直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

常用的prompt的自动化词条组合有哪些?

回答

以下是一些常用的 prompt 自动化词条组合:

  1. 情境(Situation):任务(Task):行动(Action):结果(Result):这是一个基础的提示词框架,可作为入手选择。
  2. 对于 Dynamic Prompts 插件,魔法提示词能自动生成补充,如勾选魔法提示词并设置相关参数,包括创意度、模型选择等。以 MagicPrompt 模型为例,能根据输入的关键词生成丰富的补充内容。
  3. 在 Prompt 的基础篇中,每个单独的提示词叫 tag(关键词),支持英语及 emoji 。语法规则包括用英文半角逗号分隔 tag ,改变 tag 权重有两种写法,还能进行 tag 的步数控制。

如果您觉得这些例子过于复杂,可结合自身生活或工作场景,如自动给班级孩子起昵称、排版微信群运营文案、安排减脂餐、列学习计划、设计商务会议调研问卷等,来思考能帮助简单自动化的场景。

内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

小七姐:Prompt 喂饭级系列教程 小白学习指南(二)

[title]小七姐:Prompt喂饭级系列教程小白学习指南(二)于是这个提示词解决了你自己,和任何收到你Prompt的人微调几个关键信息就能自动让GPT或者Kimi帮你阅读一篇论文而且生成不错的总结啦!如果你觉得这些例子对你来说还是过于复杂了,请你结合你自己的生活或者工作场景来想一个能帮你简单自动化的场景:自动给班级里的每个孩子起个昵称?自动排版你微信群经常发的一些运营小文案?自动帮你安排周一到周日的减脂餐?帮你列一个清晰的学习计划,day1-day7?帮你的下一次商务会议设计一个调研问卷?……第三步、选一个好上手的提示词框架来帮你开启你第一次有效的编写如果你这时候问什么是提示词框架,那说明你第一课没认真学,回去复习吧。对框架的理解和运用是非常重要的一部分,参考上图,来源:[prompt-engineering/prompt-patterns:Prompt编写模式:如何将思维框架赋予机器,以设计模式的形式来思考prompt(](https://github.com/prompt-engineering/prompt-patterns)[github.com](http://github.com)[)](https://github.com/prompt-engineering/prompt-patterns)提示词框架有很多,有的简单有的复杂,你可以选一个看起来不那么难的先入手,比如可以从非常基础的:情境(Situation):任务(Task):行动(Action):结果(Result):开始。如果你拿到我给你的这个由四个词语组成的提示词框架还是觉得无从下手,你可以试试这样:恭喜你,就在刚才你已经写出你的第一个提示词了,它是:

Dynamic Prompts插件,魔法提示词由魔法帮你补全(插件篇)

[title]Dynamic Prompts插件,魔法提示词由魔法帮你补全(插件篇)[heading1]魔法关键词如果说前面分离生成,组合生成可以手动操作,不算特别常用的话,这部分就是本篇的重点了。因为被称为魔法的关键词也能用别的魔法自动生成补充了。勾选上魔法提示词,加到多少个词自己设。创意度可以理解就是与原提示词的贴切程度,进行过图生图的也好理解。前面说的下模型在这里就需要选择提示词的模型了,一般选中后都会后台下载,每个大概800m,因为安装了路径很蛋疼,这里我就不提供手动下载的方式了。可以通过上面的url去详细了解其他的prompt模型。以MagicPrompt模型为例(官方说这个模型Lexica.art那训练8000个关键词。举例"dogs playing football":dogs playing football,in the streets of a japanese town at night,with people watching in wonder,in the style of studio ghibli and makoto shinkai,highly detailed digital art,trending on artstationdogs playing football,in the background is a nuclear explosion.photorealism.hq.hyper.realistic.4 k.award winning.dogs playing football,in the background is a nuclear explosion.photorealistic.realism.4 k wideshot.cinematic.unreal engine.artgerm.marc simonetti.jc leyendecker其他设置,包括不希望出现的prompt,赋予prompt权重也都很好理解。需要注意的是如果你只是在找寻灵感,目标不明确,可以勾选“手气不错”(I'm feeling lucky)会得到一些让人意外的图片。那么,我们实际跑一下看?<br>|关键词1girl,school uniform,white shirt with blue collars,blue shorts,dynamic posture,|通过动态提示词,我们得到了若干组魔法补充后的提示词,如果勾选“手气不错”还有更多意想不到的结果哟。

