Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

让GPT陪聊的prompt

Answer

以下是一些关于让 GPT 陪聊的 prompt 相关知识:

  • 夙愿提出了使用 GPT 模仿创作内容的万能思路。在 Prompt 迭代方面,特别是 GPT 优化 Prompt 时,0.3 版创作的标题存在太夸张的问题。可通过与 GPT 深入交流来优化,如向 GPT 提问为何标题夸张,受哪些提示影响。影响因素包括修辞手法、日常口语风格、情感色彩和提供的示例等。
  • 像高手一样编写 GPT 时,和上一个例子相同的是顶部有和 GPT 使用搜索和画图一样的小图示“Talk to”。其中包含两个英文单词,对应在 GPT 里设置的两个 Action,一个代表 themoviedb 的某条数据,一个代表使用 webpilot 这个工具,且有类似网址的内容。
  • 南瓜博士提到让 AI 的回复更有灵性(人味儿)的 Prompt 小技巧。GPT 回答问题常很古板,常见方法是让其扮演特定角色、给出明确输出要求,但效果有限。要让其更有趣,可让它在回复中加点感情,如营造特定环境,用括号写出动作,通过示范给予上下文学习的机会,使其后续回复更具画面感。
Content generated by AI large model, please carefully verify (powered by aily)

References

夙愿:使用 GPT 模仿创作内容的万能思路

相比0.1版本,0.3版本创作的标题好了不少,但是我们可以看到0.3版本创作出来的标题还是太夸张了。接下来我将教你:通过与GPT深入交流进而优化Prompt,你在其他地方应该看不到这种优化Prompt的方法。(下面我将输入了0.x版本prompt的GPT称为0.x版GPT)重点步骤1:0.3版GPT创作之后,我们向GPT提问:我觉得这些标题都太夸张了,没关系,我是一名prompt工程师,让我们来慢慢优化,请思考为什么会这样,受哪些我给你的提示的影响?非常感谢您的反馈,我将深入分析产出的原因。根据您提供的Profile、Attention、Skills以及Examples,有以下几点可能影响了产出的标题风格:1.修辞手法:在Skills部分提到了“频繁使用夸张来加强语气”。这使得产出的标题在描述时采用了较为夸张的修辞,可能给人一种过度夸大的感觉。2.日常口语风格:在Skills中提到的“日常接地气的口语风格”要求让标题更具有日常生活的感觉,这可能导致标题显得较为随意和非正式。3.情感色彩:再次在Skills中提到的“带有积极、兴奋和期待的情感色彩”,使得标题尝试传达一种乐观、兴奋的情感,这可能增强了夸张的感觉。4.Examples:提供的示例标题中很多都带有夸张的修辞和强烈的情感色彩,这为我提供了一个模板或方向,按此方向设计出了夸张的标题。综上所述,我产出的夸张风格的标题主要受到了您提供的修辞手法、日常口语风格、情感色彩和示例的影响。为了更好地满足您的需求,我需要进一步了解您希望的标题风格,或者对现有的指导条件进行调整,以便于产出更符合您期望的标题。

像高手一样编写 GPT:从基础到实践,学习使用 GPT 的 Action

和上一个相同的地方是:顶部也有一个和GPT使用搜索和画图一样的小图示,“Talk to”,意为和某人聊天——它在和谁聊天?在回答这个问题之前,我们先看一下Prompt:你可能注意到了,这里面有两个英文单词他们对应了我在这个GPT里设置的两个Action:一个代表themoviedb的某条数据,一个代表使用webpilot这个工具。[heading1]api.themoviedb.org[content]看起来是不是像个网址?没错,就是一个网址:

南瓜博士:让 AI 的回复更有灵性(人味儿)的 Prompt 小技巧 副本

大家都知道,GPT回答问题特别喜欢用1、2、3、4或“首先、其次、最后”,一股AI味,很无趣。怎样让它别这么古板呢?常见的用法是:让GPT扮演一个特定的角色,给出明确的输出要求。有效吗?有效。这样写了后,果然GPT回答问题就不是“首先、其次”了。但换汤不换药、内容往往差异不大,依旧不是有趣的灵魂。怎样能有一个你真的愿意每天和它对话的AI陪伴者?——让它在说的话中加点儿感情。怎么加?来看这个和伍尔夫围炉夜话的GPTs。首先我营造了一个夜话的环境:享受炉火与热茶。更重要的是:我让它用括号把动作给写出来。你会用()的方式补充你的动作GPTs里的Prompt就这么简单。但我在第一次和AI伍尔夫对话时,给了它一个In-Context-Lerning(上下文学习)的机会,先示范一下:括号——拨动了下炉火中的木炭,火苗亮了起来——括号,然后才开始提问:(拨动了下炉火中的木炭,火苗亮了起来)凯恩斯说以后未来人们每周只要工作15小时。科技都那么发达了,为什么我们却越来越忙碌?你可以看到接下来发生了什么—— AI伍尔夫她微笑地看着炉火,然后转过头来看向你。画面感出来了吧!因为有这样的画面,它后面回复的文字也都是这个调调的。然后我不需要再做示范,AI一直能记着用括号。当我说有“刹不住车的感觉”时她会“轻轻点头”让我感觉自己有被听见。

