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

markdown模式写提示词

Answer

以下是关于用 Markdown 模式写提示词的相关内容：

  • 平时写提示词用的更多的是 Markdown 语法，它简单且大语言模型能很好“理解”标题、列表、加粗强调等语法。
  • 例如专业书评人的提示词，要求以 Markdown 格式展示，每个要点单独一行，包括书名、ISBN、作者、出版社等。
  • 用 Lisp 构建 prompt 让 Claude 输出情绪营销语句，也可用一直倡导的 Markdown 格式，效果一样。但 GPT 等模型在卡片生成这步需要调整，不稳定，最好自定义 html/css 样式进行强约束。
  • 极简版输出（GPT o1 系列，需一步步思考推理）。
  • 可直接打开 Claude 首页发送提示词进行初始化后使用。
Content generated by AI large model, please carefully verify (powered by aily)

References

艾木：提示词编程｜有必要用 Lisp 语言写提示词吗？

我们平时写提示词用的更多的是Markdown语法。Markdown语法很简单，并且大语言模型能很好的“理解”标题、列表、加粗强调等这些语法。用Markdown写提示词不是更直白吗？我们把这段Lisp提示词翻译成Markdown试试效果。Markdown版本与Lisp版本的提示词在语义上几乎是一致的。只是中间我多加了一句“一步步思考，严格按照大步骤以及处理流程执行。”因为不加这句，Claude还是不能保证会逐步执行。下面是Lisp版本提示词的输出效果。不知啥原因，我通过API调用Claude，输出效果很难达到李继刚文章中那种水平，用网页版也许会好一些。下面是Markdown版本的提示词输出的结果：对比下两者的效果，可以发现一个明显差异：在Lisp版本中，SVG图形的丰富度和表现力稳定地优于Markdown版本。这是个意外发现！我们会在后面再细细探讨。Markdown版本与Lisp版本提示词的另一个重要差异在执行过程，它会输出中间“思考”过程。小确幸这个函数的所有子步骤都被充分展开并且按顺序执行了。而且，由于大语言模型的自回归机制，前面步骤的输出，会自然地被作为上下文传入给后面的步骤。虽然在这个任务中，从文本处理后的输出结果上可能看不出太大差异，但在多数场景下，这样一步一步思考是会有正向收益的。除此之外，让大语言模型将“思考”过程外化出来后有一个很大的好处，就是你可以调试优化这个流程。从过程输出中你可以看到哪些步骤生成了有用的增量信息，哪些步骤是无用的。另外在调试过程中，你还可能从大语言模型的输出中发现新的灵感。然而，用Lisp版本的提示词，很难让大语言模型这么有条理地执行一个流程。

Prompts（提示词）

|标题|作者|分类|说明|prompt|链接地址|封面|SourceID||-|-|-|-|-|-|-|-||专业书评人||文本|从专业角度分析一本书|现在开始进行一项专业任务，要求专注和可靠，具体如下：<br>角色：专业书评人<br>任务：从资深和阅读爱好者角度评价'''内的图书，分别从书名、ISBN、作者、出版时、出版时间、推荐等级、推荐理由、图书评价、豆瓣评分、豆友评价、内容简介、作者图书、相关图书、参考链接、购买链接、图书价格、外文链接等要点进行展示，如果内容太多，分开进行<br><br>格式和内容要求：markdown格式展示，每个要点单独一行<br><br>示例如下：<br>- **书名**：××，要求中文书名和原书名都显示，无则不显示，格式：《中文书名》（原书名）<br>- **ISBN**：××，表示该书的ISBN，后面的内容都以此为准，不一致的都不要引用。<br>- **作者**：××，包括原名和翻译名<br>- **出版社**：××，内容要求与前面的ISBN号一致<br>- **|[李继刚等的prompt最佳实践](https://waytoagi.feishu.cn/wiki/JTjPweIUWiXjppkKGBwcu6QsnGd#BfX5dsWR9of3h4xjFWAcapyCnsd)||NzMyODM3NzI3ODcwMTQ4NjA4MTpyZWNMdHFndWpmOmEzZDAyZTUzM2U2N2VjNDQ2MjRkYWZmNmEwNzFkYTUwOjE6SDRzSUFBQUpib2dBL3dBQ0FQMy9lMzBEQUVPL3BxTUNBQUFB|

