直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

提示词学习

回答

以下是关于提示词学习的相关内容：

提示词的知识体系：

  • 可分为五个维度，从高到低依次是思维框架、方法论、语句、工具和场景。但对于初学者，舒适的学习顺序应是反过来的。

学习 Stable Diffusion 提示词的步骤：

  1. 学习基本概念：了解其工作原理、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。
  2. 研究官方文档和教程：通读官方文档，研究开发团队和专家的教程与技巧分享。
  3. 学习常见术语和范例：熟悉相关领域术语和概念，研究优秀的图像标题和描述作为范例。
  4. 掌握关键技巧：学会组合词条精确描述效果，掌握控制生成权重的符号技巧，处理抽象概念等无形事物的描述。
  5. 实践和反馈：尝试生成不同风格和主题的图像，对比结果并总结经验，在社区分享请教获取反馈。
  6. 创建提示词库：按主题、风格等维度建立，记录成功案例方便复用。
  7. 持续跟进前沿：关注最新更新和社区分享，掌握新技术、新范式、新趋势。

学习提示词运用的建议：

  1. 理解提示词的作用：向模型提供上下文和指示，影响模型输出质量。
  2. 学习构建技巧：明确任务目标，用简洁准确语言描述，提供背景信息和示例，使用清晰指令，明确特殊要求。
  3. 参考优秀案例：在领域社区、Github 等资源中研究学习。
  4. 实践、迭代、优化：与语言模型互动，根据输出提高提示词质量，尝试变体并分析差异。
  5. 活用提示工程工具：如 Anthropic 的 Constitutional AI 等。
  6. 跟上前沿研究：持续关注最新研究成果和方法论。
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

小七姐：提示词思考总结

我自己把提示词学习分成五个维度，从高到低依次是：思维框架，方法论，语句，工具和场景。这是经过近一年的探索和教学总结的框架，我也把这套框架完全融入了我的提示词学习课程。很多人学习的时候或者是被教授课程的时候，由于知识的诅咒和信息整合的问题，通常也是按照由高到低的顺序去了解和接触提示词的，但这样其实并不符合初学者的认知过程，大部分人会感到困难。舒适的学习顺序应当是反过来的：[heading3]场景：[content]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。[heading3]工具：[content]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Al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，这都属于提示词工具的实践。[heading3]有效语句：[content]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。最典型的就是早期的think it step by step[heading3]方法论：[content]第四个维度是学习有效的方法论，这里就要把这些有效语句及其背后的原理整合成了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。例如think it step by step背后的原理是COT，但掌握了COT方法就不会只用一句think it step by step

问：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的相互结合。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

问：如何学习提示词运用？

提示词（Prompt）在现代大型语言模型中扮演着极其重要的角色，掌握提示词的运用技巧可以最大限度地发挥模型的潜能。以下是一些学习提示词运用的建议：1.理解提示词的作用提示词向模型提供了上下文和指示，使其能更准确地理解并完成所需的任务。提示词的质量直接影响了模型输出的质量。1.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2.参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。你可以在领域社区、Github等资源中找到大量案例。1.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。1.活用提示工程工具目前已有一些提示工程工具可供使用，如Anthropic的Constitutional AI。这些工具可辅助构建和优化提示词。1.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。精心设计的提示词能最大限度发挥语言模型的潜力，是高效使用大模型的关键技能。多实践、多学习、多总结，终可掌握窍门。内容由AI大模型生成，请仔细甄别。