Others are asking
deepseek深度思考的机制和ChatGPT的深度思考有什么不一样
DeepSeek R1 与 ChatGPT 的深度思考机制存在以下不同: 1. 技术路线:DeepSeek R1 与 OpenAI 现在最先进的模型 o1、o3 一样,同属于基于强化学习 RL 的推理模型。而 ChatGPT4 采用预训练+监督微调(SFT)。 2. 思考方式:在回答用户问题前,DeepSeek R1 会先进行“自问自答”式的推理思考,从用户初始问题出发,唤醒解决该问题所需的推理逻辑与知识,对问题进行多步推导,为最终回答提供更加完备的思考准备。而 ChatGPT 在此方面的表现有所不同。 3. 应用场景:DeepSeek R1 适用于高难度数学和编程问题,但计算成本更高。日常查询中,ChatGPT 更快、更适合简单咨询。 4. 优势特点:DeepSeek R1 更加透明,研究细节可复现,权重可下载。
2025-02-17
DB gpt具备商用化能力了吗?
目前 DB GPT 尚未具备成熟的商用化能力。其在技术、性能、安全性、稳定性等方面可能还存在一些需要进一步完善和优化的地方。商用化需要满足一系列严格的标准和要求,包括但不限于高效的处理能力、准确的结果输出、可靠的安全性保障以及良好的用户体验等。
2025-02-17
chat gpt
ChatGPT 是通过从网络、书籍等来源获取大量人类创作的文本样本,训练神经网络来生成类似的文本。其基本概念简单,由大量简单元素组成的神经网络,基本操作是为每个新单词生成输入并通过元素处理。 ChatGPT 能够从提示开始生成连贯的人类语言文本,遵循提示并利用所读内容,但不总是具有全局意义或对应正确计算,只是根据训练材料中的相似内容生成听起来正确的东西。 ChatGPT 在生成文本方面表现出色,结果接近人类所产生的。其基本人工神经网络结构基于大脑的理想化模型,人类生成语言的许多方面与之相似。 然而,在训练和硬件方面,ChatGPT 与大脑存在不同,需要使用可能不同且效率低于大脑的策略,内部没有循环或重新计算数据,限制了计算能力。 ChatGPT 基于 OpenAI 最先进的语言模型 gpt3.5turbo,使用 OpenAI 的 API 可以构建应用来做很多事情,如起草邮件、写代码、回答文档问题、创建会话代理、提供自然语言接口、辅导学科、语言翻译、假扮角色等。还可以体验 OpenAI 在线编辑器的聊天格式。
2025-02-17
如何高效使用chatgpt
以下是关于高效使用 ChatGPT 的一些方法和建议: 1. 对于产品经理: 步骤 1:进行原 SQL 输入,让 ChatGPT 对需求有初步理解。 步骤 2:将真实的业务需求场景及现存问题输入给 ChatGPT,通过多轮输入输出的讨论,强化其对真实需求的认知,以获取针对性的优化建议,并输出更符合需求的代码。 步骤 3:根据 ChatGPT 给出的结果不断调试和优化,直至生成满足需求的新代码。例如,按照原 SQL 思路更新数据时存在耗时长、资源浪费严重的问题,可参考 ChatGPT 提出的优化建议,如每次更新 1 天而非 30 天的数据、创建中间结果表存储非二次计算的数据等。 2. 对于开发人员: 痛点:在 IDE 和 ChatGPT 两个软件中不断切换、拷贝代码较为麻烦。 解决方案:将 ChatGPT 装进 WebStorm 中,通过右键选中代码,让 ChatGPT 进行优化、找 BUG 等操作,并可在窗口中随时提问。具体操作如下: 第一步:获取 API Keys,可参考文章 第二步:在 WebStorm 中下载 ChatGPT 插件,并将从 OpenAI 开发平台获取到的 API keys 设置进插件的配置中。安装后可实现选中代码找 bug、优化代码、自定义指令等功能,插件底部还有对话框可实时提问,让其解释、重新生成代码等。 此外,ChatGPT 的诞生经历了一系列的研究和改进。OpenAI 团队曾侧重浏览功能,但后来减少了这方面的侧重,将指令型数据和聊天数据混合,创造出既可以处理具体任务又能流畅聊天的模型。GPT4 完成训练后,特别强调指令遵循能力,但仍存在可靠性问题。指令型模型中的某些任务描述不够清晰,增加了模型执行和数据标注的难度,而 ChatGPT 这类聊天模型则更加直观,能更好地理解和处理潜在局限性,展现出更连贯的特征和更稳定的行为。