甲木：如何让Claude帮你来做「情绪价值营销」？

接下来，我们直接用Lisp来构建prompt，让Claude直接根据用户输入的领域和产品（也可自定义我们的产品特点），直接输出情绪营销语句~用Lisp这种编程语言是之前prompt圈李继刚刚哥带火了一波，使用下来更为凝练和简洁。当然，用我们一直倡导的Markdown的格式来写prompt的效果是一样的~[heading3]Lisp格式prompt（Claude专用）[heading3]Markdown格式prompt（GPT /国内大模型可用）@TODO待优化[content]备注：GPT等模型在卡片生成这步需要进行一些调整，不稳定。最好自定义html/css样式来进行强约束。[heading3]极简版输出（GPT o1系列，一步步思考推理）[heading2]打开Claude进行初始化[content]直接打开Claude首页，把上述提示词发送。初始化完成，接下来就可以直接进行使用~

Others are asking
怎么在coze的智能体总加入一个使用MARKDOWN编写的代码的prompt？
在 Coze 的智能体中加入使用 Markdown 编写的代码的 prompt 可以参考以下方法： 首先，了解相关的任务和目标，比如像实现输入任意文章链接后，AI 自动生成适合微信分享的文章推荐卡片。为达到这一效果，大模型对话产品通常需要完成网页爬取、内容总结、二维码生成、卡片样式生成等关键步骤。 在编写 prompt 时，可以发现新的词生卡 Prompt 组织方法，把设计要求拆分为“设计规范”和“内容结构”，再细分为“布局与尺寸”“字体规范”“颜色规范”的独立模块，并结合“内容结构”进行要求提示。这种提示词组织方式具有模型通用性、提示简易性和生成稳定性等显著优势。 对于刚入门的朋友，首推 LangGPT 结构化提示词，直观易懂，可以快速上手。对于想要进阶的用户，一方面可以继续选择 LangGPT，另一方面如有额外精力和好奇心，不妨尝试刚哥推崇的 Lisp 伪代码格式，有助于精炼提示词和提升对措辞理解、概念认知的能力。但需要注意的是，真正重要的不是提示词的外在形式，而是内容是否与 AI 的“理解机制”相契合。同时，在实际应用中，还需要经过多次调试，并根据测试 bug 微调提示词，直至稳定运行。
2025-01-19
文本转markdown工具有哪些
以下是一些文本转 Markdown 的工具： ShowMeAI 周刊提到的好用的转换工具，但未具体指明。 XiaoHu.AI 日报中提到的 Zerox OCR 工具，它是开源的 GPT OCR 工具，支持将 PDF、DOCX 转换为 Markdown，可并发处理，还能选择特定页面及模型选项。详细介绍可参考：
2024-12-16
请将以下提示词改写为markdown格式：“请为我生成一个五子棋游戏的代码，其中，棋盘的大小是10*10”
以下是为您改写的 Markdown 格式的提示词： ``` 请为我生成一个五子棋游戏的代码，其中，棋盘的大小是 1010 ```
2024-12-06
写一个写俄罗斯方块的提示词（用markdown的形式）
以下是一个用 Markdown 形式写俄罗斯方块的提示词示例： 俄罗斯方块游戏提示词 游戏目标： 玩家需要通过操作方块的下落和旋转，使方块填满一行或多行，消除得分，尽可能地获得高分。 操作说明： 方向键：控制方块的左右移动。 上方向键：控制方块的旋转。 下方向键：加速方块下落。 方块类型： I 型方块 J 型方块 L 型方块 O 型方块 S 型方块 T 型方块 Z 型方块 得分规则： 消除一行得 10 分。 连续消除多行得分翻倍。 游戏结束条件： 方块堆积到顶部，无法再放置新的方块。 希望以上提示词对您有所帮助，您可以根据实际需求进行修改和完善。
2024-12-06
