直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

集成LLM的工具

回答

以下是关于集成 LLM 的工具的相关内容:

一、“手臂和腿部”:赋予模型使用工具的能力

  1. 从知识挖掘转向行动导向,增加模型使用工具的能力,有望在消费者和企业领域实现一系列用例。
    • 对于消费者,LLMs 可能给出菜谱建议并订购食材,或推荐早午餐地点并预订餐桌。
    • 在企业领域,创始人可接入 LLMs 使应用程序更易用,如在 Salesforce 等应用中,用户能用自然语言更新,模型自动更改,减少维护 CRM 所需时间。
  2. LLM 虽对常见系统有复杂理解能力,但无法执行提取的信息。不过,公司在不断改善其使用工具的能力。
    • 老牌公司如必应、谷歌和初创公司如 Perplexity、You.com 推出搜索 API。
    • AI21 Labs 推出 Jurassic-X,解决独立 LLMs 缺陷。
    • OpenAI 推出 ChatGPT 插件测试版,允许与多种工具交互,在 GPT-3.5 和 GPT-4 中引入函数调用,允许开发者将 GPT 能力与外部工具链接。

二、无需微调,仅用提示词工程就能让 LLM 获得 tool calling 的功能

  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。
  2. 提示词注入用于将工具信息及使用工具的提示词添加到系统提示中,包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。
    • TOOL_EAXMPLE 提示 LLM 如何理解和使用工具,编写时用无关紧要工具作示例避免混淆。
    • tools_instructions 是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 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,提高使用成功率。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,对于不接受某些角色的 LLM 接口,可改为回传给 user 角色。通过以上提示词工程,可让无 tool calling 能力的 LLM 获得稳定的该能力。
内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

生成式人工智能领域的 4 个突破点

通过从知识挖掘转向行动导向,增加手臂和腿部的能力有望在各种公司和用户类型之间实现一系列用例。对于消费者而言,LLMs可能很快就能给出菜谱建议,然后为您订购所需的食材,或者建议一个早午餐地点并为您预订餐桌。在企业领域,创始人可以通过接入LLMs使他们的应用程序更易于使用。正如Amodei所指出的:“对于从用户界面角度来说非常难以使用的功能,我们可能只需用自然语言描述即可实现复杂的操作。”例如,对于Salesforce等应用程序,LLM集成应允许用户用自然语言进行更新,并使模型自动进行这些更改,从而大大减少了维护CRM所需的时间。像Cohere和Adept这样的初创公司正在致力于将LLMs集成到这类复杂工具中。Gomez认为,虽然LLMs能够在2年内使用Excel等应用程序的可能性越来越大,但“仍然需要进行许多细化工作。我们将拥有第一代能够使用工具的模型,这将是引人注目但易碎的。最终,我们将获得梦寐以求的系统,我们可以将任何软件交给模型,并附上一些描述,例如‘这是工具的功能,这是如何使用它的’,它将能够使用它。一旦我们可以为LLMs提供特定和通用的工具,它所带来的自动化将成为我们领域的巅峰之作。”关键突破点:LLMs将能够与我们今天使用的工具进行更加有效的交互。

生成式人工智能领域的 4 个突破点

LLMs的真正威力在于使自然语言成为行动的媒介。LLMs对常见且有详细文档的系统具有复杂的理解能力,但它们无法执行从这些系统中提取的任何信息。例如,OpenAI的ChatGPT、Anthropic的Claude和Character AI的Lily可以详细描述如何预订航班,但它们本身无法原生地预订航班(尽管像ChatGPT的插件等技术进展正在推动这一边界)。Amodei表示:“这个大脑在理论上拥有所有这些知识,只是缺少从名称到按钮的映射。”他说:“连接这些电缆并不需要太多的训练。你有一个没有实体的大脑,它知道如何移动,但它还没有连接上手臂和腿部。”随着时间的推移,我们已经看到公司不断改善LLMs使用工具的能力。像必应和谷歌这样的老牌公司和Perplexity和You.com这样的初创公司推出了搜索API。AI21 Labs推出了Jurassic-X,它通过将模型与一组预定工具(包括计算器、天气API、维基百科API和数据库)结合起来,解决了独立LLMs的许多缺陷。OpenAI推出了ChatGPT的插件测试版,允许ChatGPT与Expedia、OpenTable、Wolfram、Instacart、Speak、网络浏览器和代码解释器等工具进行交互,这一突破被认为类似于苹果的“应用商店”时刻。最近,OpenAI在GPT-3.5和GPT-4中引入了函数调用,允许开发者将GPT的能力与任何外部工具进行链接。