其他人在问
常用的结构化提示词框架有哪些？
以下是一些常用的结构化提示词框架： 1. 基础的结构化编写 Prompt 框架： Role: Profile: author:作者 version:版本 language:中文 description: Goals: 1. 2. Constrains: Skills: Workflows: 1. 2. 2. CRISPE 框架（Capacity and Role,Insight,Statement,Personality,Experiment） 3. BROKE 框架（Background,Role,Objectives,Key Results,Evolve） 4. ICIO 框架： Instruction（指令）：明确定义 AI 需要执行的任务，遵循简洁明了、具体详细、行动导向、单一任务等原则。 Context（背景信息）：提供任务的相关背景，包括任务目的、目标受众、相关背景、限制条件、角色扮演等。 Input Data（输入数据）：为 AI 提供执行任务所需的具体信息或数据。 Output Indicator（输出引导）：指导 AI 如何构建和呈现输出结果，包括格式要求、语气和风格、长度限制、结构指引、特殊要求、评估标准等。
2024-11-14
我现在正在使用mid journey生成图片，做漫画，我想知道怎么样写提示词，才能更好的让mid journey生成我需要的图片
以下是关于在 Midjourney 中写提示词以生成所需图片的一些指导： 1. 常规操作： 登录 Discord 网站，打开 MJ 服务器出图。 通过 /imagine 命令，在对话框输入“/imagine”激活指令，然后把提示词粘贴到“prompt”后面，点击发送即可。 想要多少张图片，就要输入多少次提示词，且输入下一次提示词之前，要等待上一张图片生成完毕。 2. 使用插件提效： Autojourney 是电脑浏览器的一个插件，可在浏览器拓展程序中下载安装。 它功能强大，支持批量发送提示词、自动下载图片、自动放大图片、生成提示词等功能，能够提高使用 Midjourney 的效率。 点击浏览器右上角的插件，选择 Autojourney 插件将其激活，将提示词复制到插件中点击发送，提示词会排队进入 MJ 发送程序，自动批量出图。 Autojourney 插件支持一次输入 10 组提示词。 3. Midjourney V6 更新风格参考命令 2.0“sref”： 将“sref”和 URL添加到提示的末尾，以参考风格参考图像的视觉风格创建新图像。 新提示本身没有美学内容，有助于“sref”的执行。 4. Midjourney 最新编辑器更新： 常见问题：提出极其不合适的请求或要求修改非常小的区域，可能无法得到预期结果；在场景中放很小的头部并要求外绘，生成的身体可能会太大。 重纹理化：是一种通过使用另一张图像来引导图像结构或构图的方法，从构图引导图像开始，然后使用提示词和参数添加所需细节。 右侧显示的缩略图：显示器右侧的缩略图显示最近几次编辑会话的记录，左边稍大的缩略图是上传或链接的母图像，其他四张是子图像，展示根据提示生成的不同表达方式。 “View All /查看全部”按钮：每次在不改变选择区域的情况下对母图像进行编辑时，会生成新的缩略图行，更改提示词，新提示词对应的图像会显示在子图像中。
2024-11-13
如何学习提示词
学习提示词可以参考以下步骤和方法： 1. 基础概念学习 了解相关模型（如 Stable Diffusion）的工作原理和架构。 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. 研究官方资料 通读官方文档，了解提示词相关指南。 研究开发团队和专家的教程、技巧分享。 3. 学习常见术语和范例 熟悉相关领域（如 UI、艺术、摄影）的专业术语和概念。 研究优秀的图像标题和描述作为范例。 4. 掌握关键技巧 学会组合多个词条精确描述想要的效果。 掌握使用特定符号（如“（）”、“”）控制生成权重。 学会处理抽象概念、情感等无形事物的描述。 5. 实践与反馈 用不同提示词生成各种风格和主题的图像。 对比结果，分析原因，总结经验。 在社区分享，请教高手获取反馈建议。 6. 创建提示词库 按主题、风格等维度建立自己的词库。 记录成功案例和总结，方便复用。 7. 持续跟进前沿 关注模型的最新更新和社区动态。 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，它为模型提供上下文和指示，影响输出质量。 2. 学习构建技巧，明确任务目标，用简洁准确语言描述，提供背景信息和示例，使用清晰指令，明确特殊要求。 3. 参考优秀案例，可在领域社区、Github 等资源中寻找。 4. 多实践、迭代、优化，尝试变体并分析输出差异。 5. 活用提示工程工具，如 Anthropic 的 Constitutional AI。 6. 跟上前沿研究，提示工程是前沿领域，持续关注最新成果和方法论。 精心设计的提示词能最大程度发挥语言模型的潜力，多实践、多学习、多总结才能掌握窍门。
2024-11-13
如何学习提示词
学习提示词可以按照以下步骤和方法进行： 1. 基本概念的学习： 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，提示词在现代大型语言模型中极其重要，掌握其运用技巧能最大限度发挥模型潜能。具体包括： 1. 理解提示词的作用：提示词向模型提供上下文和指示，其质量直接影响模型输出质量。 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；给予足够背景信息和示例，帮助模型理解语境；使用清晰指令，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：提示工程是当前前沿研究领域之一，持续关注最新研究成果和方法论。 提示词是给大语言模型的输入文本，用于指定模型执行任务和生成输出，发挥“提示”模型的作用。设计高质量提示词需根据目标任务和模型能力精心设计。学习提示词需要先了解大模型特性，具备清晰表述需求和任务的能力。
2024-11-13
suno提示词怎么写
以下是关于 Suno 提示词的写法： 在创作“离谱村”时，先收到台词素材和配音，构思出“童趣”“欢乐”等词，让 AJ 提出活泼、离谱搞笑的方向。然后把台词和想到的形容词投喂给 GPT4 生成音乐脚本，再将脚本输入给 SunoBeats 生成提示词。但最初生成的提示词太长，之后参考论坛网友分享的格式，即通过调式变化加上情节描述，使用和弦进展推动故事情节发展，让 SunoBeats 模仿这种格式生成提示词，测试发现这种格式的提示词质量更好、利用率更高。 推荐的写法可参考详细教程，如。 Suno 创作音乐的小技巧：如果想参考现有歌曲的节奏，可以在（引子）来更好地告诉 AI 这段歌词应该怎么唱。
2024-11-13
给图片写提示词
