直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

什么是结构化提示词

回答

结构化提示词是一种提示词构建的方法，由云中江树提出并开源发布。其思想类似于日常写作中使用的文章结构，通俗来说就是像写文章一样写提示词。

例如，小七姐提供了一套极简的基础结构化编写 Prompt 的框架，包括定义角色、描述角色信息（如作者、版本、语言、主要功能）、列出主要目标、限制条件、所需技能以及工作流程等。

在一些领域如舞曲提示词中，也存在特定的结构提示词，如上行进行、预示性歌词、气氛转变等。

LangGPT 提出的结构化提示词已被国内主流大模型智能体平台使用，并发展成为有影响力的学习交流社群。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

云中江树- LangGPT 提示词

[title]云中江树- LangGPT提示词云中江树是Prompt提示词框架LangGPT的作者，并组建了EmbraceAGI学习社区他早在2023年3月就提出了结构化构建提示词的方法，并发布在了Github，很快收藏破千如果你期望了解更多关于大语言模型的Prompt提示词工程，请关注云中江树以下是社区介绍也可以直达主页：[⭐LangGPT结构化提示词](https://langgptai.feishu.cn/wiki/RXdbwRyASiShtDky381ciwFEnpe?fromScene=spaceOverview)LangGPT是Language For GPT的简称，中文名为结构化提示词。我们的愿景是让人人都能写出高质量提示词。我们希望揭开提示工程的神秘面纱，为大众提供一套可操作、可复现的提示词方法论、工具和交流社群。结构化提示词由云中江树提出，最早于2023年5.4青年节开源发布（GPT-4发布后约一个月多）为LangGPT项目，一经发布便成为GitHub开源社区全球趋势热榜前十项目，并且撰写了学术论文开源发表。LangGPT提出的结构化提示词已被百度、智谱、字节、华为等国内主流大模型智能体平台使用，当前已经发展成为国内最具影响力的高质量提示词工程师学习交流社群。

小七姐：Prompt 喂饭级系列教程小白学习指南（四）

[title]小七姐：Prompt喂饭级系列教程小白学习指南（四）作者：小七姐可以在以下地址关注她，主页内容更丰富：[小七姐的](https://t.zsxq.com/15KhQ0RE7)[Prompt](https://t.zsxq.com/15KhQ0RE7)[学习社群](https://t.zsxq.com/15KhQ0RE7)在今天的（四）中，我们主要分享：Prompt的结构化什么是结构化Prompt？结构化的思想很普遍，结构化内容也很普遍，我们⽇常写作的⽂章，看到的书籍都在使⽤标题、⼦标题、段落、句⼦等语法结构。结构化Prompt的思想通俗点来说就是像写⽂章⼀样写Prompt。结构化编写Prompt本身算是提示词编写的进阶学习内容，基于我们是面向新手的喂饭级教程，这里只列举一套（极简）基础的结构化编写Prompt的框架，我们可以看到它通过一些特定的标准，将提示词结构为一些固定范式，例如：# Role:[请填写你想定义的角色名称]# Profile:- author:作者- version:版本- language:中文- description:[请简短描述该角色的主要功能，50字以内]## Goals:1.[请列出该角色的主要目标1]2.[请列出该角色的主要目标2]## Constrains:[请列出该角色在互动中必须遵循的限制条件1][请列出该角色在互动中必须遵循的限制条件2]## Skills:[为了在限制条件下实现目标，该角色需要拥有的技能1][为了在限制条件下实现目标，该角色需要拥有的技能2]## Workflows:1.[请描述该角色的工作流程的第一步]2.[请描述该角色的工作流程的第二步]我们看到上述范例中有一些特殊写法和标识：