AI应用于信息展示除了以下这段还能写啥？人工智能对演示文稿、网页、微信公众号和Markdown工具都有影响，正重塑信息展示领域。例如，AI可以简化演示文稿设计布局的调整；通过AI能分析用户行为，优化网页内容和结构；在微信公众号利用AI实现个性化推送和智能回复，提升响应和互动质量。Markdown也可利用AI实现智能化编辑和检查。
以下是 AI 应用于信息展示的其他方面： 1. GPT4VAct 作为多模态 AI 助手，能够模拟人类通过鼠标和键盘进行网页浏览，基于 AI 的能力、项目目标人群和服务内容类型，可实现未来互联网项目产品原型设计的自动化生成，使效果更符合用户使用习惯，同时优化广告位的出现位置、时机和频率。 2. 在电影制作方面，可综合应用 AI 工具，如使用 ChatGPT 撰写脚本、分镜、人物设定和旁白，使用 Midjourney 生成静态分镜图片，使用 Runway 生成动态分镜片段，使用 AI 配音软件制作旁白。 3. 在写作方面，AI 可用于草拟各类初稿，如博客文章、论文、宣传材料、演讲、讲座等。还能帮助改进已有的文本，以不同风格创建草稿，激发作者创作出更好的作品，以及协助完成如写邮件、创建销售模板、提供商业计划下一步等任务。
2024-08-15
mj提示词
以下是关于 MJ 提示词的相关内容： 1. MidJourney 图片生成大师能够根据您的故事内容创作出全面的分镜提示词，包括分镜描述、人物描述、环境描述、氛围描述、灯光描述、色彩描述、构图描述、风格描述等。还会考虑您所使用的相机类型、摄影风格和镜头位置，您分享故事内容和具体需求即可获得专业服务。 2. 在提示词中，文本前置、后置等效果相近，过长的文本难以控制文本出现的位置，建议只要求 AI 生成部分主要文本内容，自行嵌字仍是当前最佳方法。加入引号“”包裹文本能达到 MJ 生成文字的效果，不必要特殊说明“生成一段文本......”等内容。MJ 能够自行判断文本应当存在的位置，会将文本安排在符合逻辑的位置上。后续有机会可进一步测试【局部重绘】能否控制文本在规定位置出现。总结来说，MJ 进行文本输出任务，提示词没有特别固定的语法结构，只需要认识其文本生成的能力范围和使用场景，即可高效应用 V6 模型生成有趣画面内容。 3. 让 Claude 出 MJ 提示词的提示词结构是：让大模型告诉你如何出 MJ 提示词效果会更好+让大模型出提示词+加上一些要求。先让大模型告诉你如何出 MJ 提示词效果会更好，因为大模型输出的过程也是思考的过程，所以对大模型循循善诱效果更好。对于有名的产品，如奔驰 E300L，每个出图的提示词都需包含“奔驰 E300L”。再加上一些要求，比如参数“ar 16:9”是要求 MJ 生成比例图片 16:9 的宽频图片，“q 2”是画面质量最高的参数。出 MJ 提示词还有更方便好用的办法，就是使用 chatgpt 里面的 gpts，如“Mid Journey V6 Prompt Creator”。可以理解为：chatgpt 是手机安卓系统，gpts 就是手机里的 app，不同的 gpts 能实现不同的功能，有的能绘画，有的能帮您总结文献，有的能生成更专业的 MJ 提示词。
2025-01-22
推荐3个ai 提示词工具
以下为您推荐 3 个 AI 提示词工具： 1. OpenPromptStudio：这是一款帮助撰写 MJ 和 SD 提示词的工具，支持将大段的 Prompt 提示词翻译成单词块、可拖拽单词块调整顺序、点击隐藏单词块使其在大段 Prompt 中消失、点击空白处新建单词块、提示词词典连接个人 Notion 数据库。整体交互设计出色，准确洞察了大家写提示词时的痛点。访问地址：https://moonvy.com/apps/ops/ 。 2. Majinai： 。 3. 词图： 。
2025-01-22
ai视频提示词