2025-02-14
豆包、DeepSeek、ChatGPT分别有些什么功能用于解决用户整理对话的需求
以下是豆包、DeepSeek、ChatGPT 在解决用户整理对话需求方面的功能: ChatGPT: 1. 内容生成:可以生成文章、故事、诗歌、歌词等内容。 2. 聊天机器人:作为聊天机器人的后端,提供自然的对话体验。 3. 问答系统:为用户提供准确的答案。 4. 文本摘要:生成文本的摘要或概述。 5. 机器翻译:在这方面有不错的表现。 6. 群聊总结:能够对群聊内容进行总结。 7. 代码生成:生成代码片段,帮助开发者解决编程问题。 8. 教育:帮助学生解答问题或提供学习材料。 9. 浏览器插件:如 webpilot 。 10. PDF 对话:通过相关网站实现与 PDF 的对话。 11. PPT 生成:协助高效制作 PPT 。 12. 音视频提取总结:通过特定网站进行总结。 13. 播客总结:通过特定网站完成总结。 14. 生成脑图:通过相关网站生成。 关于豆包和 DeepSeek 在解决用户整理对话需求方面的功能,上述内容中未提及。
2025-02-13
chatgpt公司原研发讲chatgpt的文章网页链接
以下是关于 ChatGPT 公司原研发讲 ChatGPT 的文章网页链接: 1. 育儿相关项目:https://chat.openai.com/share/40f1e3da187a4bef9150f93ca34046f4 ,该项目中使用 ChatGPT 进行了多种操作,如翻译、整理远古动物列表等。 2. AIGC 常见名词解释:https://mp.weixin.qq.com/s/ycDWZ8W46DrsyeNShC1wA ,其中对 ChatGPT 有相关解释。 3. AIGC Weekly01:https://openai.com/blog/chatgpt/ ,介绍了 ChatGPT 的发布情况。
2025-02-13
12个精选prompt框架
以下是 12 个精选的 prompt 框架: 1. ICIO 框架: 指令:执行的具体任务。 背景信息:提供执行任务的背景信息、上下文内容,让大模型更好地回答。 输入信息:大模型需要用到的一些信息。 输出信息:明确输出的具体信息的要求,比如字数、风格、格式。 2. BROKE 框架:通过 GPT 的设计提示,来提升整体反馈的效率。 背景:提供足够背景信息,让大模型可以理解问题的上下文。 角色设定:特定的角色,让 GPT 根据特定的角色能力的特点来形成响应。 目标:明确任务的目标,让大模型知道您想让它做什么。 结果定义:明确可以衡量的结果,让大模型清楚自己做的情况。 调整:根据具体的情况,来调整具体的结果。 3. CRISPIE 框架: 能力和角色:您期望大模型扮演的角色洞察,提供幕后洞察力、背景信息和上下文。 声明:简洁明了地说明希望完成的任务。 个性:回应的风格、个性或者方式。 实验:提供多个回答的示例。 4. 课件中的 Prompt 之术“三板斧”: 分配角色。 给出示例(fewshots)。 思维链(ChainofThought)。
2025-02-17
prompt
以下是关于 prompt 的相关知识: 1. 提示简介: 提示是您给 Claude 的文本,用于引发相关输出,通常以问题或指示的形式出现。例如,“User:Why is the sky blue? 为什么天空是蓝色的?”,Claude 回答的文本被称为“响应”,有时也被称为“输出”或“完成”。 2. 改变区域+混音: 选择的大小会影响结果。更大的选择为中途机器人提供更多上下文信息,能改善新添加内容的扩展和上下文,但选择太多可能导致新生成的元素混合或替换原始图像的部分。 提示应集中于您希望在所选区域中发生的事情,较短且聚焦的提示通常更有效,不应是对话式的。 分步进行,如果要更改图像的多个部分,一次只处理一个部分。 技术细节:使用 Vary+Remix 模式生成的作业遵循 chaos、fast、iw、no、stylize、relax、style、version、video、weird 等参数。 3. 提示的类型: 基本提示:可以是简单的单词、短语或表情符号。中途机器人最适合用简单、简短的句子来描述您想看到的内容,避免长长的请求列表。 高级提示:可以包括一个或多个图像 URL、多个文本短语以及一个或多个参数。图像 URL 始终出现在提示的前面,精心编写的提示有助于生成令人惊叹的图像。