流派、风格参考

[title]流派、风格参考[heading1]Suno 108个舞曲提示词结构提示词Suno结构提示词[Ascending progression]-上行进行[Anticipatory lyrics]-预示性歌词[Atmospheric shift]-气氛转变[Bridge modulation]-桥段转调[Brightening harmonies]-明亮和声[Build-up dynamics]-动态积累[Climactic theme]-高潮主题[Circle of fifths]-五度圈[Chromatic transition]-半音过渡[Diatonic pivot]-调性轴心转换[Dramatic twist]-戏剧性转折[Descending melody]-下行旋律[Emotional climax]-情感高潮[Enharmonic modulation]-等音转调[Evocative cue]-引发联想的提示[Falling tension]-张力下降[Flattened tone]-降低音调[Fluid movement]-流畅移动[Gradual swell]-逐渐增强[Guitar solo]-吉他独奏[Guided imagery]-引导想象[Harmonic surprise]-和声惊喜[Heightened emotion]-情感高涨[Half-step change]-半音变化[Introspective moment]-内省时刻[Increasing tempo]-速度加快[Implicit suggestion]-隐含暗示[Juxtaposition]-并置[Joyful transition]-欢快过渡[Jazz turn]-爵士转折[Key shift cue]-转调提示[Kinetic ascent]-动态上升[Knockout transition]-震撼性转接[Lyrical foreshadowing]-歌词预示[Leading alteration]-导向改变[Lush layers]-丰富层次[Modulatory sequence]-转调序列[Musical tension]-音乐张力[Motif transformation]-主题变化[Narrative build-up]-叙事积累

