社区制作的优质作品多次登上央视首页，广受好评。 它还孵化了如离谱村等大型共创项目，离谱村是由 WaytoAGI 孵化的千人共创项目，让大家学习和接触 AI 更容易、更感兴趣。参与者不分年龄层，都可以通过 AI 工具创作出各种各样的作品。 “通往 AGI 之路”的品牌 VI 融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性，共同构建了一个充满活力和前瞻性的品牌形象。
2024-10-11
BORE框架
BORE 框架是由自动驾驶行业的产品经理陈财猫提出的一套 ChatGPT 方法论。 BORE 框架的产生过程如下：陈财猫是 ChatGPT 的第一批用户，最初与 ChatGPT 的交互主要是找乐子，后来发现其在工作中能发挥重要作用，从而形成了这套可操作、可重复的方法论。 BORE 框架中，四个字母分别代表四个单词的首字母： 1. B 代表 Background（背景）：阐述任务的宏观背景和微观场景，让 ChatGPT 获得充分信息。 2. O 代表 Objectives（目标）：明确任务目标，告知 ChatGPT 需生成的内容。 3. R 代表 key Results（关键结果）：列出完成任务所需达成的关键结果，包括具体要求和指标，可根据实际需求定制。 4. E 代表 Evolve（改进）：通过试验并调整，灵活组合以下三种改进方法以获得满意答案： 从答案的不足之处着手，更新并迭代 prompt。 在后续对话中指正 ChatGPT 答案缺点。 在 prompt 不变的情况下多次生成结果。 此外，作为产品经理，还可以将 ChatGPT 的能力与外部工具结合，放大其能力，例如为业务画时序图、流程图，用生动的图像和数据分析支撑需求改动，以增加需求通过产品评审会的可能性。 相关文章原文链接：https://mp.weixin.qq.com/s/AGdTBGn9vQrApZwPrAmxtQ
2024-10-16
crispe框架
CRISPE 框架是一个在设计提示词时常用的框架，包含以下几个方面： 1. CR：Capacity and Role（能力与角色），即明确您希望 AI 扮演的角色。 2. I：Insight（洞察），提供背景信息和上下文。 3. S：（陈述），清晰说明您希望 AI 做什么。 4. P：Personality（个性），确定您希望 AI 以何种风格或方式回答您。 5. E：Experiment（实验），要求 AI 为您提供多个答案。 此外，提示词工程师已经发展出了多种提示词框架，CRISPE 框架只是其中之一。例如，还有 ICIO 框架、BROKE 框架等。CRISPE 框架也有不同的表述，有的将其分为涵盖上下文（Context）、角色（Role）、说明（Instruction）、主题（Subject）、预设（Preset）和例外（Exception）这六个部分。
2024-10-16
BORE框架
BORE 框架是由自动驾驶行业的产品经理陈财猫提出的一套 ChatGPT 方法论。 BORE 框架的产生过程：陈财猫是 ChatGPT 的第一批用户，最初与 ChatGPT 的交互限于找乐子，后来发现其在工作中的巨大作用，并形成了可操作、可重复的方法论。 BORE 框架的名称及含义：BORE 读作，四个字母分别是四个单词的首字母，B 代表 Background（背景），O 代表 Objectives（目标），R 代表 key Results（关键结果），E 代表 Evolve（改进），“BORE”本身也是“钻孔”的意思，便于记忆。 BORE 框架四个流程的详细定义： 1. 背景 B（Background）：阐述任务的宏观背景和微观场景，让 ChatGPT 获得充分信息。 2. 目标 O（Objectives）：明确任务目标，告知 ChatGPT 需生成的内容。 3. 关键结果 R（key Results）：列出完成任务所需达成的关键结果，即具体要求和指标，可按需定制。 4. 改进 E（Evolve）：通过试验并调整，灵活组合以下三种改进方法以获得满意答案。 从答案不足之处着手，更新并迭代 prompt。 在后续对话中指正 ChatGPT 答案缺点。 在 prompt 不变的情况下多次生成结果。 此外，作为产品经理，还可将 ChatGPT 的能力与外部工具结合，放大其能力，例如为业务画时序图、流程图，用生动图像和数据分析支撑需求改动，以增加需求通过产品评审会的可能性。
2024-10-16
promot提示词框架有哪些
