怎么写prompt

以下是关于成语接龙的相关内容： 景淮制作了成语小游戏，包括成语接龙、看图猜成语、成语接龙+看图猜成语、成语查询模式。 成语接龙模式：常规的成语接龙，用户可直接给出或由 GPT 生成第一个成语，然后用户接龙，GPT 回复时会用孩子能听懂的方式解释成语。 看图猜成语模式：GPT 随机生成成语绘图，用户猜测，猜对给出解释和新图片，猜错按规则给出提示。 成语接龙+看图猜成语模式：用户输入第一个成语，GPT 根据最后一字绘图，用户猜测，猜错按规则提示，猜对继续接龙。 成语查询模式：用户输入成语第一个字、拼音（带声调或不带声调），以数字列表形式展示查询结果。 需求分析：今天使用的两种小游戏是成语接龙和看图猜成语。 什么是成语接龙：是一种以成语为基础的文字游戏，多人参与，一方说成语，下一方用前一成语最后一字开头说新成语，目标是长时间维持且不重复。对孩子有诸多好处，如提高语言能力、增强记忆力、培养逻辑思维、了解文化知识、增进社交技能、锻炼反应速度、提高学习兴趣等。 GPTs 使用链接：https://chat.openai.com/g/gFmXhWqboichengyuxiaoyouxi 。但使用时需注意，整体玩起来较流畅，但 Web 插件有时不触发，给出内容不够准确。

以下是关于如何学习好 AI PROMPTS 的一些建议： 1. 针对不同任务进行环节拆分：例如在使用 AI 进行数据分析时，将数据清洗、提取、模型选择、训练和结果解释等环节分开处理，以优化性能和便于发现修正问题。 2. 逐步深化和细化提问：对于复杂问题，先提出宽泛问题，再根据回答进一步细化或深化，逐步深入了解问题各方面。比如在处理知识产权侵权案件时，先问被告是否构成侵权，再根据回答进一步询问侵权类型和程度。 3. 提供参考和学习内容：包括高质量的操作指南、行业最佳实践、案例研究等，并编写详细流程和知识（knowhow），帮助 AI 理解任务和为人类用户提供指导。如在自动化文档处理中编写详细指南。 4. 利用专业领域术语引导：在 Prompt 中使用法律等专业术语引导 AI 回答方向，例如处理合同纠纷时提示从特定方面分析合同履行情况。 5. 优化和润色 Prompt： 明确具体描述，使用更具体、细节的词语和短语。 添加视觉参考，插入相关图片。 注意语气和情感，用合适形容词、语气词调整。 优化关键词组合，尝试不同搭配和语序。 增加约束条件，避免意外输出。 分步骤构建 Prompt，先生成基本结构再完善。 参考优秀案例，借鉴写作技巧和模式。 反复试验、迭代优化，根据输出效果反馈完善。 6. 方法论萃取：通过类似访谈的方式获取清晰明确的答案，然后设计 Prompt。例如，若想让 AI 像“樊登读书”或“得到”那样讲书，设计“书籍阅读助手”的 Prompt；若想让 AI 在选书和督促读书环节起作用，设计“催我读书”的 Prompt；若侧重知识内化，重点研究读书效率和信息转化问题。

