如何学习提示词

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。

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。

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.

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。

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。

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。

以下是为新手学习 AI 知识提供的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 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。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 对于不会代码但希望继续精进的情况，可以尝试了解以下作为基础： 1. AI 背景知识： 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。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 2. 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。 3. 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。 强化学习：简介强化学习的基本概念。 4. 评估和调优： 性能评估：了解如何评估模型性能，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。 5. 神经网络基础： 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 中学生学习 AI 可以参考以下建议： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。但请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是为新手提供的从 0 学习 AI 的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 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。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库中有很多大家实践后的作品、文章分享，欢迎实践后进行分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人进行互动，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

以下是关于如何使用机器学习模型进行销量分析的分步骤介绍： 第一步：安装运行需要的依赖项。 第二步：准备数据集。 用于实验可以尝试用模拟数据集，模拟数据的批次是 117，跑出来的形状是 117 组数据，训练集占 78%（91 组），测试集占 22%（26 组）。 也可以使用自己的数据集。若本地运行，可让 GPT 改成遍历本地文件地址。 第三步：拆分数据。 第四步：数据预处理。 由于实际数据绝对值落差很大，比如点击率（CTR）通常只有 1%，而媒体花费可能上百万，会影响模型对于每个因素的贡献率判断，因此要做缩放处理（归一化），让每个变量之间的关系对等。 第五步：初始化模型。 这一步数据集训练最费时间，取决于数据量大小和训练步长。 第六步：运算可视化。 自由度较高，常用的例子有： 损失值（预测数值和实际数值的差异，用于辨别模型的准确性，曲线越一致，模型性能越好，极端情况可能有模型过拟合，此时可通过非线性函数处理）。 绘制残差图（评估拟合性）。 所有单一变量对最终销售的贡献。 Baseline 预测（在没有任何外因干预的情况下，销售额的走势，这里用的是模拟数据，趋势不准）。 所有外因对销售的贡献度。

对于高中生运用 AI 辅助学习，以下是一些方法和建议： 英语学习： 1. 智能辅助工具：利用如 Grammarly 这样的 AI 写作助手进行英语写作和语法纠错，提升英语表达和写作能力。 2. 语音识别和发音练习：使用如 Call Annie 这样的语音识别应用进行口语练习和发音纠正，获取实时反馈和建议。 3. 自适应学习平台：通过如 Duolingo 这样的自适应学习平台，借助 AI 技术为自己量身定制学习计划，获取个性化的英语学习内容和练习。 4. 智能导师和对话机器人：利用如 ChatGPT 这样的智能对话机器人进行英语会话练习和对话模拟，提高交流能力和语感。 数学学习： 1. 自适应学习系统：使用如 Khan Academy 这样的自适应学习系统，结合 AI 技术获得个性化的数学学习路径和练习题，实现精准推荐。 2. 智能题库和作业辅助：借助如 Photomath 这样的智能题库和作业辅助工具，通过图像识别和数学推理技术获取数学问题的解答和解题步骤。 3. 虚拟教学助手：使用如 Socratic 这样的虚拟教学助手，利用 AI 技术解答数学问题、获取教学视频和答疑服务，促进对数学知识的理解和掌握。 4. 交互式学习平台：参与如 Wolfram Alpha 这样的交互式学习平台的数学学习课程和实践项目，利用 AI 技术进行数学建模和问题求解。 此外，教育科技领域中，AI 还能为大众大规模部署个性化的学习计划，提供“口袋里的老师”，理解独特需求并回答问题或测试技能。例如，Speak、Quazel 和 Lingostar 正在做 AI 驱动的语言教学，能实时交流并给予发音或措辞反馈。Photomath 和 Mathly 能指导学生解决数学问题，PeopleAI 和 Historical Figures 能通过模拟与杰出人物的聊天教授历史。学生们在作业中也能利用如 Grammarly、Orchard 和 Lex 这样的工具提升写作水平，Tome 和 Beautiful.ai 能协助创建演示文稿。 需要注意的是，即便 AI 能完成某些任务，也不意味着我们就不再去做，有些任务本身具有乐趣和价值，能让我们以个性化的方式展现自我。同时，从学术角度看，使用低技术工具和老式策略有时能促进更深入的学习，比如手写笔记能帮助我们更好地记住学习内容。

以下是关于高中辅导线上学习以及学习 AI 的相关信息： 高中辅导线上学习平台：目前没有明确针对高中辅导线上学习的特定 AI 平台推荐。 学习 AI 的途径和方法： 1. 编程语言学习：从 Python、JavaScript 等编程语言入手，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打基础。 2. 尝试使用 AI 工具和平台：可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。也可以探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识：了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等，学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与实践项目：参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动，尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注前沿动态：关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展，思考其对未来社会的影响。 用 AI 进行英语和数学学习： 英语学习： 1. 利用智能辅助工具如 Grammarly 进行写作和语法纠错。 2. 使用语音识别应用如 Call Annie 进行口语练习和发音纠正。 3. 借助自适应学习平台如 Duolingo 获得个性化学习内容和练习。 4. 与智能对话机器人如 ChatGPT 进行会话练习和对话模拟。 数学学习： 1. 使用自适应学习系统如 Khan Academy 获得个性化学习路径和练习题。 2. 利用智能题库和作业辅助工具如 Photomath 获取数学问题的解答和解题步骤。 3. 借助虚拟教学助手如 Socratic 解答数学问题、获取教学视频和答疑服务。 4. 参与交互式学习平台如 Wolfram Alpha 的数学学习课程和实践项目。 新手学习 AI： 1. 了解基本概念：阅读相关入门文章，熟悉术语和基础概念，了解主要分支及联系。 2. 开始学习之旅：在特定的入门课程中学习生成式 AI 等基础知识，推荐李宏毅老师的课程，通过在线教育平台按自己节奏学习。 3. 选择感兴趣模块深入：根据兴趣选择特定模块，如图像、音乐、视频等，并掌握提示词技巧。 4. 实践和尝试：实践巩固知识，尝试使用各种产品并分享作品。 5. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解工作原理和交互方式。

以下是学习 AI 视频制作的分段建议： 1. 基础准备阶段 了解 AI 视频制作的基本概念和常见工具。 2. 小说内容分析阶段 学会使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 3. 视觉描述生成阶段 掌握根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述的方法。 4. 图像生成阶段 能够熟练使用 AI 图像生成工具根据描述创建角色和场景的图像。 5. 视频脚本制作阶段 学会将提取的关键点和生成的图像组合成视频脚本。 6. 音频制作阶段 利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，并添加背景音乐和音效。 7. 视频编辑与合成阶段 熟练使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 8. 后期处理阶段 掌握对生成的视频进行剪辑、添加特效和转场，以提高视频质量的技巧。 9. 审阅与调整阶段 学会观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 10. 输出与分享阶段 能够完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。