2025-02-17
给我提供一份标准的 DeepSeek R1大模型的 prompt 提示词模板
以下是一份关于 DeepSeek R1 大模型的 prompt 提示词模板: 一、核心原理认知 1. AI 特性定位 多模态理解:支持文本/代码/数学公式混合输入 动态上下文:对话式连续记忆(约 4K tokens 上下文窗口,换算成汉字是 8000 字左右) 任务适应性:可切换创意生成/逻辑推理/数据分析模式 2. 系统响应机制 采用意图识别+内容生成双通道 自动检测 prompt 中的:任务类型/输出格式/知识范围 反馈敏感度:对位置权重(开头/结尾)、符号强调敏感 二、基础指令框架 1. 四要素模板 2. 格式控制语法 强制结构:使用```包裹格式要求 占位符标记:用{{}}标注需填充内容 优先级符号:>表示关键要求,!表示禁止项 三、进阶控制技巧 1. 思维链引导 分步标记法:请逐步思考:1.问题分析→2.方案设计→3.风险评估 苏格拉底式追问:在得出最终结论前,请先列举三个可能存在的认知偏差 2. 知识库调用 领域限定指令:基于 2023 版中国药典,说明头孢类药物的配伍禁忌 文献引用模式:以 Nature 2022 年发表的论文为参考,解释 CRISPRCas9 最新突破 3. 多模态输出 此外,还有关于创建 DeepSeek 联网版工作流的相关内容: 1. 创建工作流 创建一个对话流,命名为 r1_with_net 开始节点,直接使用默认的 大模型分析关键词设置 模型:豆包通用模型lite 输入:直接使用开始节点的 USER_INPUT 作为大模型的输入 系统提示词:你是关键词提炼专家 用户提示词:根据用户输入`{{input}}`提炼出用户问题的关键词用于相关内容的搜索 bingWebSearch搜索 插件:BingWebSearch 参数:使用上一个节点,大模型分析输出的关键词作为 query 的参数 结果:data 下的 webPages 是网页搜索结果,将在下一个节点使用 大模型R1 参考搜索结果回答 这里需要在输入区域开启“对话历史” 模型:韦恩 AI 专用 DeepSeek 输入:搜索结果,选择搜索节点 data 下的 webPages;选择开始节点的 USER_INPUT;开启对话历史,设置 10 轮,默认不开启对话历史,开启后默认是 3 轮 系统提示词:这里不需要输入 用户提示词: 结束节点设置 输出变量选择大模型R1 参考搜索结果回答的输出 回答内容里直接输出:{{output}} 测试并发布工作流 输入你的测试问题,测试完成后,直接发布工作流 关于 HiDeepSeek 的相关内容: 1. 效果对比 用 Coze 做了个小测试,大家可以对比看看 2. 如何使用? Step1:搜索 www.deepseek.com,点击“开始对话” Step2:将装有提示词的代码发给 Deepseek Step3:认真阅读开场白之后,正式开始对话 3. 设计思路 将 Agent 封装成 Prompt,将 Prompt 储存在文件,保证最低成本的人人可用的同时,减轻自己的调试负担 通过提示词文件,让 DeepSeek 实现:同时使用联网功能和深度思考功能 在模型默认能力的基础上优化输出质量,并通过思考减轻 AI 味,增加可读性 照猫画虎参考大模型的 temperature 设计了阈值系统,但是可能形式大于实质,之后根据反馈可能会修改 用 XML 来进行更为规范的设定,而不是用 Lisp(对我来说有难度)和 Markdown(运行下来似乎不是很稳定) 4. 完整提示词 v 1.3 5. 特别鸣谢 李继刚:【思考的七把武器】在前期为我提供了很多思考方向 Thinking Claude:这个项目是我现在最喜欢使用的 Claude 提示词,也是我设计 HiDeepSeek 的灵感来源 Claude 3.5 Sonnet:最得力的助手
2025-02-16
用AI写PPT,prompt用什么?