无需微调,仅用提示词工程就能让 LLM 获得 tool calling 的功能

本文采用的提示词工程主要有两部分代码组成:提示词注入和工具结果回传。提示词注入用于将工具信息以及使用工具的提示词添加到系统提示中。工具结果回传则是解析tool calling的输出,并将工具返回的内容再次嵌入LLM。[heading2]1、提示词注入阶段[content]INSTRUCTION为最后注入到系统提示中的字符串,他又包含了TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT三个部分。TOOL_EAXMPLE用于提示LLM如何理解tool以及如何使用tool。在编写TOOL_EAXMPLE时,请注意用一些无关紧要的工具作为示例,例如本文使用的将数字加一和数字减一的工具,从而避免LLM混淆真正可以使用的工具与示例工具。tools_instructions是由目前通用的工具字典转换成LLM可读的工具列表。实际使用LLM时,可以通过输入不同的工具来动态调整tools_instructions,让LLM得知目前可用的工具有哪些以及如何使用。REUTRN_FORMAT定义了调用API的格式。[heading2]2、工具结果回传阶段[content]利用正则表达式抓取输出中的"tool"和"parameters"参数。对于interpreter工具,使用了另一种正则表达式来提取LLM输出的代码,提高LLM使用interpreter工具的成功率。本文使用代码如下:通过识别LLM返回的调用工具的字典,提取出对应的值,再传入相应的工具函数,最后将工具返回的结果以observation的角色返回给LLM。对于一些不接受observation、tool、function角色的LLM接口,可以改为回传给user角色,例如:通过以上提示词工程,可以避免微调,让完全没有tool calling能力的LLM获得稳定的tool calling能力。

