如何搭建 chatbox 敏感词库

以下是一些关于提示词的资源和信息： 提示词模板相关网站： 提示词目录相关： 【SD】提示词标签选择器 Easy Prompt Selector： 作者：白马少年 介绍：SD 实践派，出品精细教程 发布时间：20230624 20:00 原文网址：https://mp.weixin.qq.com/s/cZ298tuGA1MOqSZZ8TCKQ 在写提示词时，若大脑想不出场景，可逛“标签超市”——Danbooru 标签超市，其按场景、人物、物品等分成很多板块，可按需选择提示词。 插件 Easy Prompt Selector 安装方式：在扩展面板中点击“从网址安装”，输入 https://github.com/bluepen5805/sdwebeasypromptselector 安装，然后将汉化包复制进“……\\sdwebuiakiv4\\extensions”路径文件夹下覆盖，安装完成后重启 webUI，在生成按钮下会多出“提示词”按钮，点击会出现下拉列表，包含很多分类，点击“人物”等分类会出现常用标签，点击想要的标签会自动加入正向提示词，可依次选择，不想限定的可不选。

以下是一些关于提示词的资源和信息： 提示词模板相关网站： 提示词目录相关： 【SD】提示词标签选择器 Easy Prompt Selector： 作者：白马少年 介绍：SD 实践派，出品精细教程 发布时间：20230624 20:00 原文网址：https://mp.weixin.qq.com/s/cZ298tuGA1MOqSZZ8TCKQ 在写提示词时，若大脑想不出场景，可逛“标签超市”——Danbooru 标签超市，其按场景、人物、物品等分成很多板块，可按需选择提示词。 相关插件：将标签选择器直接嵌入到 stable diffusion 中，安装方式是在扩展面板中点击“从网址安装”，输入 https://github.com/bluepen5805/sdwebeasypromptselector 进行安装，然后将汉化包复制进“……\\sdwebuiakiv4\\extensions”路径文件夹下覆盖，安装完成后重启 webUI，在生成按钮下会多出“提示词”按钮，点击会出现下拉列表，包含很多分类，如点击“人物”会出现很多常用标签，点击想要的标签会自动加入到正向提示词中，可依次选择，不想限定的可不选。

以下是关于 AI 绘画提示词的相关内容： 画面精度提示词： high detail（高细节） hyper quality（高品质） high resolution（高分辨率） FHD, 1080P, 2K, 4K, 8K（全高清、1080P、2K、4K、8K） 8k smooth（8K 流畅） 渲染效果提示词： Unreal Engine（虚幻引擎） octane render（渲染器） Maxon Cinema 4D 渲染器 architectural visualisation（建筑渲染） Corona Render（室内渲染） Quixel Megascans Render（真实感） VRay（V 射线） Behance C4D 3D blender surreal photography（超现实摄影） realistic 3D（真实 3D） zbrush 画面构图提示词： Wideangle view（广角镜头） canon 5d, 1fujifilm xt100, Sony alpha（相机型号焦段光圈） CloseUp （特写） Medium CloseUp （中特写） Medium Shot （中景） Medium Long Shot （中远景） Long Shot （远景） over the shoulder shot（过肩景） loose shot（松散景） tight shot（近距离景） two shot ） scenery shot（风景照） bokeh（背景虚化） foreground（前景） background（背景） Detail Shot ） Face Shot ） Knee Shot ） Full Length Shot ） 提示词模板相关网站：