如果您想用 AI 写 PPT,以下是一些关于 prompt 的建议: 1. Prompt 的本质是用编程语言的结构加上自然语言的内容打造 AI 指令,让 AI 可以像理解程序一样理解人类的指令。比较友好易懂的是 Markdown 的结构化语言格式。例如,在写流程时,用“”代表层级,“”代表一级类目,“”代表子类目,这样能明确 prompt 的执行顺序。 2. 每个单独的提示词叫 tag(关键词)。支持的语言为英语(不用担心英语不好的问题,),emoji 也可以用。 3. 语法规则: 用英文半角符号逗号“,”来分隔 tag,逗号前后有空格或者换行不影响效果。 改变 tag 权重:tag 顺序越靠前对于 SD 来说权重越大,还可以通过“/…”(每加一层括号权重变化)来设置权重。 进行 tag 的步数控制(高级玩法):“”,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。 此外,像卓 sir 在制作电商模式相关的 PPT 时,通过与 GPT4 自然交流确定主题和企业代表,然后编写 PPT 大纲的 prompt,并经过多次迭代和优化。您可以参考这些经验和方法来构建适合您需求的 prompt。
2025-02-15
目前我有个数据源头,可能是excle或mysql数据库。他们都含义以下字段: 发货日期 物料编号 物料描述 板块 实际已交货量 销售单位 金额(RMB) 金额(不含税RMB) 国家 品牌; 我需要创建一个智能体助手,用于分析这些数据,这个智能通助手需要能按用户需要,分析各个维度的数据,并按板块等维度汇总,并转为柱状图图表表现出现,并表现用户所有日期的近一周的变化,并阐明变化或波动是由哪些数据导致的? 结合以上需求,我需要在飞书上构建一个企业每日利润表分析与汇报助手,该选定哪种prompt框架
很抱歉,目前飞书知识库中没有关于您所描述的这种特定需求下应选定哪种 prompt 框架的相关内容。但一般来说,构建这样的企业每日利润表分析与汇报助手的 prompt 框架可以考虑以下几个方面: 1. 明确数据来源和格式:清晰描述数据来自 Excel 或 MySQL 数据库,以及包含的具体字段。 2. 定义分析维度和指标:如按板块、国家等维度汇总数据,关注利润相关的指标。 3. 设定时间范围:明确分析近一周的数据变化。 4. 描述图表要求:指定以柱状图展示数据。 5. 解释变化原因:阐明导致数据变化或波动的关键因素。 您可以根据实际情况进一步细化和完善这个框架。
2025-02-15
我需要在飞书上构建一个企业每日利润表分析与汇报助手,该选定哪种prompt框架,提供下prompt样例
以下是几种适用于在飞书上构建企业每日利润表分析与汇报助手的 prompt 框架及样例: 1. ICIO 框架: 指令:明确执行的具体任务,如“分析企业每日利润表并生成详细报告”。 背景信息:提供执行任务的背景信息,如“企业近期业务拓展,成本有所增加”。 输入信息:大模型需要用到的一些信息,如“利润表的各项数据”。 输出信息:明确输出的具体信息的要求,如“报告以表格形式呈现,包含各项利润数据的同比和环比变化,并给出简要分析”。 2. BROKE 框架: 背景:说明背景,如“公司处于业务增长阶段,需要密切关注利润情况”。 角色:设定特定的角色,如“利润表分析专家”。 目标:明确任务的目标,如“准确分析每日利润表,为管理层提供决策支持”。 关键结果:明确可以衡量的结果,如“报告中的分析结论能帮助管理层制定有效的成本控制策略”。 调整:根据具体的情况,来调整具体的结果,如“根据市场变化调整利润分析的重点”。 3. CRISPIE 框架: 能力和角色:期望大模型扮演的角色洞察,如“专业的财务分析师”,提供幕后洞察力、背景信息和上下文。 声明:简洁明了的说明希望完成的任务,如“对每日利润表进行全面深入分析”。 个性:回应的风格、个性或者方式,如“以简洁明了、数据准确为特点”。 实验:提供多个回答的示例。 4. 情境框架: 情境:描述当前的情况,如“企业面临市场竞争,利润波动较大”。 任务:明确要完成的任务,如“分析每日利润表,找出利润波动的原因”。 行动:说明采取的行动,如“对各项收入和成本进行详细比对”。 结果:阐述期望得到的结果,如“生成包含原因分析和建议的报告”。
2025-02-14