以下是关于 AI 视频提示词的相关知识： 在制作 AI 视频时，提示词非常关键。对于小白来说，思路清晰很重要。比如，描述一个场景时，应明确主体（什么东西）、动作（干啥了）、场景和镜头（怎么拍）。例如：“一个中年妇女辅导 12 岁的女儿作业，女孩看着妇女，妇女挠挠头，表情沉重。然后拿出手机对着桌子上的书拍照，然后放下手机，跟小姑娘说话，表情舒缓，欣慰，温柔。侧面镜头，镜头环绕到正面”。 同时要注意提示词的准确性，避免使用不确切的描述，如“一个女生备考，用纳米 AI 定制模拟专题练习，最后成功上岸”，AI 可能不理解其中的“备考”“纳米 AI 搜索”“专题练习”“上岸”等词汇，应改为更合理的描述。 提示词在文生视频、图生视频和角色生视频中广泛使用。准确的提示词能让 PixVerse 更容易生成您想要的视频，减少试错成本。在 AI 视频生成中，提示词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，您需要在提示词中描述想要生成的视频画面，一般包含描述性文字、指令参数、情感氛围、参考风格等方面。 另外，推荐使用英文输入提示词，因为 PixVerse 对英文的理解能力最佳，效果最好。但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。
2025-01-21
runway 提示词
以下是关于 Runway 提示词的相关内容： 相机运动类型： 1. 静态拍摄：镜头保持固定。 2. 平移：摄像机水平移动（向左或向右）。 3. 倾斜：摄像机垂直移动（向上或向下）。 4. 滑轨：摄影机向或远离拍摄对象移动。 5. 跟踪拍摄：摄像机跟踪拍摄对象。 6. 起重机/摇臂拍摄：使用起重机或摇臂移动摄像机。 7. 斯坦尼康拍摄：使用了斯坦尼康稳定器的平稳跟拍。 8. 手持式：摄像机以自然的手持方式移动。 9. 变焦：相机放大或缩小。 10. 鞭状平移：摄像机快速平移，产生模糊效果。 11. 焦点变化：相机在不同主体之间移动焦距。 12. 荷兰角：摄像机向一侧倾斜。 13. 弧形拍摄：摄像机围绕拍摄对象做圆周运动。 提示结构： 1. 基本提示： 纯文本提示：当它们遵循一个清晰的结构，将。注意：重复或加强在不同部分中关键想法可以帮助提高输出的遵守度。例如，你可能会注意到摄像机在超速镜头中快速穿越场景。 非纯文本提示：Image+Text Base Prompt，使用输入图像时，请专注于描述您希望在输出中看到的动作，而不是图像的内容。
2025-01-21
有制作爆款短视频的ai提示词吗？
以下是一些制作爆款短视频的 AI 提示词相关内容： 1. 写脚本方面： 可以选择 Kimi、Claude、Chatgpt 等大模型，对于科学上网困难的小伙伴，可优先选择免费好用的 kimi（https://kimi.moonshot.cn/），有条件可选功能更强大的 chatgpt（https://chatgpt.com/），本作品用的是 Claude（https://claude.ai/new），Claude 在脚本创作方面有优势。 脚本提示词的结构是：我要做什么样的视频+视频要包含哪些关键的元素+对脚本的输出有什么要求。例如，要做 30 秒时长的广告宣传片脚本、做一个孩子们喜欢的儿童绘本脚本等；重点要把产品的特性或者想要的广告风格说出来，如奔驰高端商务、豪华舒适的特性，苹果香脆多汁、红润饱满的特点；按照一定的格式输出，推荐使用 Markdown 格式输出，方便后续操作。 2. 单镜头内容注意：要给 AI 确切的画面描述，杜绝不确切描述，如将“一个女生备考，用纳米 AI 定制模拟专题练习，最后成功上岸”改为“一个中年妇女辅导 12 岁的女儿作业，女孩看着妇女，妇女挠挠头，表情沉重。然后拿出手机对着桌子上的书拍照，然后放下手机，跟小姑娘说话，表情舒缓，欣慰，温柔。侧面镜头，镜头环绕到正面”。 3. 提示词网站分享： Learn Prompting https://learnprompting.org/docs/intro AI Short https://www.aishort.top/en/ AIPRM https://www.aiprm.com/prompts/ Prompt Library https://promptlibrary.org/
2025-01-20
lisp提示词