以下是为您整理的绘画提示词库相关内容： 一、画小二：Prompt 提示词关键词整理（双语版） 1. 视角：LowAngle（仰视） 2. 介质：abstract expressionist art style（抽象表现主义艺术风格） 3. 镜头：superresolution microscopy（超分辨率显微镜） 4. 灯光：ambient lighting（环境照明） 5. 颜色：white（白色的） 6. 描述：classical realism（古典现实主义） 7. 艺术家：抽象主义 1940 1950 8. 电影：2001 A Space Odyssey（2001 太空漫游） 9. 游戏：Age of Empires（帝国时代） 此外还有： 儿童画（child's drawing） 门廊灯（porch light） 冬天的颜色（winter colors） 炭笔画（charcoal drawing） 等离子球体（plasma globe） 秋天的颜色（autumn colors） 二、图像类 Prompt 网站 1. MidLibrary：Midjourney 最全面的流派、艺术技巧和艺术家风格库，网址： 2. MidJourney Prompt Tool：类型多样的 promot 书写工具，点击按钮就能生成提示词修饰部分，网址： 3. OPS 可视化提示词：这个网站有 Mid Journey 的图片风格、镜头等写好的词典库，方便您快速可视化生成自己的绘画提示词，网址： 4. AIart 魔法生成器：中文版的艺术作品 Prompt 生成器，网址： 5. IMI Prompt：支持多种风格和形式的详细的 MJ 关键词生成器，网址： 6. Prompt Hero：好用的 Prompt 搜索，Search prompts for Stable Diffusion,ChatGPT&Midjourney，网址： 7. OpenArt：AI 人工智能图像生成器，网址： 8. img2prompt：根据图片提取 Prompt，网址： 9. MidJourney 提示词工具：专门为 MidJourney 做的提示词工具，界面直观易用，网址： 10. PromptBase：Prompt 交易市场，可以购买、使用、销售各种对话、设计 Prompt 模板，网址： 11. AiTuts Prompt：精心策划的高质量 Midjourney 提示数据库，提供了广泛的不同风格供您选择，网址：

以下是一些关于提示词的资源和相关知识： 提示词模板相关网站： 提示词目录相关： Prompt 的专场教程 基础篇： 结构化 prompt 是为了方便梳理表达，清晰易读的 prompt 有助于高效写作。 参考之前发过的思维导图了解 prompt 的组成。 常用的 tag 内容待修改完善。打开有助于深化认知。

以下是关于 MJ 提示词库的相关信息： MidJourney 200 条风格词汇： 《》 @TheMouseCrypto 发表了一份 200 条风格词汇整理，页数是 77 页，很全的宝典。 Prompt 网站精选（图像类 Prompt 网站）： MidLibrary：Midjourney 最全面的流派、艺术技巧和艺术家风格库， MidJourney Prompt Tool：类型多样的 promot 书写工具，点击按钮就能生成提示词修饰部分， OPS 可视化提示词：这个网站有 Mid Journey 的图片风格、镜头等写好的词典库，方便你快速可视化生成自己的绘画提示词， AIart 魔法生成器：中文版的艺术作品 Prompt 生成器， IMI Prompt：支持多种风格和形式的详细的 MJ 关键词生成器， Prompt Hero：好用的 Prompt 搜索，Search prompts for Stable Diffusion,ChatGPT & Midjourney， OpenArt：AI 人工智能图像生成器， img2prompt：根据图片提取 Prompt， MidJourney 提示词工具：专门为 MidJourney 做的提示词工具，界面直观易用， PromptBase：Prompt 交易市场，可以购买、使用、销售各种对话、设计 Prompt 模板， AiTuts Prompt：精心策划的高质量 Midjourney 提示数据库，提供了广泛的不同风格供你选择， MJ 的随机种子库收集： 使用方法： 输入提示词 + sref random ar 1:1，可获得随机风格种子和图片。 测试风格种子的泛用性：{a girl,a boy,animals,plants,environment}sref 同一个风格种子

以下是关于 Chatbox 和 Github 热门提示词框架扩展的相关内容： Chatbox 的 Apply 应用： 在我们的中可阅读更多关于如何构建即时申请的信息。 Cursor 的 Apply 允许您将聊天中的代码块建议快速集成到您的代码中。要应用代码块建议，可按每个聊天代码块右上角的播放按钮。由于在 Chat 中可以添加最多的上下文并与模型进行最多的来回交流，因此建议使用 Chat+Apply 进行更复杂的 AI 驱动的代码更改。 应用代码块后，您可以浏览差异并接受或拒绝更改。您也可以点击聊天代码块右上角的“接受”或“拒绝”按钮。Ctrl/⌘Enter 键接受，Ctrl/⌘Backspace 键拒绝。 大雨：Github 热门提示词框架扩展： 缘起：结构化的提示词能让交流更顺畅并易得到想要的结果，但框架多且记不住、查找负担大，所以想到用浏览器插件辅助解决。 效果展示：在 GPT 的聊天对话框中会出现小对话框，通过下拉框选择框架、填写内容并发送。好处是降低了使用框架的难度。 安装步骤：先安装 tampmonkey，新建空白脚本并粘贴代码。 使用说明：其逻辑是通过动态加载 github 上的 json 文件创建页面，json 文件是框架的字段。后续可不断加 json 文件，代码开源，可在 github 上 fork 并修改 frameworks 内容。更全面的框架应用可参考。