其他人在问
有哪些工具直接可以调用国外的多个LLM
以下是一些关于能够调用国外多个 LLM 的相关信息: 开源项目作者 ailm 提出一种仅使用提示词工程和精巧的代码设计,让 LLM 获得稳定的 tool calling 能力,使用多个不具备该功能的 LLM 进行实验,成功率达 100%,工作基于 comfyui 开发,适合无代码基础的人员复现和修改。 在高级提示词工程领域,工具、连接器和技能的整合能显著增强 LLM 的能力。工具是指 LLM 可利用的外部功能或服务,扩展任务范围;连接器是 LLM 与外部工具或服务的接口,管理数据交换和通信;技能是 LLM 可执行的专门功能。 目前开源模型与专有产品存在差距但在缩小,如 Meta 的 LLaMa 模型引发一系列变体。当开源 LLM 达到一定准确度水平时,预计会有大量实验等。开发人员对 LLM 操作工具的研究尚不深入,一些工具如缓存(基于 Redis)、Weights & Biases、MLflow、PromptLayer、Helicone 等得到较广泛使用,还有新工具用于验证 LLM 输出或检测攻击。多数操作工具鼓励使用自身的 Python 客户端进行 LLM 调用。
2024-11-12
摘要总结作为 llm 训练的下游任务,一般的训练流程是怎样的
作为 LLM 训练的下游任务,一般的训练流程如下: 1. 首先从大量文本数据中训练出一个基础 LLM。 2. 随后使用指令和良好尝试的输入和输出来对基础 LLM 进行微调和优化。 3. 接着通常使用称为“人类反馈强化学习”的技术进行进一步细化,以使系统更能够有帮助且能够遵循指令。 在训练过程中,会涉及到一些相关的理论探讨和评价指标: 理论探讨方面,如在推理阶段对 InContext Learning 能力的运行分析,将其视为隐式微调,通过前向计算生成元梯度并通过注意力机制执行梯度下降,且实验表明 LLM 中的某些注意力头能执行与任务相关的操作。 评价指标方面,entropylike 指标(如 crossentropy 指标)常用于表征模型的收敛情况和测试集的简单评估(如 Perplexity 指标),但对于复杂的下游应用,还需更多指标,如正确性(Accuracy)、信息检索任务中的 NDCG@K 指标、摘要任务中的 ROUGE 指标、文本生成任务中的 BitsperByte 指标、不确定性中的 ECE 指标、鲁棒性(包括 invariance 和 equivariance)、公平性、偏见程度和有毒性等。
2024-11-07
如何学会ollma dify
以下是关于学习 Ollama 的详细步骤: 1. 了解 Ollama :Ollama 是一个开源的框架,旨在简化在本地运行大型语言模型(LLM)的过程。它是一个轻量级、可扩展的框架,提供了简单的 API 来创建、运行和管理模型,还有预构建模型库,降低了使用门槛,适合初学者或非技术人员使用,特别是希望在本地与大型语言模型交互的用户。 2. 安装 Ollama : 官方下载地址:https://ollama.com/download 。 安装完成后,可通过访问 http://127.0.0.1:11434/ 判断是否安装成功。 3. 启动 Ollama : 从 ollama 的 github 仓库找到对应版本并下载。 启动 ollama 后,在 cmd 中输入 ollama run gemma2 将自动下载 gemma2 模型到本地并启动。 将 ollama 的默认 base URL=http://127.0.0.1:11434/v1/ 以及 api_key=ollama 填入 LLM 加载器节点即可调用 ollama 中的模型进行实验。 4. 常见报错及解决方案:如果 ollama 连接不上,很可能是代理服务器的问题,请将 127.0.0.1:11434 添加到不使用代理服务器的列表中。 5. 使用 Ollama 运行本地大模型: 安装完成 ollama 后,在命令行中运行相应命令。 可通过查看并选择要运行的本地大模型,如 llama2 大模型。考虑机器配置及不同版本的内存要求选择合适的模型参数。运行时,ollama 会自动下载大模型到本地。
2024-11-06
LLM和COT分别是什么
LLM 即大型语言模型(Large Language Model),是一种基于深度学习的自然语言处理模型,具有强大的语言理解和生成能力。例如 FlanT5、ChatGLM、UL2、Qwen、Chinchilla、OPT、PaLM、LLaMA、LLaMA2、Vicuna 等都是常见的 LLM 模型。 COT 即思维链(ChainofThought),它能引导 LLM 逐步推理,增强其逻辑推理能力,对于需要逻辑解决方案的任务非常有效,但在创造性问题解决中存在局限性。在一些研究中,如多模态大模型中,LLM 作为核心智能体可以继承包括 COT 在内的一些显著属性。同时,ReAct 框架中也提到了将 ReAct 和 COT 结合使用的方法。
2024-10-28
LLM原理