Prompt的专场教程-基础篇

一段指令,用于指挥AI生成你所需要的内容,每个单独的提示词叫tag(关键词)。[heading2]支持的语言[content]支持的语言为英语(不用担心英语不好的问题,[点击蓝字进入提示词字典](https://ops.jk.cm/#/apps/ops/))另外注意emoji也可以用的🥰,好赞🫡,但是我不造用了emoji可以有什么好处hhh。[heading2]语法规则[content]1.用英文半角符号逗号,来分隔tag。注意逗号前后有空格或者换行都不影响效果,示例见下方代码块2.改变tag权重:注意tag的顺序越靠前对于SD来说权重越大,但是依旧可以给每个位置上的tag单独设置权重。而且还有两种写法。2.1.(tag:权重数值):数值从0.1~100,默认状态是1,低于1就是减弱,大于1就是加强2.2.(…(tag)…)/[…[tag]…]:每加一层()括号,权重就重1.1倍,每加一层[]括号就反向减弱1.1倍.比如说括号加两层是1.1*1.1=1.21倍,三层是1.331倍……示例见下方代码块,两种方法都可以用,第一种清晰明确,第二种方便快捷。3.进行tagde步数控制(高级玩法,快试一试,可以秀了):就是SD先按你输入的这个tag1开始生成,然后在达到你设定的步数之后,tag1停止产生作用,此时tag2再参与到对内容生成的影响。[tag1:tag2:数字],数字大于1理解为第X步前为tag1,第X步后变成tag2,数字小于1理解为总步数的百分之X前为tag1,之后变成tag2,示例见下方代码,代码块的#后为注释。注意这两种方法各有优劣,建议按需灵活调用。