Chatbox 是一种能够让用户进行交流和获取信息的工具。它具有多种功能和应用场景，例如： 在 OpenAI 中，ChatGPT 作为一款消费级产品，用户可以通过输入提示信息利用其丰富的知识源进行对话，获取各种回答，包括总结书籍内容、撰写文案等，但它也可能存在捏造事实的情况。 生成式 AI Studio 中，创建聊天提示可以与模型进行自由形式的聊天，模型会根据之前的内容和提供的上下文做出响应。同时，Prompt Gallery 能让用户探索生成式 AI 模型在各种用例中的应用。 Cursor Chat 允许用户在编辑器中使用强大的语言模型提出问题或解决代码库中的问题，它具有多项内置功能来提供上下文，默认位于 AI 窗格中，可通过特定按键切换和提交查询。

以下是关于如何搭建 AI 聊天框的一些指导： 1. 纯 GPT 大模型能力的微信聊天机器人搭建 配置腾讯云轻量应用服务器。 假设要对接的微信号名称叫安仔机器人，更新最终版的配置参数（GROUP_NAME_WHITE_LIST 参数记得根据要交互的群组进行具体修改），查看无误后点击保存，创建编排模板。 切换到容器编排界面，基于创建的模板进行 COW 服务部署，点击添加后等待部署成功。 2. 利用大型语言模型打造聊天机器人 ChatGPT 是具有交互式聊天界面的 Web 应用，可利用大型语言模型构建自定义聊天机器人，如为餐厅扮演 AI 客户服务代理或 AI 点餐员等角色。 设置 OpenAI Python 包，定义两个辅助函数：getCompletion 函数和 generateResponse 函数。通过这两个函数与 AIGPT 模型进行交互并生成对话。 3. Cursor Chat 概述 Cursor Chat 允许在编辑器中使用强大的语言模型在代码库中提问或解决问题。 语言模型要给出好答案需要知道与代码库相关的特定事物即上下文，Cursor 具有多项内置功能提供上下文，如自动包含整个代码库中的上下文、搜索 Web、索引文档和用户指定的代码块引用等。 默认情况下，Cursor Chat 位于 AI 窗格，可通过按 Ctrl/⌘ + L 切换，打开时按 Enter 提交查询。

以下是关于飞书搭建 AI 知识库的相关内容： 对于知识库，一系列的信息和知识聚集在一起就可以构成。比如“通往 AGI 之路”就是一个使用飞书软件搭建的 AI 知识库，在飞书大群中跟机器人对话就能获取对应资料。 在“大圣：胎教级教程：万字长文带你使用 Coze 打造企业级知识库”中，以 AI 时代的知识库作为例子进行了讲解，读完可收获：AI 时代的知识库的概念、实现原理以及能力边界；通往 AGI 之路大群中通过对话获取知识库中资料的原理；更好地使用 Coze 等 AI Agent 平台中的知识库组件，打造更强大的智能体。 搭建步骤： 确定功能范围。 编写【prompt】提示词，设定 Bot 的身份和目标。 创建【知识库】，整理“关键字”与“AI 相关资料链接”的对应关系并存储。创建知识库路径为：个人空间知识库创建知识库。知识库文档类型支持本地文档、在线数据、飞书文档、Notion 等，本次使用【本地文档】。按照操作指引上传文档、分段设置、确认数据处理。小技巧：知识库好不好用跟内容切分粒度有很大关系，可以在内容中加上特殊分割符比如“”，以便于自动切分数据。分段标识符号选择“自定义”，内容填“”。最终的知识库结果中，同一颜色代表同一个数据段，若内容有误需要编辑，可点击具体内容，鼠标右键会看到“编辑”和“删除”按钮进行操作。