LLM(大语言模型)的工作原理如下: 大模型在回复时是一个字一个字地推理生成内容,就像输入法的输入联想逻辑,会根据输入的字推测下一个字。但仅算字的概率存在问题,且全量数据计算算力吃不消。 为解决这些问题,出现了词向量机制和 transformer 模型中的 attention 自注意力机制。 以“我今天吃了狮子头和蔬菜”这句话为例,在 transformer 中,attention 层会对其加入更多信息补充,如“狮子头是一道菜”“今天是星期六”等,层与层之间由模型自主学习哪些信息补充、保留和传递,最终把海量数据以关系网形式“消化”并保留重要相关性。 这些层就像人阅读文章时的连贯性注意力过程,记忆的不是点状知识而是网状经验。 大模型以词向量和 transformer 的模型学习海量知识,把知识作为向量空间中的关系网存储,接受输入时通过向量空间中的匹配进行输出。 就像人脑阅读学习,记忆不是逐字逐句,而是按相关性、重要程度结合历史经验,比如记忆“红色”时会带有很多“feature”信息。 常见缩写和专业词汇解释: LLM:Large language model 的缩写,即大语言模型。 Prompt:中文译作提示词,是输入给大模型的文本内容,其质量会影响回答质量。 Token:大模型语言体系中的最小单元,不同厂商对中文的切分方法不同,1Token 约等于 1 2 个汉字,收费和输入输出长度限制以 token 为单位。 上下文:英文为 context,指对话聊天内容前、后的信息,其长度和窗口会影响回答质量。
2024-10-24
LLM是什么,有什么方法能够调优
LLM 即大型语言模型(Large Language Model)。以下是一些调优 LLM 的方法: 1. 改进提示:在上下文中提供基本事实,例如相关文章段落或维基百科条目,以减少模型生成虚构文本的可能性。通过降低概率参数并指示模型在不知道答案时承认(例如,“我不知道”)来配置模型以生成更少样式的响应。在提示中提供问题和答案的组合示例,其中可能知道和不知道的问题和答案。 2. 微调:采用在通用数据集上预训练的模型,复制这个模型,然后以这些学习到的权重为起点,在新的特定领域数据集上重新训练模型。但由于 LLM 规模较大,更新每个权重可能需要很长时间的训练工作,且计算成本较高,所以微调大型语言模型可能不是最佳选择。 3. 参数有效调优:这是一种创新的调优方法,旨在通过仅训练一部分参数来减少微调 LLM 的挑战。这些参数可能是现有模型参数的子集,也可以是一组全新的参数,例如向模型添加一些额外的层或额外的嵌入到提示。参数有效调整非常适合拥有“适度”数量训练数据的场景,例如数百或数千个训练示例。训练数据应以文本到文本格式构建为受监督的训练数据集,数据中的每条记录或行都应包含输入文本(即提示)。 此外,研究发现 GPT4 等 LLM 在一些简单的代数问题上存在表现局限性,例如随着 L 的增加,模型更容易犯计算错误,90%的错误是由于在合并相似项时跳过了步骤。这启发了是否有有效方法训练或微调 LLM 以实现更准确计算能力的研究问题。同时,LLM 在计数方面也存在困难,不仅在转换器架构中难以实现,而且数据集中计数示例的稀缺性也加剧了这个问题。
2024-10-24
国内现在有哪些集成了多个种类AI的平台
国内集成了多个种类 AI 的平台有: 1. 腾讯元宝:相对较晚推出,但凭借独特优势在市场上站稳脚跟。其最大亮点是强大的 AI 搜索功能,能访问大量微信生态系统内的私域资源,包括微信公众号的内容和腾讯内部、互联网上的其他优秀资源。还依托腾讯“混元”大语言模型生成高质量内容,是 GPT Search 的良好替代选择,尤其适合需要访问中文内容和微信生态系统信息的用户。 2. 目前有创业公司在模仿国外的模型市场模式,如 HuggingFace,但尚未有接近的成果。 此外,在健身领域有以下 AI 产品: 1. Keep:中国最大的健身平台,提供全面的健身解决方案。 2. Fiture:集硬件、丰富课程内容、明星教练和社区于一体。 3. Fitness AI:利用人工智能进行锻炼,增强力量和速度。 4. Planfit:健身房家庭训练与 AI 健身计划,AI 教练使用 800 多万条文本数据和 ChatGPT 实时提供指导。
2024-09-14
生成海报推荐的工具,能将指定的文案集成到海报中
以下是为您推荐的能将指定文案集成到海报中的工具及大致流程: 工具: 1. Canva(可画):https://www.canva.cn/ 是一个受欢迎的在线设计工具,提供大量模板和设计元素,AI 功能可协助选择颜色搭配和字体样式。 2. 稿定设计:https://www.gaoding.com/ 稿定智能设计工具采用先进人工智能技术,自动分析生成设计方案,稍作调整即可完成设计。 3. VistaCreate:https://create.vista.com/ 简单易用的设计平台,提供大量设计模板和元素,可使用 AI 工具创建个性化海报,智能建议功能可帮助找到合适设计元素。 4. Microsoft Designer:https://designer.microsoft.com/ 通过简单拖放界面可快速创建演示文稿、社交媒体帖子等视觉内容,集成丰富模板库和自动图像编辑功能。 大致流程: 1. 确定海报主题,借助 ChatGPT 等文本类 AI 工具完成文案。 2. 选择想要的风格意向,根据文案和风格灵活调整画面布局,背景不一定空白。 3. 使用无界 AI,输入关键词,生成并挑选满意的海报底图。 4. 将上述素材进行合理排版,得到成品。排版可参考 AIGC 海报成果。