提示词工程师已经发展出了多种提示词框架，以下为您介绍一些常见的框架： 1. ICIP 框架：包括指令（Instruction，必须）、背景信息（Context，选填）、输入数据（Input Data，选填）和输出指示器（Output Indicator，选填）。 2. BROKE 框架：着重于背景（Background）、角色定义（Role）、目标设定（Objectives）、关键成果展示（Key Result）以及持续的试验与优化（Evolve）。 3. CRISPE 框架：分为上下文（Context）、角色（Role）、说明（Instruction）、主题（Subject）、预设（Preset）和例外（Exception）。 4. 情境框架。 此外，还有一些特定场景下的框架，比如在商务英语培训中使用的 BROke 框架，其示例为： |框架|说明|示例| |||| |Background：背景|说明背景，为 ChatGPT 提供充足信息|公司由于国际化战略，需要员工提升职场英语水平。| |Role：角色|希望 ChatGPT 扮演的角色|ChatGPT 扮演职场英语导师，支持员工的学习。| |Objectives：目标|希望实现的目标|提升团队的英语交流能力，促进国际业务的成功。| |Key Result：关键结果|想要的具体效果试验并调整|提高员工的职场英语水平，通过实际业务表现评估。| |Evolve：试验并改进|“三种改进方法自由组合|a.提供针对性的语法培训，b.针对实际沟通场景改进学习材料，c.鼓励员工定期进行语言交流。”|
2024-10-10
AI的整体发展框架是什么，图解
以下是关于 AI 整体发展框架的相关内容： OpenAI 提出的 AGI 五个等级： 1. 聊天机器人（Chatbots）：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. 推理者（Reasoners）：具备人类推理水平，能解决复杂问题，如 ChatGPT，可根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品执行任务后仍需人类参与。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 周鸿祎总结的 AI 发展五个阶段： 1. 小模型阶段：能力单一，无法泛化和理解，只能完成特定任务，如早期的人脸识别。 2. GPT 出现，AGI 迎来拐点，机器实现与人类交流。 3. Sora 出现，打开 AGI 大门，能够认知世界并与世界互动，但目前算力和训练可能受限。 4. 强人工智能：机器能看懂常识和交流，但还缺对世界力量的感知，如加速度、重力等，以及与物理世界的互动。 5. 超级人工智能：能够总结出世界的规律，如像牛顿、爱因斯坦一样得出公式。 在医疗保健领域的 AI 发展： 开发具有潜在空间层次结构的堆叠 AI 模型，以帮助 AI 理解模式和关系。可能最初平行于人类教育范例，而后专门发展以培养新型专业知识。创建特定领域的专家 AI 比创建跨领域的全能 AI 更容易，预计会创造许多采用多样化方法的专家 AI。同时，应让 AI 从在线基础投入到原子世界，让人类专家配备可穿戴设备收集互动供 AI 学习，让专家 AI 接触多样化视角以避免偏见。
2024-10-10
AI的整体发展框架是什么
AI 的整体发展框架包括以下几个方面： 1. 模型开发：开发具有潜在空间层次结构的堆叠 AI 模型，以帮助其理解复杂数据中的模式和关系。这些模型可能会以类似人脑皮层的方式发展，针对特定任务设计专门的神经架构，如在医疗保健领域可能会有生物皮层和药物设计皮层。 2. 应用方向：创建特定领域的专家 AI 可能比创建全能型 AI 更容易，预计会创造许多在编码、数据和测试方面采用多样化方法的专家 AI。 3. 学习方式：不仅要让 AI 在线学习，还应将其投入到现实世界中。例如让人类专家配备可穿戴设备，收集现实世界的互动供 AI 学习。 4. 避免偏见：让专家 AI 接触顶级从业人员的多样化视角，以避免复制危险的偏见。 5. 国际合作：在推进国内议程的同时，与国外的盟友和伙伴合作建立强大的国际框架来管理 AI 的开发和使用。 此外，在小学课堂中，关于 AI 的课程框架设计可分为四个部分：什么是 AI、AI 的发展历程和重大突破、玩转 AI——今日应用探索以及问答环节。同时，拜登签署的 AI 行政命令也表明了美国在推进安全、可靠和可信的 AI 方面的举措，并将继续与国会合作追求相关的两党立法。
2024-10-10
提示词生成网站
以下是为您精选的一些提示词生成网站： |站点名|网站介绍|地址| |||| |MidLibrary|Midjourney 最全面的流派、艺术技巧和艺术家风格库|| |MidJourney Prompt Tool|类型多样的 prompt 书写工具，点击按钮就能生成提示词修饰部分|| |OPS 可视化提示词|有 Mid Journey 的图片风格、镜头等写好的词典库，方便快速可视化生成自己的绘画提示词|| |AIart 魔法生成器|中文版的艺术作品 Prompt 生成器|| |IMI Prompt|支持多种风格和形式的详细的 MJ 关键词生成器|| |Prompt Hero|好用的 Prompt 搜索，Search prompts for Stable Diffusion,ChatGPT & Midjourney|| |OpenArt|AI 人工智能图像生成器|| |img2prompt|根据图片提取 Prompt|| |MidJourney 提示词工具|专门为 MidJourney 做的提示词工具，界面直观易用|| |PromptBase|Prompt 交易市场，可以购买、使用、销售各种对话、设计 Prompt 模板|| |AiTuts Prompt|精心策划的高质量 Midjourney 提示数据库，提供广泛的不同风格|| || |NovelAI tag 生成器|设计类 Prompt 提词生成器|| |魔咒百科词典|魔法导论必备工具，简单易用的 AI 绘画 tag 生成器|| |KREA|设计 AI 的 Prompt 集合站，create better prompts|| |Public Prompts|免费的 prompt 合集，收集高质量的提示词|| |AcceleratorI Prompt|AI 词汇加速器，加速 Prompt 书写，通过按钮帮助优化和填充提示词|| |MidJourney.TalkGame.Ai|野菩萨出品||
2024-10-18
关于艺术设计师的提示词
以下是一些关于艺术设计师的 AI 绘画常用提示词： 风格提示词： 点彩派（pointillism） 克劳德莫奈（Claude Monet） 桁缝艺术（quilted art） 局部解剖（partial anatomy） 彩墨纸本（color ink on paper） 涂鸦（doodle） 伏尼契手稿（Voynich manuscript） 书页（book page） 真实的（realistic） 3D 风格（3D） 复杂的（sophisticated） 真实感（photoreal） 国家地理（national geographic） 超写实主义（hyperrealism） 电影股的（cinematic） 建筑素描（architectural sketching） 对称肖像（symmetrical portrait） 清晰的面部特征（clear facial features） 室内设计（interior design） 武器设计（weapon design） 次表面散射（subsurface scattering） 游戏场景图（Game scene graph） 角色概念艺术（character concept art） 废土风格（Wasteland Punk） 数字雕刻风格（digitally engraved） 建筑设计风格（architectural design） 海报风格（poster style） 东方山水画（Tradition Chinese Ink Painting） 浮世绘（Japanese Ukiyoe） 日本漫画风格（Manga style） 童话故事书插图风格（stock illustration style） 梦工厂动西风格（CGSociety） 梦工厂影业（DreamWorks Pictures） 皮克斯（Pixar） 时尚（Fashion） 日本海报风格（poster of Japanese graphic design） 90 年代电视游戏（90s video game ） 法国艺术（french art） 包豪斯（Bauhaus） 日本动画片（Anime） 像素画（卜绘 and Pixel Art） 古典风，1819 世纪（Vintage） 黑白电影时期（Pulp Noir） 乡村风格（Country style） 抽象风（Abstract） 印刷风（risograph iso） 设计风（Graphic） 在 SD 文生图中，提示词的写法示例： 英文为：,drawing,paintbrush 。在这组提示词中，括号和:1.2 都是用来增加权重的，权重越高在画面中体现越充分，同样提示词的先后顺序也会影响权重。 反向提示词：NSFw，，(融合的手指:1
2024-10-18
openai的接口怎么调用，提示词怎么写
以下是关于 OpenAI 接口调用和提示词编写的相关知识： OpenAI 接口调用： OpenAI API 可应用于众多涉及生成自然语言、代码或图像的任务。提供了不同能力级别的模型，适用于不同任务，还能微调自定义模型。这些模型可用于内容生成、语义搜索、分类等众多领域。 提示词编写： 1. 设计提示词本质上是对模型进行“编程”，通常通过提供指令或示例完成，与多数专为单个任务设计的 NLP 服务不同，补全和聊天补全几乎可用于任何任务，如内容或代码生成、摘要、扩展、对话、创意写作、风格转换等。 2. 遵循最简化原则： 不需要包含作者信息，如“author”“version”等不相关信息。 避免分类错误，将输出错误分类到目标中，如“提供改进建议，以及改进原因”和“对用户的 Prompt 进行评分 1~10 分，10 分为满分”应明确区分。 注意拼写正确，如“Constraints”的正确拼写。 