以下是一些水墨画生图的 prompt 示例： 《哪吒·龙影之下》中的示例： 三太子变身：Ink painting styleI of the villain Kanda from Jujutsu Kaisen,Extreme LowAngle shot,he is wearing an allblack bodysuit with no helmet or mask on his head and has sharp teeth in a dynamic pose against a white background,Many dragonlike tentacles were coming out from his body and wrapping around him in a spiral shape.smoke rising from sky in background,black white ink painting,no realistic style ar 16:9 哪吒惊诧：Ink painting styleI of manga panel of a young man falling down,close up,high angle shot,dark and gritty ink drawing in the style of a graphic novel,monochrome,dramatic perspective,gritty texture,dynamic composition,bold lines,a sense of speed,high contrast lighting,shadows casting over the scene.The character is in midair with exaggerated facial expressions showing fear or surprise as he falls towards an unknown background.no realistic style ar 16:9 哪吒出场：The character Nezha from Chinese mythology with black hair in two buns on head,holding his spear with red ribbon wrapped around it,street fighter chun circular character action pose,cute kung fu boy Ink painting style,black white ink painting,creating sharp contrasts between light and shadow,creating a strong visual impact ar 16:9 其他：A Chinese ink painting style depicts a silhouette of two people fighting in the background bamboo forest and mountains.A man holds an iron sword on her back as black smoke rises from behind.The painting uses a high angle perspective with high resolution and details in black and white tones.Delicate brushstrokes are used in the traditional Chinese culture style.The foreground is blurry with ink strokes.There is a high contrast between light and dark areas in the painting.ar 16:9 ；A black and white ink painting style with a bamboo forest background and a silhouette of two people fighting in the foreground.A woman is holding a man's hand on his back from a high angle perspective.The brush strokes are in the style of Chinese calligraphy with a traditional animation style.There is a strong contrast between light and dark with an ink wash effect.The entire scene is filled with mystery and tension.ar 16:9 ；The silhouette of Roronoa Zoro,with his spear raised high and shadowed in the background.It features black and white tones,ink painting effects,silhouette shadows,closeup shots,ink splashes,and a traditional animation style in the style of ink wash.ar 16:9 功夫熊猫相关的示例： DreamWorks Animation,A Po Panda （词力强，动作可控） DreamWorks Animation,Kung Fu Panda （词力极强，但因为 kungfu 词多为武术动作） Kung Fu Panda （词力强，但动作因为 kungfu 词多为武术动作） Po Panda （1/4 概率出阿宝，动作自然可控） Master Tigress,photography by DreamWorks Animation Kung Fu Panda, （画功夫熊猫里的其他角色效果很差，角色不像） Panda A Po,hands in a 'prayer' pose （出双手合十效果） A huge bear paw from Panda A Po,Blue sky background,ar 16:9 （如来神掌 prompt）

要在 Dify 的 agent 的 prompt 里让 DeepSeek 通过 Function Calling 调用工具，您可以参考以下内容： 1. 提示词工程主要由提示词注入和工具结果回传两部分代码组成。 提示词注入：将工具信息及使用工具的提示词添加到系统提示中。INSTRUCTION 包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。TOOL_EAXMPLE 用于提示 LLM 如何理解和使用工具，编写时注意用无关紧要的工具作示例避免混淆。tools_instructions 是将通用工具字典转换成 LLM 可读的工具列表，可动态调整。REUTRN_FORMAT 定义调用 API 的格式。 工具结果回传：利用正则表达式抓取输出中的“tool”和“parameters”参数。对于 interpreter 工具，使用另一种正则表达式提取 LLM 输出的代码。通过识别 LLM 返回的调用工具的字典，提取对应值传入工具函数，将结果以 observation 角色返回给 LLM，对于不接受该角色的 LLM 接口，可改为回传给 user 角色。 2. 当模型判断需要调用工具函数时，检测到返回的 json 里 function_call 字段不为空，则执行异步函数调用，采用回调方式获取函数返回结果。通过判断返回的 functionCall 的名称执行不同函数并返回结果。 3. 在大模型请求中，最大的两个变量是 Messages 和 Tools。Messages 里放 sys prompt、memory、user query；Tools 里放能力的 Json Scheme，两者组合形成整个完全的 Prompt。Agent 应用开发的本质是动态 Prompt 拼接，通过工程化手段将业务需求转述成新的 prompt。短期记忆在 messages 里的历史 QA 对，长期记忆是 summary 之后的文本再塞回 system prompt。RAG 是向量相似性检索，可放在 system prompt 里或通过 tools 触发检索。Action 是触发 tool_calls 标记进入请求循环，拿模型生成的请求参数进行 API request，再把结果返回给大模型交互，没有 tool_calls 标记则循环结束。Multi Agents 是更换 system prompt 和 tools。