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
如何了解AI的基本概念,是否有词条清单
以下是帮助您了解 AI 基本概念的一些途径和内容: 阅读相关资料:建议阅读「」部分,熟悉 AI 的术语和基础概念,了解人工智能、机器学习、深度学习的定义及其之间的关系,以及 AI 的主要分支和它们之间的联系。 浏览入门文章:这些文章通常会介绍 AI 的历史、当前的应用和未来的发展趋势。 学习数学基础:包括统计学基础(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)。 了解算法和模型:监督学习(如线性回归、决策树、支持向量机)、无监督学习(如聚类、降维)、强化学习(简介强化学习的基本概念)。 掌握评估和调优知识:如性能评估(包括交叉验证、精确度、召回率等)、模型调优(学习如何使用网格搜索等技术优化模型参数)。 您还可以通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。同时,AI 领域广泛,您可以根据自己的兴趣选择特定的模块(比如图像、音乐、视频等)进行深入学习。
2024-09-12
请推荐给我一些AI工具,我主要从事自动化行业
以下是为您推荐的一些适用于自动化行业的 AI 工具: 1. AI 研究工具:Claude、ChatGPT、Bing Chat、Perplexity 2. 图片处理:DallE、Leonardo、BlueWillow、Midjourney 3. 版权写作:Rytr、Copy AI、Wordtune、Writesonic 4. 设计:Canva、Clipdrop、Designify、Microsoft Designer 5. 网站搭建:10Web、Framer、Hostinger、Landingsite 6. 视频处理:Klap、Opus、Invideo、Heygen 7. 音频处理:Murf、LovoAI、Resemble、Eleven Labs 8. SEO 优化:Alli AI、BlogSEO、Seona AI、Clearscope 9. Logo 设计:Looka、LogoAI、Brandmark、Logomaster 10. 聊天机器人:Droxy、Chatbase、Voiceflow、Chatsimple 11. 自动化工具:Make、Zapier、Bardeen、Postman 此外,在小型企业服务方面,以下生成式 AI 工具也可能对您有所帮助: 1. 电话预约与短信、电子邮件、聊天处理:Sameday、Truelark 2. 后台办公室管理:Osome 3. 创建完整专业网站:Durable 4. 通用内容创建:Jasper、Copy、Writer 5. 法律团队任务自动化:Harvey、Spellbook 6. 房地产行业相关:Interior AI(虚拟布置房产)、Zuma(将潜在客户转化为预定参观)
2024-12-16
AI 自动化
AI 自动化在中小企业利用人工智能(AI)进行转型中主要体现在以下几个方面: 一、提高效率和自动化流程 任务自动化 通过任务自动化,中小企业能够显著提高工作效率,降低错误率,同时减轻员工的工作负担,使他们能够专注于更加重要和创造性的工作。 二、改善客户体验 客户服务自动化 1. 部署 AI 聊天机器人处理常见的客户咨询: 根据企业的特定需求和预算,选择合适的 AI 聊天机器人解决方案。 定制聊天机器人的回答库,包括产品信息、价格查询、订单状态跟踪等。 将聊天机器人集成到企业的网站、社交媒体平台和其他客户服务渠道。 2. 通过机器人提供 24/7 客户支持,提升响应速度和服务质量: 提供全天候的客户支持,改善客户体验和满意度。 由于 AI 聊天机器人无需休息,可提供 24 小时服务,确保客户随时获得所需信息。 相比人工客服,机器人能提供更快的响应速度,减少客户等待时间。 定期监控聊天机器人的性能,如解答准确性、客户满意度,并根据反馈进行优化。 分析聊天记录和客户反馈,以识别机器人性能的改进点。 随着 AI 技术的发展,定期更新聊天机器人的算法和知识库,提高其效能和准确性。 三、提升市场营销效果 营销自动化 1. 实施基于 AI 的营销自动化工具: 通过自动化工具提高营销活动的效率和一致性,减少人工工作量。 选择能够满足企业特定需求的 AI 营销自动化工具,如自动化电子邮件平台、社交媒体管理工具等。 根据目标市场和营销目标,设置和配置自动化工具,例如在电子邮件营销工具中设置触发器,当客户执行特定行为时自动发送相关邮件。 将客户数据源(如 CRM 系统)与营销自动化工具集成,实现更个性化和针对性的营销。 通过社交媒体营销工具自动发布定时内容,并根据用户互动自动调整发布计划。 2. 通过 AI 分析结果调整和优化营销内容: 利用 AI 工具分析营销活动的效果,如电子邮件打开率、点击率、社交媒体互动等指标。 