常见的限制条件包括内容长度限制、内容类型限制、逻辑和一致性限制、风格和语调限制。 避免无意义或重复的描述，如“理解中文语义”“评估和打分文本质量”“提供文本改进建议”等。 注意 Markdown 格式的正确使用，如“ Profile: Goals:”的结构错误，应将 Goals 放到“ Role”层级下面。 在给定的 API 请求中处理的 Token 数量取决于输入和输出长度。对于英文文本，1 个 Token 大约相当于 4 个字符或 0.75 个单词。您的文本提示词和生成的补合起来不能超过模型的最大上下文长度（对于大多数模型，这是 2048 个 Token，或大约 1500 个单词）。可以查看 OpenAI 的分词器工具来了解有关文本如何转换为 Token 的更多信息。
2024-10-17
系统提示词和用户提示词
系统提示词和用户提示词相关知识如下： 在 SD 绘画中，根据想画的内容写提示词，多个提示词之间用英文半角逗号隔开。一般概念性、大范围、风格化的关键词写在前，叙述画面内容的其次，描述细节的最后。每个词在模型中的自带权重可能不同，顺序也很重要，越靠后权重越低。关键词应具特异性，措辞具体，避免抽象和有解释空间的措辞。还可使用括号人工修改提示词权重。 基本概念方面，通过简单提示词能获得结果，其质量与提供的信息数量和完善度有关。提示词可包含指令、问题、上下文等信息。使用 OpenAI 聊天模型时，有 system、user 和 assistant 三种角色，system 非必需但有助于设定 assistant 行为。提示工程探讨如何设计最佳提示词以高效完成任务，语言模型能基于给定上下文续写，但可通过改进提示词获得更好结果。 在办公通用场景中，有编辑写作助手、语法纠正助手、头脑风暴助手、翻译助手、总结助手等，各自有相应的提示词格式和用途，如编辑写作助手是“编辑以下段落，提高其整体清晰度和连贯性：{粘贴段落}”。
2024-10-16
给我几个教写提示词的网站
以下是一些教写提示词的网站： http://www.atoolbox.net/ ：通过选项卡方式快速填写关键词信息。 https://ai.dawnmark.cn/ ：每种参数有缩略图参考，方便直观选择提示词。 https://civitai.com/ ：可以抄作业，每张图有详细参数，可复制使用。 此外还有： Majinai： 词图： Black Lily： Danbooru标签超市： 魔咒百科词典： AI词汇加速器： NovelAI魔导书： 鳖哲法典： Danbooru tag： AIBooru： 图像类 Prompt 网站： MidLibrary：Midjourney 最全面的流派、艺术技巧和艺术家风格库， MidJourney Prompt Tool ：类型多样的 promot 书写工具，点击按钮就能生成提示词修饰部分， OPS 可视化提示词：有 Mid Journey 的图片风格、镜头等写好的词典库，方便快速可视化生成绘画提示词， AIart 魔法生成器：中文版的艺术作品 Prompt 生成器， IMI Prompt：支持多种风格和形式的详细的 MJ 关键词生成器， Prompt Hero：好用的 Prompt 搜索， OpenArt：AI 人工智能图像生成器， img2prompt ：根据图片提取 Prompt， MidJourney 提示词工具：专门为 MidJourney 做的提示词工具，界面直观易用， PromptBase：Prompt 交易市场，可以购买、使用、销售各种对话、设计 Prompt 模板， AiTuts Prompt：精心策划的高质量 Midjourney 提示数据库，提供广泛不同风格选择，
2024-10-16
怎么使用提示词
以下是关于如何使用提示词的相关内容： 提示词的作用：向模型提供上下文和指示，其质量直接影响模型输出的质量。 学习提示词的构建技巧： 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。 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。 实践、迭代、优化：多与语言模型互动，根据输出提高提示词质量，尝试各种变体，比较分析输出差异，持续优化提示词构建。 活用提示工程工具：如 Anthropic 的 Constitutional AI 等。 跟上前沿研究：持续关注最新的研究成果和方法论。 编写提示词（prompt）的建议： 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。 提供上下文：若任务需特定背景知识，提供足够信息。 使用清晰语言：避免模糊或歧义词汇。 给出具体要求：明确格式或风格等特定要求。 使用示例：提供期望结果的示例。 保持简洁：避免过多信息导致模型困惑。 使用关键词和标签：帮助模型理解任务主题和类型。 测试和调整：生成文本后检查结果，根据需要调整。
2024-10-16