在 Dify 的 agent 的 prompt 中实现调用工具的方法如下： 1. 提示词注入阶段： INSTRUCTION 为注入到系统提示中的字符串，包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。 TOOL_EAXMPLE 用于提示 LLM 如何理解和使用工具，编写时应使用无关紧要的工具作为示例，避免 LLM 混淆。 tools_instructions 是将通用的工具字典转换成 LLM 可读的工具列表，实际使用时可动态调整。 REUTRN_FORMAT 定义了调用 API 的格式。 2. 工具结果回传阶段： 利用正则表达式抓取输出中的“tool”和“parameters”参数。 对于 interpreter 工具，使用另一种正则表达式提取 LLM 输出的代码，提高使用成功率。 通过识别 LLM 返回的调用工具的字典，提取对应的值，传入相应的工具函数，将工具返回的结果以 observation 的角色返回给 LLM。对于不接受该角色的 LLM 接口，可改为回传给 user 角色。 此外，当模型判断需要调用工具函数时，即检测到返回的 json 里面 function_call 字段不为空，则执行异步函数调用，可通过判断返回的 functionCall 的名称来执行不同的函数并返回结果。 在提升可控性方面，有以下建议： 1. 放弃 JSON mode，虽然模型能力提升能输出 JSON，但仍会出错，且不能保证 100%正确，而模型厂家对 Function Calling 有微调优化。 2. 降低 System prompt 依赖，化繁为简，能在 Tools 里写的东西尽量写在里面。 3. API Response 增强 Prompt，这一步的准确率很高，可增加给大模型的约束和提示。 4. 尽量让模型做选择，而不是填空，减少 token 输出，提高速度和准确率。 5. 利用 Tools 来做 Route，构建 Multi Agent，术业有专攻。

要在 DeepSeek 中通过提示词实现工具调用，主要通过以下提示词工程实现： 1. 实现原理： 提示词工程主要由提示词注入和工具结果回传两部分代码组成。提示词注入将工具信息及使用提示词添加到系统提示中，工具结果回传则解析工具调用的输出，并将返回内容嵌入 LLM。 2. 提示词注入阶段： INSTRUCTION 为注入到系统提示中的字符串，包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。TOOL_EAXMPLE 用于提示 LLM 理解和使用工具，编写时应使用无关紧要的工具作示例避免混淆。tools_instructions 是将通用工具字典转换为 LLM 可读的工具列表，实际使用时可动态调整。REUTRN_FORMAT 定义了调用 API 的格式。 3. 工具结果回传阶段： 利用正则表达式抓取输出中的“tool”和“parameters”参数。对于 interpreter 工具，使用另一种正则表达式提取 LLM 输出的代码以提高成功率。通过识别 LLM 返回的调用工具字典，提取对应值传入工具函数，将结果以 observation 角色返回给 LLM，对于不接受该角色的 LLM 接口，可改为回传给 user 角色。 在游戏实操中，当模型判断需要调用工具函数时（检测到返回的 json 里 function_call 字段不为空），执行异步函数调用，采用回调方式获取函数返回结果，通过判断返回的 functionCall 名称执行不同函数并返回结果。 对于 ChatGPT，为让其返回符合要求的 JSON 格式，prompt 的定制尤为重要和复杂。OpenAI 发布函数调用及其他 API 更新后，开发人员可向 gpt40613 和 gpt3.5turbo0613 描述函数，让模型智能输出包含调用函数所需参数的 JSON 对象。本地可根据 GPT 返回的函数名、参数进行数据查询，可采用函数查询或 SQL 查询，根据实际业务需求选择，使 AI 输出更可控。