根据分析结果,调整营销内容和策略,例如修改不受欢迎的电子邮件主题或内容,或调整社交媒体帖子的发布时间。 根据市场反应和客户行为的实时分析,持续调整和优化营销活动。 持续监控营销活动的各项指标,确保营销策略与市场趋势和客户需求保持一致。 定期更新营销自动化策略,确保其与最新的市场数据和分析结果相匹配。 通过实施营销自动化,中小企业可以有效地管理和执行复杂的营销活动,同时确保内容的相关性和吸引力。AI 的加入不仅提高了营销活动的效率,还使企业能够根据数据洞察做出更精准的营销决策。通过实施客户服务自动化,中小企业可以显著提高客户服务的效率和质量,同时降低成本。AI 聊天机器人不仅可以处理大量常规咨询,还可以释放人工客服资源,使其专注于更复杂和个性化的客户需求。
2024-12-06
视频自动化
以下是关于视频自动化的相关内容: 用 RPA 工具实现自动化 roll 视频: 现阶段 AI 生成视频的崩坏率极高,可控性差,所以 roll 视频也被称为“抽卡”。提升成功率的思路是量大管饱,自动批量 roll 视频很有必要。 以功夫熊猫为例,将需要跑视频的图片丢到一个文件夹里,然后用 RPA 工具自动刷视频。 影刀工具目前已停止个人社区版使用别人分享的应用,购买企业版较贵,可在咸鱼上买 2 元左右的 25 天创业版。 自动 roll 视频的应用开源,使用方法如下: 安装影刀:在影刀官网下载软件,安装并注册。 获取编写好的应用:复制链接到浏览器打开(https://api.winrobot360.com/redirect/robot/share?inviteKey=16d4073d4d1e9bd7),密码:lipu。 在影刀里运行应用:回到影刀,在“我获取的应用”中查看并运行。 填写对话框:程序会自动打开工具网站,填好后点“确定”开始运行。 运行时会占用鼠标和屏幕,可做其他事。 查看进度:点击日志查看 roll 视频进度。 小 Tips: 强烈建议先登录对应的 AI 视频网站后再运行应用。 首次使用未登录过的网站(如 Runway、Pixverse、Haipe、SVD 等),需登录(有 100 秒等待时间),应用不会获取账号、密码等信息。 程序默认使用 Google 浏览器运行,需自行准备。 可按快捷键提前结束,Mac:command+option+E,Windows:ctrl+alt+E。 程序可能存在 bug,使用中遇到问题可在文档评论留言或加微信 martin57 反馈。 默认一张图跑一次(节约积分),若要一张图 roll 多次,可复制图片。 视频自动字幕工具推荐: Reccloud:免费在线 AI 字幕生成工具,可上传视频精准识别,能翻译字幕生成双语字幕,处理过 1.2 亿+视频,准确率接近 100%。 绘影字幕:一站式专业视频自动字幕编辑器,提供字幕制作和翻译服务,支持 95 种语言,准确率 98%,可自定义字幕样式。 Arctime:能对视频语音自动识别并转换为字幕,支持自动打轴,支持 Windows 和 Linux 等主流平台及 SRT 和 ASS 等字幕功能。 网易见外:国内知名语音平台,支持视频智能字幕功能,转换正确率较高,支持音频转写功能。 以上工具各有特点,可根据需求选择。
2024-12-04
ai 自动化测试
以下是关于 AI 自动化测试的相关内容: AI 生成测试用例的方法和工具: 1. 基于规则的测试生成: 测试用例生成工具: Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。 Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试,适用于.NET 应用。 模式识别: Clang Static Analyzer:利用静态分析技术识别代码模式和潜在缺陷,生成相应的测试用例。 Infer:Facebook 开发的静态分析工具,自动生成测试用例,帮助发现和修复潜在错误。 2. 基于机器学习的测试生成: 深度学习模型: DeepTest:利用深度学习模型生成自动驾驶系统的测试用例,模拟不同驾驶场景,评估系统性能。 DiffTest:基于对抗生成网络(GAN)生成测试用例,检测系统的脆弱性。 强化学习: RLTest:利用强化学习生成测试用例,通过与环境交互学习最优测试策略,提高测试效率和覆盖率。 A3C:基于强化学习的测试生成工具,通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理(NLP)的测试生成: 文档驱动测试生成: Testim:AI 驱动的测试平台,通过分析文档和用户故事自动生成测试用例,减少人工编写时间。 Test.ai:利用 NLP 技术从需求文档中提取测试用例,确保测试覆盖业务需求。 自动化测试脚本生成: Selenium IDE + NLP:结合 NLP 技术扩展 Selenium IDE,从自然语言描述中生成自动化测试脚本。 