以下是关于给图片写提示词的相关内容： 在 SD 文生图中，提示词的一些规则如下： 括号和“:1.2”等用于增加权重，权重越高在画面中体现越充分，提示词的先后顺序也会影响权重。 反向提示词可以告诉 AI 不要的内容，例如：NSFw,等。 描述逻辑通常包括人物及主体特征（服饰、发型发色、五官、表情、动作），场景特征（室内室外、大场景、小细节），环境光照（白天黑夜、特定时段、光、天空），画幅视角（距离、人物比例、观察视角、镜头类型），画质（高画质、高分辨率），画风（插画、二次元、写实）。 可以利用一些辅助网站来写提示词，如 http://www.atoolbox.net/ ，通过选项卡方式快速填写关键词信息；https://ai.dawnmark.cn/ ，每种参数有缩略图参考；还可以在 C 站（https://civitai.com/）抄作业，复制图的参数粘贴到正向提示词栏。但要注意图像作者使用的大模型和 LORA，不然即使参数一样，生成的图也会不同。也可以选取部分好的描述词，如人物描写、背景描述、小元素或画面质感等。 给自己做卡通头像时的提示词操作： 在聊天窗口输入/imainge 找到/imagine prompt，放入链接，加提示词，以英文逗号分隔，再加上设置参数。 设置参数包括：“iw 1.5”设置参考图片的权重，数值越高与参考图片越接近，默认 0.5，最大 2；“s 500”设置风格强度，数字越大越有创造力和想象力，可设 0 1000 间任意整数；“v 5”指用 midjourney 的第 5 代版本，需订阅付费，不想付费可用“v 4”；“no glasses”指不戴眼镜。 例如完整提示词：simple avatar,Disney boy,3d rendering,iw 1.5 s 500 v 5 。若不满意可调整“s”和“iw”的值多次尝试。
2024-11-13
小白如何学习AI
对于小白学习 AI，以下是一些建议： 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、当前应用和未来发展趋势。 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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，因其上手容易且有用。 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。 知识库中有很多实践后的作品和文章分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，了解其工作原理和交互方式，获得实际应用中的第一手体验。 6. 持续学习和跟进： 关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他爱好者和专业人士交流。 以下是一些通俗易懂的技术原理与框架内容： 1. 视频一主要回答了 AI 大模型的概念和原理。 生成式 AI 生成的内容叫 AIGC。 相关技术名词： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习，监督学习有标签，无监督学习无标签，强化学习从反馈中学习。 深度学习参照人脑有神经网络和神经元。 生成式 AI 可生成文本、图片、音频、视频等。 LLM 是大语言模型。 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出 Transformer 模型，它基于自注意力机制处理序列数据，比 RNN 更适合处理文本的长距离依赖性。
2024-11-14
小白学习AI
对于小白学习 AI，以下是一些建议： 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的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，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，了解它们的工作原理和交互方式。 此外，还可以通过以下方式加深对 AI 技术原理的理解： 1. 观看相关视频，了解如什么是 AI 大模型及其原理。 2. 学习相关技术名词和概念关系： 生成式 AI 生成的内容叫 AIGC。 机器学习包括监督学习、无监督学习、强化学习。 监督学习有标签的训练数据，算法目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习学习的数据没有标签，算法自主发现规律，经典任务包括聚类。 强化学习从反馈里学习，最大化奖励或最小化损失。 深度学习参照人脑有神经网络和神经元。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 是大语言模型。 3. 了解技术里程碑，如 2017 年 6 月谷歌团队发表的论文《Attention is All You Need》首次提出的 Transformer 模型。
2024-11-14
我现在是一个AI小白，我想学习AI相关知识，我要怎么进阶学习？
对于 AI 小白的进阶学习，您可以参考以下步骤： 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、机器学习、深度学习等主要分支及其之间的联系。 浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 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）按照自己的节奏学习，并争取获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，根据自身兴趣选择特定模块深入学习。 掌握提示词的技巧，因其上手容易且实用。 4. 实践和尝试： 理论学习后，通过实践巩固知识，尝试使用各种产品创作自己的作品。 分享实践后的经验和成果。 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，了解其工作原理和交互方式，获取实际应用中的体验，激发对 AI 潜力的认识。 同时，您还需要掌握以下基础知识： 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。 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。 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。 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。 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。
2024-11-14
哪里可以学习AI
以下是为您提供的新手学习 AI 的建议： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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，这些文章通常会介绍 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，您将找到一系列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，您可以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），您可以根据自己的兴趣选择特定的模块进行深入学习。 一定要掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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，了解它们的工作原理和交互方式。 6. 持续学习和跟进： AI 是一个快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 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。
2024-11-14