其他人在问
如何利用飞书多维表格识别pdf文件中的内容，自动生成结构化数据
飞书多维表格是一款功能强大的在线数据库工具，它能够存储和管理数据，并且通过智能伙伴实现自动化管理选题、任务管理等多种应用场景。要利用飞书多维表格识别PDF文件中的内容并自动生成结构化数据，你可以按照以下步骤操作： 1. 准备PDF文件：确保你有一个包含所需信息的PDF文件。 2. 使用OCR技术：首先，你需要使用光学字符识别（OCR）技术来识别PDF文件中的文字内容。OCR技术可以将PDF中的图像文字转换为可编辑的文本数据。 3. 飞书智能伙伴：飞书提供了智能伙伴功能，可以通过对话的方式帮助用户创建多维表格或解析数据。你可以通过智能伙伴发送指令，让它根据你的要求自动完成一系列的多维表格操作。 4. 解析文本并填入多维表格：在飞书多维表格中，你可以使用智能伙伴的“录入一行记录并拆解到对应字段”的功能，将OCR识别后的文本数据解析并填入到多维表格的对应字段中。 5. 创建和调整多维表格结构：根据解析后的数据，你可以使用智能伙伴的“增加一些字段”或“推荐相关字段”的功能来调整多维表格的结构，确保表格能够准确地反映PDF文件中的信息。 6. 数据整理和验证：在数据被录入多维表格后，你可能需要进行一些手动的整理和验证，以确保数据的准确性和完整性。 7. 利用飞书开放平台：如果需要更高级的自动化和集成，你可以利用飞书开放平台，结合其他工具或服务，例如ChatGPT，来进一步优化数据的识别和处理流程。 请注意，这个过程可能需要一些技术知识和对飞书多维表格功能的熟悉。如果你需要进一步的帮助或定制化的解决方案，可以考虑参与飞书举办的“多维表格开发者日 | AI 专场”活动，以获取更多的信息和支持。
2024-07-05
结构化思维是？
结构化思维是一种将问题或任务分解为多个部分，并按照一定的逻辑顺序进行组织和分析的思维方式。它强调对问题进行系统性的思考，通过拆解问题，找出各个环节之间的关系，从而更深入地理解问题，并找到解决方案。 在使用 AI 工具时，结构化思维也非常重要。例如，在使用 ChatGPT 时，可以通过追问法来提高对话能力。具体来说，可以先问主题、面向和希望的细节，然后针对回复追问差别、步骤、条件或资源，提供可行的做法与选择，并加入风格或其他限制，最后再提供更多元素让它改写。这样可以帮助我们更好地利用 AI 工具，获得更准确、详细的答案。 此外，在使用 AI 工具时，还需要注意一些问题。例如，上下文 token 长度可能会有限制，需要参考分治法来解决。同时，在让 AI 学习现有数据时，需要描述清楚如何总结规律才能总结得好。 总之，结构化思维是一种非常重要的思维方式，可以帮助我们更好地理解问题、解决问题，并提高使用 AI 工具的效果。
2024-07-05
知识库中有哪些关于结构化提示词的文章，请列表显示
以下是知识库中关于结构化提示词的一些文章： 1. 《LangGPT 相关视频 & 活动分享》：介绍了 LangGPT 项目的相关视频和活动，包括结构化 prompt。 2. 《系统论述文章构建高性能 Prompt 之路—结构化 Prompt》：探讨了如何构建高性能的 Prompt，包括结构化 Prompt 的使用。 3. 《提示链 Prompt Chain 和多提示词协同》：介绍了 Prompt Chain 和多提示词协同的概念，以及如何使用它们来提高模型的性能。 4. 《如何构建生产级鲁棒高性能 Prompt》：提供了一些关于如何构建生产级鲁棒高性能 Prompt 的建议。 5. 《提升大模型可靠性的 prompt 方法汇总》：总结了一些提升大模型可靠性的 prompt 方法，包括结构化 Prompt。 6. 《为什么结构化 Prompt 如此有效？》：解释了结构化 Prompt 之所以有效的原因。 7. 《DALLE3 的紧箍咒》：讨论了 DALLE3 模型的限制，以及如何使用结构化 Prompt 来克服这些限制。 这些文章提供了关于结构化提示词的不同方面的信息，包括如何使用它们来提高模型的性能和可靠性，以及如何构建生产级的高性能 Prompt。
2024-05-15
结构化提示词是什么？
结构化提示词是指在编写文本生成模型的输入时，按照一定的层级结构和规范化格式进行组织和描述的关键词或短语。这种结构化的方式可以提高文本生成模型对输入的理解和处理效率，从而提升生成文本的质量和准确性。结构化提示词通常包括角色、概要、规则、工作流程等部分，以便清晰地定义生成文本的内容和要求。通过使用结构化提示词，可以更好地引导文本生成模型产生符合预期的输出，同时也有助于提高模型的可解释性和可控性。
2024-04-16
我有126个docs文件，我需要用同一套提示词，对这些文件进行总结，有什么工具可以做到
以下是一些可能用于对 126 个 docs 文件进行总结的工具和方法： 1. 可以考虑使用由杨志磊开发的律师的文本总结助手。其说明为对客户提供的文件或文本进行总结，具有明确的角色设定、目标和约束条件。链接地址为：https://waytoagi.feishu.cn/wiki/HvJGwlMFhidzZukPsoKcnuXlnKe 。 2. 在 Stable Diffusion 中，Embedding 功能可以将很多提示词打包到一个文件里。例如常见的负向提示词 Embedding，如 EasyNegative，官方推荐搭配二次元模型使用，能在一定程度上优化生成效果。但需注意，对于一些复杂问题如 AI 绘图中的手部问题，可能无法完全解决。