Cucumber:使用 Gherkin 语言编写的行为驱动开发(BDD)框架,通过解析自然语言描述生成测试用例。 AI Prompts 测试框架: 1. Langfuse:网站为,是一个提供全面 AI Prompts 测试解决方案的平台,允许用户设计和测试 Prompts,比较不同 Prompts 的效果,并评估 AI 模型的性能。 2. Langsmith:网站为,是一个提供全面 AI Prompts 测试解决方案的平台。允许用户设计和测试 Prompts、比较和评估不同 Prompts 的效果、集成和自动化 Prompts 测试到开发流程中。 AI 大模型在游戏中的应用: 1. 游戏的 Agent 和智能体可以对数值平衡、玩法平衡、对战机器人以及玩家模拟做很多事情。 2. 数值策划方面,通过强化学习可以进行自动化的数值和玩法平衡,用 AI 测试替代人工测试,例如卡牌游戏中,AI 测试 1000 局仅需 17 分钟,而人工需要 50 个小时,且可在测试过程中调整战斗值、防御值。 3. 玩家行为模拟方面,在自博弈的训练中让机器代表攻击方和防守方,模拟玩家的行为,最终提升玩家的留存率、在线时长、活跃度和付费率,可使用深度强化学习 DRL 训练不同等级的 AI bot 模拟玩家。
2024-12-03
自动化工作流
以下是关于自动化工作流的相关内容: ComfyUI 自动生成抠图素材: 学习使用 ComfyUI 的原因:更接近 SD 的底层工作原理,符合 AI 精神,可消灭重复性工作,作为强大的可视化后端工具能实现 SD 之外的功能,还可根据定制需求开发节点或模块。 制作动机:工作室经常需要抠图素材,传统途径存在问题,在 github 上看到相关项目后创建了工作流,可自动生成定制需求的抠图素材,全程只需几秒。 效果展示及分享:将分享创建工作流的思路和详细步骤。 AIGC 落地应用中的自动化工作流: 推荐产品:Auto GPT/Agent/Baby AGI,它们是基于 GPT4 语言模型的开源应用程序。 核心特征:用户输入目标后可自主执行任务、递归开发和调试代码,包括分解任务、选择工具、执行任务和整合结果。 应用场景:自动化任务、创建自主的 AI 代理、完成各种任务、增强 IDE 的补全功能等。 访问地址: 。 【拔刀刘】自动总结公众号内容并定时推送到微信的工作流: 工作流全貌:双击画板查看高清大图,结合具体细节反复查看。 开始节点:用户在开始节点输入 server 酱的 sendkey 和 rss 列表,key 为 server 酱的 sendkey,获取方式参看文档「相关资源」部分;rss_list 为 rss 列表,可先使用提供的测试数据。 分割 RSS 列表:使用「文本处理」节点,将输入的 rss 列表处理为一行一个,输出为数组,方便后续节点批处理。 读取 RSS 内容:在插件中找到链接读取节点,配置批处理,输入参数选择「分割 rss 列表」的 output,下方输入参数中 url 选择当前节点中的 item1。 汇总 RSS 中所有文章内容:承接上一步文章内容并格式化输出,使用「代码」节点,选择 Python 输入相关代码,配置输出项为类型选择「Array<Object>」,分别输出 title、url、author。一个正常公众号每天推送文章数量不超过 3 篇,因此代码只抓取每个公众号最近三篇的内容以提升工作流运行效率。
2024-11-10
如何用ai提升电脑刺绣的自动化程度
以下是一些可以辅助提升电脑刺绣自动化程度的 AI 相关方法和工具: 1. 图像识别技术:利用 AI 的图像识别能力,对刺绣图案进行精准识别和分析,为自动化刺绣提供准确的图案信息。 2. 智能设计软件:一些具备 AI 功能的设计软件,能够根据用户需求和设定的参数,自动生成刺绣图案的设计方案。 3. 自动化控制算法:通过 AI 算法优化刺绣设备的控制流程,提高刺绣的速度和精度。 4. 质量检测系统:借助 AI 的视觉检测技术,对刺绣成品进行自动质量检测,及时发现并纠正问题。 需要注意的是,在应用这些 AI 技术时,可能需要一定的专业知识和技能,同时要根据实际情况进行调整和优化,以达到最佳的自动化效果。
2024-11-05
nova有个图生视频的功能,但是只能生成6秒钟,我要如何组合服务去实现可以文生长视频并且也可以图生长视频呢