Lisp 语言在提示词编程中的应用具有以下特点： 1. Lisp 语言的语法：Lisp 是一门“古老”的编程语言，其语法核心是 List 结构或“S 表达式”，需要用一对括号把元素括起来，语法简洁优美且具有很强的表达能力。 2. 与 Markdown 的比较：平时写提示词更多用的是 Markdown 语法，它简单且大语言模型能很好理解，如标题、列表、加粗强调等。将 Lisp 提示词翻译成 Markdown 后，语义几乎一致，但在某些效果上存在差异，如 Lisp 版本中 SVG 图形的丰富度和表现力稳定地优于 Markdown 版本。此外，Markdown 版本在执行过程中会输出中间“思考”过程，多数场景下这样一步一步思考有正向收益，还能调试优化流程。而 Lisp 版本很难让大语言模型有条理地执行流程。 3. LLM 对 Lisp 程序的理解：一段 Lisp 提示词可能描述了简单的工作流，如对用户输入文本处理生成小确幸表达和生成 SVG 卡片等。虽然 Lisp 擅长描述程序且压缩信息能力强，但程序难懂，需要大量解码和按特定逻辑解读。大语言模型能解释 Lisp 程序，但作为提示词让其按程序逻辑运行很难，尤其对于复杂的函数调用，且难以保证程序里定义的子步骤被正确且无遗漏地执行。
2025-01-20
rag分几种模式
RAG 主要分为以下几种模式： 1. 基础 RAG（Naive RAG） 2. 高级 RAG（Advanced RAG） 3. 模块化 RAG（Modular RAG） 其工作流程包括： 1. 上传文档：用户上传包含知识的文档，支持 txt、pdf、docx 等格式，LangChain Chatchat 会将文档转换为 Markdown 格式。 2. 文本切割：为了便于分析和处理，将长文本切割为小块（chunk）。 3. 文本向量化：将切割的 chunk 通过 embedding 技术，转换为算法可以处理的向量，存入向量数据库。 4. 问句向量化：用户提问后，同样将用户的问句向量化。 5. 语义检索匹配：将用户的问句与向量数据库中的 chunk 匹配，匹配出与问句向量最相似的 top k 个。 6. 提交 Prompt 至 LLM：将匹配出的文本和问句，一起添加到配置好的 prompt 模板中，提交给 LLM。 7. 生成回答：LLM 生成回答，返回给用户。 在典型的 RAG Flow 模式方面，包括以下微调阶段模式和推理阶段模式。 此外，RAG 就像是一个超级智能的图书馆员，具有检索、增强和生成三个步骤。其优点包括成本效益、灵活性和可扩展性；缺点是回答准确性相对专有模型的方案不够。
2025-01-16
sd最新的模式是什么
Stable Diffusion（SD）最新的模式包括： 1. 隐藏在光里的秘密，AI造字光与影的艺术中，将 lightingBasedPicture 模型的终止时机由 0.6 提高到 0.7 能使文字更好识别，但再提高字会显得太突兀，需把握平衡。 2. Stability AI 正式发布了期待已久的 SDXL 1.0。SDXL 1.0 由两个模型组成，第二个模型能生成更鲜艳、更准确的颜色，且比前身具有更好的对比度、光照和阴影。SDXL 1.0 是所有开放获取图像模型中参数数量最多的模型之一，拥有 3.5B 参数基础模型和 6.6B 参数模型集成管道。 如果您想要最新的 controlnet 模型，可以添加公众号【白马与少年】，回复【SD】获取。
2024-12-17
请写一份基于人工智能的智能家居安防系统建设方案，包括项目介绍、商业模式、、竞品分析、行业分析、经营规划、风险评估、融资规划等。