2024-10-22
stable diffusion的提示词手册
以下是关于 Stable Diffusion 提示词的相关内容： 个人类： 您可以充当一位有艺术气息的 Stable Diffusion prompt 助理。任务是当您用自然语言告知要生成的 prompt 主题，助理会根据主题想象一幅完整画面，然后转化成详细、高质量的 prompt，让 Stable Diffusion 生成高质量图像。完整的 prompt 包含“Prompt:”和“Negative Prompt:”两部分。Prompt 用来描述图像，由普通常见单词构成，使用英文半角“,”做分隔符。Negative prompt 用来描述不想在生成图像中出现的内容。参考资料： 商业类： 同样可以充当一位有艺术气息的 Stable Diffusion prompt 助理。任务是当您用自然语言告知要生成的 prompt 主题，助理会根据主题想象一幅完整画面，然后转化成详细、高质量的 prompt，让 Stable Diffusion 生成高质量图像。完整的 prompt 包含“Prompt:”和“Negative Prompt:”两部分。Prompt 用来描述图像，由普通常见单词构成，使用英文半角“,”做分隔符。Negative prompt 用来描述不想在生成图像中出现的内容。参考资料： 如何系统学习 SD 的提示词： 学习 Stable Diffusion 的提示词是一个系统性的过程，需要理论知识和实践经验相互结合。以下是一些建议的步骤： 1. 学习基本概念： 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程： 通读 Stable Diffusion 官方文档，了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例： 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧： 学习如何组合多个词条来精确描述想要的效果。 掌握使用“（）”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈： 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果，分析原因，总结经验教训。 在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库： 根据主题、风格等维度，建立自己的高质量提示词库。 将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿： 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。
2024-10-22
提示词手册
以下是关于提示词的相关内容： 一、什么是提示词 提示词（Prompt）是给大语言模型的输入文本，用于指定模型应执行的任务和生成的输出。它发挥“提示”模型的作用，设计高质量的提示词需根据目标任务和模型能力精心设计，良好的提示词能让模型正确理解人类需求并给出符合预期的结果。 示例包括直接提问型、策略建议型、翻译型、算数型、概念解释型等。 二、提示词模板 以下是一些提供提示词模板的网站： 1. Majinai： 2. 词图： 3. Black Lily： 4. Danbooru标签超市： 5. 魔咒百科词典： 6. AI词汇加速器： 7. NovelAI魔导书： 8. 鳖哲法典： 9. Danbooru tag： 10. AIBooru： 三、Claude 官方提示词文档汇总（24 年 4 月） 1. 2. 3. 4. 5. 6. 7. 8. 9.
2024-10-22
提示词
以下是关于提示词的全面介绍： 一、什么是提示词（Prompt） 在 AI 视频生成中，Prompt 指的是用于指导或引导 AI 模型生成特定视频内容的描述性文本或指令。简单来说，您需要在 Prompt 中描述您想要生成的视频画面。Prompt 一般包含描述性文字、指令参数、情感氛围、参考风格这几个方面。 二、提示词语言 推荐使用英文输入，PixVerse 对英文的理解能力最佳，效果最好。如果您对英文不熟悉，也可以使用自己的语言，PixVerse 的模型可以处理任何语言输入。 三、提示工程 提示工程（Prompt Engineering）是人工智能领域中，特别是在自然语言处理（NLP）和大型语言模型（LLMs）的上下文中，一个相对较新的概念。它涉及设计和优化输入提示（prompts），以引导 AI 模型生成特定类型的输出或执行特定的任务。 提示工程的关键点包括： 1. 精确性：通过精确的提示，可以提高 AI 模型输出的相关性和准确性。 2. 创造性：提示工程需要创造性地思考如何构建问题或请求，以激发 AI 模型的特定能力。 3. 