以下是一些实现文生长视频和图生长视频的方法: 1. 使用 PixVerse V2 模型: 单个视频生成(8s):8s 的视频生成需要花费 30 Credits,5s 的视频生成需要花费 15 Credits,且只能使用 PixVerse V2 模型,生成时请注意模型选择。目前仅支持 16:9 画面比例的视频生成。 文生视频:点击“Text to Video”,在“Model”选择“PixVerse V2”,视频时长。PixVerse V2 支持多风格的视频生成,您可以通过在提示词中加入“Anime”,“Realistic”等词语做到这点。 图生视频:点击“Image to Video”,在“Model”选择“PixVerse V2”,图生视频暂不支持“Magic Brush”、“Camera Motion”、“Motion Strength”等功能,如需要使用上述功能,请将模型切换至“PixVerse V1”。 2. 利用 runway: 视频的大部分片段用 runway(https://app.runwayml.com/)制作,少数的片段用的是即梦(https://jimeng.jianying.com/aitool/home)的动效画板和首尾帧。 以汽车内饰这一片段为例,登录 runway 账户后,在首页的左侧点击“Text/Imagine to Video”,中文即是“文生视频/图生视频”。点击 2 处将汽车内饰的图片上传到 runway 中。其中 1 处可以更改生成图片所用到的大模型版本,数字越大代表模型越强。目前只有 Gen2 每天有免费额度。3 处用于输入提示词。4 处可以修改生成的视频时长为 5s 或 10s,时长越长,生成的效果可能越不稳定。5 处可以看到生成的结果。提示词方框中输入的运镜方式“Roll Clockwise Shot slowly”是,即摄像机围绕垂直轴顺时针旋转,常用于创造动态的、有时令人眩晕的视觉效果。不想动脑的话,每个片段的运镜方式根据分镜表的建议来即可。运镜提示词该如何填写呢?可以参照:。runway 对于这些专有的运镜方式理解的很好。其他的提示词可以不填,先看看效果,如果效果不好,再补充简短的提示词重新生成视频。很多时候提示词过多,生成的视频就很怪异,像吃了毒蘑菇后看到的幻觉一样。改变提示词,改变生成时长,多抽卡几次,毕竟 runway 会员可以无限抽卡。 3. 海外产品 viva: viva 发布了首个开放给全部用户使用的 Sora 同架构视频生成模型,而且现阶段免费。支持文本生成视频、图片生成视频以及 4K 分辨率放大功能,另外也支持提示词的自动优化。文生视频单次可以生成一条 5 秒的视频,图生视频是 4 秒视频。
2024-12-19
AI能给数字组合排序吗
是的,AI可以对数字组合进行排序。排序是一项基本的计算机科学任务,可以通过多种算法实现。以下是几种常用的排序算法,以及如何利用AI和编程语言实现这些排序任务: 常见排序算法 1. 冒泡排序(Bubble Sort) 描述:比较相邻的元素,如果它们的顺序错误就交换,直到列表有序。 时间复杂度:O 2. 选择排序(Selection Sort) 描述:找到列表中最小的元素并将其放在已排序部分的末尾,重复该过程。 时间复杂度:O 3. 插入排序(Insertion Sort) 描述:逐步构建有序序列,对于未排序部分中的每个元素,将其插入到已排序部分的正确位置。 时间复杂度:O 4. 快速排序(Quick Sort) 描述:选择一个基准元素,将列表分成小于基准和大于基准的两部分,然后递归地对这两部分进行排序。 时间复杂度:O 5. 归并排序(Merge Sort) 描述:将列表分成两半,递归地排序这两半,然后合并排序后的两半。 时间复杂度:O 使用Python实现排序 可以使用Python中的排序函数`sorted`,也可以自己实现上述算法。以下是一些示例: 使用内置函数 ```python 使用sorted函数 numbers = sorted_numbers = sorted print 使用list.sort方法 numbers.sort print ``` 实现快速排序 ```python def quicksort: if len <= 1: return arr pivot = arr left = middle = right = return quicksort numbers = sorted_numbers = quicksort print ``` 使用AI排序 AI可以通过实现或优化排序算法,尤其是在处理大型数据集或特定排序需求时。深度学习和机器学习模型通常不会直接用于排序,但在某些复杂情况下,AI可以辅助排序任务,例如优化排序算法或处理带有特定特征的数据。 示例:TensorFlow排序 虽然深度学习框架如TensorFlow和PyTorch主要用于复杂的数据处理和模型训练,但也可以用于实现排序任务。以下是一个简单的TensorFlow排序示例: ```python import tensorflow as tf @tf.function def bubble_sort: n = tf.shape for i in tf.range: for j in tf.range: if arr: temp = arr arr arr = temp return arr numbers = tf.constant sorted_numbers = bubble_sort print ``` 以上是一些示例和方法,展示了如何使用AI和常规编程技术来对数字组合进行排序。选择合适的方法取决于具体的应用场景和需求。
2024-05-30