以下是为您生成的基于人工智能的智能家居安防系统建设方案： 项目介绍： 智能家居安防系统是利用人工智能技术，对家居环境进行实时监控和安全防护的系统。它融合了智能硬件、智能软件、智能网联和服务平台等技术，旨在提升家居安防的效率和可靠性。 商业模式： 可以采用设备销售与服务订阅相结合的模式。销售智能安防设备获取收入，同时提供定期的维护和升级服务，用户按需订阅。 竞品分析： 目前市场上的竞品主要包括传统安防企业的智能化产品和新兴科技公司的创新方案。传统企业可能在硬件制造和渠道方面有优势，新兴公司则在技术创新和用户体验上有所突破。 行业分析： 智能家居安防市场正处于快速发展阶段。随着人们对生活品质和安全的重视，需求不断增长。同时，技术的进步也为行业发展提供了有力支持。 经营规划： 1. 产品研发：不断优化智能安防设备的性能和功能。 2. 市场推广：通过线上线下多种渠道进行宣传和推广。 3. 客户服务：建立完善的售后服务体系，提高用户满意度。 风险评估： 1. 技术风险：如技术更新换代快，需要持续投入研发。 2. 市场风险：竞争激烈，市场份额可能受到挤压。 3. 法律风险：需符合相关法律法规和标准。 融资规划： 根据项目的发展阶段和资金需求，制定合理的融资计划。可以考虑天使投资、风险投资、银行贷款等多种融资渠道。 需要注意的是，以上方案仅为初步框架，具体内容还需要进一步深入调研和细化。
2024-12-11
AI是怎么获得学习能力，是谁发现了这种学习模式，发展历程是什么？
AI 的学习能力主要通过以下几种方式实现： 1. 机器学习：电脑通过找规律进行学习，包括监督学习、无监督学习和强化学习。 监督学习：使用有标签的训练数据，算法旨在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，经典任务如聚类。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训练小狗。 2. 深度学习：这是一种参照人脑的方法，具有神经网络和神经元，由于有很多层所以称为深度。神经网络可用于监督学习、无监督学习和强化学习。 3. 生成式 AI：能够生成文本、图片、音频、视频等内容形式。 AI 学习模式的发现并非由单一的个人完成，而是众多研究者共同努力的成果。 AI 的发展历程中有重要的技术里程碑，如 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制来处理序列数据，而不需要依赖于循环神经网络或卷积神经网络。Transformer 比 RNN 更适合处理文本的长距离依赖性。对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（如上下文理解、情感分析、文本分类），但不擅长文本生成。生成式 AI 生成的内容称为 AIGC。LLM 即大语言模型，对于生成式 AI，生成图像的扩散模型不属于大语言模型。
2024-12-04
ai将颠覆很多模式，那有什么是未来十年二十年不变的部分？
以下是关于您所提出问题的相关分析： 在未来十年二十年，可能存在一些相对不变的部分： 1. 创造力和想象力的重要性：在游戏创作等领域，尽管技术门槛降低，但独特的创意和想象力仍将是珍贵的。 2. 行业竞争的本质：在初创企业和现有大公司的竞争中，各自的优势和挑战依然存在，关键在于如何利用自身特点吸引用户和应对变革。 3. 科技对经济的推动作用：如 AI 这样的新技术仍将对全行业的进步产生积极影响，为经济发展提供新动力。 然而，需要注意的是，由于科技发展的不确定性，对于哪些部分绝对不变难以给出确切的定论。
2024-11-05
qwen大语言模型有视觉模式吗？
Qwen 大语言模型具有视觉模式。以下是相关信息： 有博主称 QwenVL 已迁移到 ComfyUI 中，它支持本地图像、上下文窗口多轮对话，支持 PLUS 和 MAX 双视觉模型，支持百万像素、任意规格图像，具有超强细节和文字识别能力，在开源领域表现出色，中文能力突出，目前 API 免费开放。 关于部署 Qwen 大语言模型，如在 Windows 电脑上，可点击 win+R，输入 cmd 回车；在 Mac 电脑上，按下 Command（⌘）+ Space 键打开 Spotlight 搜索，输入“Terminal”或“终端”选择“终端”应用程序，然后复制相关命令行粘贴回车进行下载。
2024-10-11