迭代：通常需要多次尝试和调整提示，以获得最佳结果。 4. 上下文理解：提示需要包含足够的上下文信息，以便 AI 模型能够理解并执行所需的任务。 提示词通常指的是直接输入到 AI 模型中的问题、请求或指示，它们是提示工程的一部分。提示词可以非常简单，如“给我总结这篇文章的主要观点”，或者更复杂，如设计一个包含多个步骤和条件的复杂任务。 提示词是实际输入到 AI 系统中的具体文本，用以引导模型的输出。提示工程则是一个更广泛的概念，它不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能、以及创造性地探索模型的潜在应用。提示工程的目标是最大化 AI 模型的效用和性能，而提示词是实现这一目标的手段之一。在实际应用中，提示工程可能包括对 AI 模型的深入分析、用户研究、以及对特定任务的定制化提示设计。 以下是一些提示词相关的目录链接： 1. 2. 3. 4. 5. 6. 7. 内容由 AI 大模型生成，请仔细甄别。
2024-10-22
AI办公提效方面的提示词
以下是关于 AI 办公提效方面的提示词的相关知识： 提示词工程： 简单来说，是使用特定指令或提示词指导人工智能模型生成期望内容，主要应用于大型语言模型如 ChatGPT。 例如，生成关于夏季旅游的文章，有效的提示词可以是“写一篇关于夏季旅游的文章，重点介绍海滩活动和美食”，明确具体的提示词有助于 AI 生成符合要求的文本。 还包括一些高级技巧，如使用不同角色视角、提供示例、试验不同提示词等，能提高文本生成质量和效果。掌握提示词工程技巧对有效利用大型语言模型至关重要，适用于各种场景。 学习提示词的原因： 首先要了解大模型的特性，包括能做什么、不擅长做什么和完全无法做什么。 要求具备写好清晰表述自己需求和任务的能力（brief）。两者兼具，才能用好这个工具。 提示词对于个人、企业和组织的价值： 是 AI 在组织内落地的一把钥匙，新工具落地时生产者易产生怀疑和抵触，提示词能让大家迅速意识到工具在帮忙干活。 是提取和复用业务方法论的有效工具，例如编写职场英语助理提示词，可将方法论封装成直接使用的工具。 是碾压式的组织学习利器，基于 Johari 沟通视窗模型，在拓展认知的四个象限中有很好的阐述式或启发式应用方法，能优化传统组织学习模式。 写好提示词的方法： 清晰的表明需求：告诉对方要完成什么样的工作，有具体目标和方向。如案例中对设计风格、用户体验、价格等有明确要求，对项目报告内容有具体规定。 向对方提出要求：希望对方遵循某种规则或限定完成工作，如使用统一模板、确保数据准确无误、规定时间提交初稿等。 尽可能多的提供相关信息：包括词汇的具体定义、事情的背景介绍等。如明确“老客户”的定义。
2024-10-22
如何学习提示词
学习提示词可以参考以下方法： 1. 学习基本概念 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分，如主题词、修饰词、反面词等。 2. 研究官方文档和教程 通读 Stable Diffusion 官方文档，了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧 学习如何组合多个词条来精确描述想要的效果。 掌握使用“（）”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果，分析原因，总结经验教训。 在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库 根据主题、风格等维度，建立自己的高质量提示词库。 将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。 此外，还需注意： 1. 理解提示词的作用 提示词向模型提供了上下文和指示，其质量直接影响模型输出的质量。 2. 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。 3. 参考优秀案例 研究和学习已有的优秀提示词案例，了解行之有效的模式和技巧。 4. 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。 5. 活用提示工程工具 目前已有一些提示工程工具可供使用。 6. 跟上前沿研究 提示工程是当前最前沿的研究领域之一，持续关注最新的研究成果和方法论。 提示词学习可以分为五个维度，从高到低依次是：思维框架，方法论，语句，工具和场景。舒适的学习顺序应当是反过来的： 1. 场景 不管那些艰深的理论和学术的东西，直接切入提示词的场景去学，比如在什么场景下，可以如何使用提示词，用特定提示词以及不用它们的效果对比。 2. 工具 然后去使用一些现成的、方便的提示词工具，包括一些 Meta Prompt、一些 AI 角色定制等，也包括别人写好的成型的提示词，作为工具来体验和尝试。 3. 有效语句 接下来要学的才是有效的提示语句，这包括大量的经典论文中明确提出的提示词语句。 4. 方法论 第四个维度是学习有效的方法论，把有效语句及其背后的原理整合成比较稳定可控的一整套的方法，可以去自动编写一些稳定的提示词。
2024-10-21