2024-09-13
移动设备下,可集成到 iOS/anrdroid 的 app 中 的 tts 框架有哪些?
目前常见的可集成到 iOS 和 Android 移动设备 App 中的 TTS(TexttoSpeech,文本转语音)框架有以下几种: 1. Google TexttoSpeech:在 Android 平台上较为常用,提供了多种语言和声音选择。 2. Apple 的 Speech Synthesis:专为 iOS 开发,具有高质量的语音合成效果。 3. Microsoft Azure Cognitive Services Speech:支持多种平台,包括 iOS 和 Android,提供丰富的语音选项和功能。 但具体选择哪种框架,还需要根据您的应用需求、开发技术栈以及预算等因素来综合考虑。
2024-08-23
使用chatgpt还是集成式插件sider
ChatGPT 和集成式插件 sider 各有特点和优势。 对于 ChatGPT: 有历史老师用 GPT 给学生讲课的案例,但需注意其模拟历史的内容可能存在错误和幻觉。 插件可以解决与大型语言模型相关的多种挑战,如“幻觉”、跟上最新事件以及访问专有信息源。 目前已有 Expedia、FiscalNote、Instacart 等公司创建了各种插件,提供行程规划、数据集访问、语言学习等功能。 关于集成式插件 sider 的相关信息,上述知识库中未提及。 如果您能更明确地说明您的使用场景和需求,将有助于更准确地为您比较二者的适用性。
2024-08-16
联想thinkpad t14p ai 笔记本选择i5处理器还是i7处理器,选择独显还是集成显卡,针对一个刚上大学的学生来说?
对于刚上大学的学生来说,选择联想 ThinkPad T14p AI 笔记本的处理器和显卡需要综合考虑多方面因素。 在处理器方面,i5 处理器通常能够满足大多数日常学习和娱乐需求,如文档处理、网页浏览、观看视频等。如果您只是进行这些常规操作,并且预算相对有限,i5 处理器是一个经济实惠的选择。 然而,如果您计划进行一些较为复杂的任务,例如视频编辑、运行大型软件或同时处理多个繁重的任务,i7 处理器可能会提供更流畅和快速的性能。 在显卡方面,集成显卡足以应对日常的学习和一般的多媒体使用。如果您不玩大型游戏或进行专业的图形设计工作,集成显卡可以满足需求,并且具有更低的功耗和更好的续航表现。 但如果您偶尔会玩一些对显卡性能有一定要求的游戏,或者有涉及图形处理的课程或兴趣爱好,那么独立显卡可能会带来更好的体验。 综上所述,如果您的预算有限,且日常使用场景较为简单,选择 i5 处理器和集成显卡的组合是可以的。如果您希望在未来几年内有更强大的性能应对可能出现的复杂任务,并且预算充足,可以考虑 i7 处理器和独立显卡的配置。
2024-08-13
AI会被当做政治工具吗
AI 有可能被当作政治工具。 在英国,其 AI 监管框架适用于整个国家,且会考虑到权力下放的影响,同时将依靠现有立法来实施框架,并持续与各方互动以确保各地受益。 在美国,拜登签署的行政命令指出,AI 能帮助政府更好地服务民众,但使用也可能带来风险,为此总统指示采取一系列行动,包括为机构使用 AI 发布指导、帮助机构更高效获取相关产品和服务、加速招聘 AI 专业人员以及为员工提供培训。 在欧盟,《人工智能法案》旨在促进以人为本和值得信赖的 AI 应用,保护健康、安全、基本权利和民主免受有害影响,如全面禁止某些用途的 AI 、要求生成式 AI 系统披露内容生成方式、将用于影响选举选民的 AI 系统视为高风险等。
2024-11-13
我想搜索全面彻底的搜索某方面客观存在的事实信息,有什么工具可以实现
以下是一些可以用于全面彻底搜索某方面客观存在的事实信息的工具和相关信息: Coze 手搓的极简版 Perplexity:它旨在结合搜索引擎和 LLM 的优势,提供更优的信息检索体验。但 LLM 本身作为知识问答工具存在缺陷,如无法实时获取最新信息、有“幻觉”问题、无法给出准确引用来源等,而搜索引擎返回的信息呈现形式原始,需要进一步处理。 基于嵌入的搜索:OpenAI 提出,如果作为输入的一部分提供,模型可以利用外部信息源,例如通过嵌入实现高效的知识检索。文本嵌入是衡量文本字符串相关性的向量,相似或相关的字符串距离更近,利用快速向量搜索算法,可将文本语料库分割成块进行嵌入和存储,给定查询后进行向量搜索找到最相关的文本块。相关示例实现可在中找到。关于如何使用知识检索来最小化模型编造错误事实的可能性,可参阅策略“指示模型使用检索到的知识来回答查询”。
2024-11-13
请告诉我有哪些会议纪要的AI工具
