以下是为您整理的关于 AI 电商的 Prompt 或 Agent 的相关信息：
[title]2023年历史更新（归档）[heading3]7月23日在Prompt精选网站中新增[Prompt Engineering Guide](https://www.promptingguide.ai/zh)网站，介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具；在国内网站精选中补充了携程新发布的携程问道大模型「在大模型的基础上，“携程问道”筛选高质量非结构性旅游数据200亿，结合携程现有精确的实时数据进行了自研垂直模型的训练」；在[文章资讯精选](https://ywh1bkansf.feishu.cn/wiki/YjJgwbKnriZBZ0kVn6Kc1gSKnsf?table=tbltxLmczQ0fdHaN&view=vewuqMbDMU)中，新增王小川的一篇谈话采访《[大模型创业100天，我确认找到了属于我的「无人区」](https://mp.weixin.qq.com/s/KVoNCi97-AiUcustjBpU8A)》，王小川透露，百川智能的开源模型能力一定会超越Llama 2。按照计划，之后百川智能将发布几百亿，千亿级闭源大模型；OpenAI本周的一个小升级，[定制自己的instruction](https://openai.com/blog/custom-instructions-for-chatgpt)，代表了它从模型LLM，开始走向Agents，它的影响之后一定会慢慢浮现出来；AI Agents目录下新增《[十篇高质量的AI-Agents相关论文，让AI教你认识AI-Agents](https://mp.weixin.qq.com/s/EkNmwq5g0uTY7dYZO3osLQ)》，作者为了让更多人理解Agents的可能性，在这里分享十篇具有较高可读性的关于AI-Agents论文；
在tob领域，目前看到比较成体系的主要有这几类：1）一类是智能办公这类产品价值点主要体现在办公垂域场景中，比如办公场景下，需要快速总结群聊内容或会议信息，那就可以把群聊记录丢给大模型，让其总结出个一二三四出来。或者需要写个公文但没有思路时，ai给出的结构模板参考等。2）一类是智能客服这类产品通常借助agent来实现，接入企业的QA知识库，对用户的信息予以回应。并且依据用户的回答，下达诸如取消订单、催快递之类的action指令。3）一类是AI导购这类产品主要在用户和商家之间发挥作用。以往的商品搜索体验，往往是商家猜测用户会搜索的标签，用户猜测商家设置的标签。然而运用AI导购，能够依据用户的问题，结合产品的介绍和评论信息等，为用户推荐更为准确、精准的产品。比如，用户期望购买一个能容纳三个篮球的篮球背包。按照以往的流程，用户需要先查询能装下三个篮球的背包所需的容量，然后再在平台上搜索对应容量的背包。而使用AI导购，就能够将这一整个过程完全交由AI来处理。4）一类是智能营销此类别主要应用于营销环节，通过AIGC生成一些话术、物料、口播等内容，有些还会融入用户的个性化元素，以指导物料的生成。5）一类是智能人力资源目前，这类主要利用模型进行一些诸如简历初筛、JD自动生成、数据分析等工作。
图10.1.1创建AI Agent的两种手段（来自李博杰的个人博客）不过，虽然Prompt在激活和运用AI Agent的“大脑模块”中扮演着关键角色，但它并非没有缺点。一个很直观的问题是：使用的Prompt越长，消耗的Token也就越多。一个公众人物公开披露的个人信息（身份、言行等），转换成Token数可能高达数百万。这还不考虑模型是否能够处理这么多Token的问题，仅仅是每次推理所需支付的成本——无论是金钱还是时间——都可能非常高昂。所以，单纯通过Prompt来构建大脑模块（Prompt-tuning），一般适合“无趣的灵魂”，即拟人化不是那么重的情况。紧接上面的总结，那”有趣的灵魂"咋办呢？目前，针对"有趣的灵魂"最直接的解决方式就是通过微调一个定向模型来达到上述效果。与Prompt相比，基于微调的方法可以视为将信息直接“记忆”在AI的“大脑模块”中。微调过程本质上是一个信息压缩和整合的过程，它能将例如三万条推特中的零散信息有效地整理并嵌入到大型模型的权重中，且权重占比不到1%。这种方法不仅提高了信息提取的效率，还减少了每次查询或应用时所需处理的数据量，从而优化了性能和成本。"面对有趣的灵魂"，一般创建方式是两种结合，即Prompt-tuning +Fine-tuning。