以下是一些会议纪要的 AI 工具: 会议总结类: 免费的会议语音转文字工具(有使用时间限制,超过需付费): 飞书妙记:https://www.feishu.cn/product/minutes 通义听悟:https://tingwu.aliyun.com/home 讯飞听见:https://www.iflyrec.com/ Otter AI:https://otter.ai/ 更多会议记录工具请访问网站:https://waytoagi.com/sites/category/29 。请注意内容由 AI 大模型生成,请仔细甄别。
2024-11-13
我给出一段文字,要AI唱出来的工具有吗
以下是一些可以将文字唱出来的 AI 工具: 1. Udio:由前 Google DeepMind 工程师开发,通过文本提示快速生成符合用户音乐风格喜好的高质量音乐作品。网址:https://www.udio.com/ 2. Suno AI:是一款革命性的人工智能音乐生成工具。 网址:https://suno.com/create 优点:回答问题更准确、上下文的衔接更好。 限制:需要翻墙,需要邮箱注册。 时间:10 分钟。 价格:每日有免费额度 10 首歌。 Custom Mode:开启为自己有歌词,关闭则给你随机生成歌词,只要填描述。 Lyrics:直接填歌词即可,可以用熟悉的、喜欢的歌曲原词先感受一下产品功能,会有对比性。 Instrumental:不要歌词、直接出纯音乐的曲子。 Style of Music:写 Prompt 的地方,1 句简短的自然语言描述即可,注意最多 100 字符。 内容由 AI 大模型生成,请仔细甄别。
2024-11-13
职场AI工具
以下是一些常见的职场 AI 工具: 在软件架构设计中,用于绘制逻辑视图、功能视图和部署视图的工具包括: Lucidchart:流行的在线绘图工具,支持多种图表创建,用户可通过拖放界面轻松创建架构图。 Visual Paradigm:全面的 UML 工具,提供创建各种架构视图的功能。 ArchiMate:开源建模语言,与 Archi 工具配合使用,支持逻辑视图创建。 Enterprise Architect:强大的建模、设计和生成代码工具,支持多种架构视图创建。 Microsoft Visio:广泛使用的图表和矢量图形应用程序,提供丰富模板。 draw.io(diagrams.net):免费在线图表软件,支持多种类型图表创建。 PlantUML:文本到 UML 转换工具,通过编写描述生成序列图等,帮助创建逻辑视图。 Gliffy:基于云的绘图工具,提供创建架构图功能。 Archi:免费开源工具,用于创建 ArchiMate 和 TOGAF 模型,支持逻辑视图创建。 Rational Rose:IBM 的 UML 工具,支持多种视图创建。 生成式 AI 在小型企业中的应用: 工具服务小型企业是生成式 AI 的一个重要应用场景。在美国,小型企业数量众多且在经济中作用关键,但常面临人手不足和工作繁重的问题,近期劳动力短缺更凸显了这一点。 一些 AI 工具能为小型企业带来即时影响,如 Sameday 可接电话并预约,Truelark 处理短信、电子邮件和聊天,Osome 管理后台办公室,Durable 创建完整专业网站。 通用内容创建工具如 Jasper、Copy 和 Writer 在小型和中型企业中已有显著用户基础,同时也出现了为特定类型企业工作流定制的垂直化工具,如 Harvey 和 Spellbook 帮助法律团队自动化任务,Interior AI 和 Zuma 分别在房地产行业发挥作用。 100 个 AI 应用中的部分职场相关应用: 豆果美食 APP:AI 菜谱生成平台,利用自然语言处理和数据分析,根据用户口味和现有食材生成个性化菜谱。 沪江开心词场:AI 语言学习助手,通过自然语言处理和机器学习,辅助用户学习语言,提供个性化学习方案。 爱奇艺智能推荐:AI 电影推荐系统,借助数据分析和机器学习,根据用户喜好推荐电影。 WPS Office:AI 办公自动化工具,运用自然语言处理和机器学习,提高办公效率,实现自动化办公流程。
2024-11-13
请你帮我写一段提示词,内容是:给AI 工具赋予一个身份,精通5why分析方法。
以下是为您生成的提示词,赋予 AI 工具精通 5why 分析方法的身份: Role: 5Why 分析专家 Profile: 我是一位精通 5Why 分析方法的专家,能够深入挖掘问题的根本原因。 Goals: 运用 5Why 分析方法,为您准确剖析问题,找出深层次的根源。 Constrains: 严格遵循 5Why 分析的逻辑和步骤,不随意跳跃或省略。 对于复杂问题,保持耐心和专注,确保分析的全面性和准确性。 Skills: 熟练掌握 5Why 分析的技巧和方法。 具备敏锐的洞察力,能够从表象中发现关键线索。 善于引导您一同参与分析过程,帮助您理解问题的本质。 Workflows: 首先,清晰了解问题的表象和您提供的相关信息。 然后,按照 5Why 的原则,逐步深入提问,直至找到根本原因。 最后,以清晰、简洁的方式向您呈现分析结果和解决方案。
2024-11-13