以下是用 AI 搭建个人知识库的方法： 首先，要搭建基于 GPT API 的定制化知识库，需要给 GPT 输入（投喂）定制化的知识。但 GPT3.5（即当前免费版的 ChatGPT）一次交互（输入和输出）只支持最高 4096 个 Token，约等于 3000 个单词或 2300 个汉字，容量对于绝大多数领域知识往往不够。为解决此问题，OpenAI 提供了 embedding API 解决方案。 embeddings 是一个浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性，小距离表示高关联度，大距离表示低关联度。比如，向量是数学中表示大小和方向的一个量，通常用一串数字表示，在计算机科学和数据科学中，向量通常用列表（list）来表示。向量之间的距离是一种度量两个向量相似性的方法，最常见的是欧几里得距离。在 OpenAI 词嵌入中，靠近向量的词语在语义上相似。 具体操作时，可将大文本拆分成若干个小文本块（也叫 chunk)，通过 embeddings API 将小文本块转换成 embeddings 向量，并在一个地方（向量储存库）中保存这些 embeddings 向量和文本块，作为问答的知识库。当用户提出一个问题时，该问题先通过 embeddings API 转换成问题向量，然后将这问题向量与向量储存库的所有文本块向量比对，查找距离最小的几个向量，把这几个向量对应的文本块提取出来，与原有问题组合成为新的 prompt，发送给 GPT API。 例如，有一篇万字长文，拆分成多个 Chrunks 包含不同内容。如果提问是“此文作者是谁？”，可以直观地看出与问题关联度最高的文本块，通过比较 embeddings 向量也能得到结论。最后发送给 GPT API 的问题会类似于“此文作者是谁？从以下信息中获取答案：本文作者：越山。xxxx。《反脆弱》作者塔勒布xxxx。” 此外，还有案例展示了如何在 AI 时代把碎片化信息内化为自己的知识/智慧。比如在读书时看到有触动的文本，将其整理归纳，标记重点，打赏标签，放入笔记系统，准备展开深度思考和实践。基于笔记中提到的 AI 对人的赋能模式，展开深度实践，生成自己的观点和决策，并打造成体系化的内容产品，实现价值。通过一个碎片化知识在左侧知识库中的“点、线、面、体”式的流转，从一个书摘变成一个体系化内容或课程，把“别人说的话”变成“自己的智慧”。

搭建 AI 工作流可以从以下几个方面入手： 1. 搭建 AI 工作流所需的能力： 熟悉各种 AI 工具：了解不同 AI 工具的特点和用途，根据具体任务选择合适的工具。例如，写标题可用 ChatGPT，写文章可用 Claude，检查文本中的错别字和病句可用秘塔写作猫的 AI 纠错功能。 编写提示词：提示词是搭建人与 AI 之间“沟通桥梁”的关键，要用 AI 能理解的语言清晰说明需求、任务内容和步骤。 搭建 AI 智能体。 2. 搭建 AI 工作流的工作流： 找到一个工作场景：选择熟悉的工作场景，如写文章、做 PPT 等。 拆解工作流程：将工作拆解成几个小步骤，如写文章可拆分为选题、写稿、改稿、写标题。 给每一个步骤嵌入工具：针对每个小步骤，选择合适的 AI 工具，可参考他人的做法，灵活选择最优解，以提高工作效率为目的。 此外，还有一些具体的操作示例，如在 Comfyui 界面中搭建工作流，包括打开界面后右键找到目录，手动连接节点或直接拖拽工作流文件一键复刻提示词工程实验。启动 ollama 时，从其 github 仓库找到对应版本并下载，在 cmd 中输入相应指令，将默认 base URL 和 api_key 填入 LLM 加载器节点即可调用模型进行实验。若出现 ollama 连接不上的报错，可能是代理服务器的问题，需将 127.0.0.1:11434 添加到不使用代理服务器的列表中。

以下是搭建 AI 知识库的步骤： 1. 设计您的 AI 机器人，确定其功能范围。 2. 编写【prompt】提示词，设定 Bot 的身份和目标。 3. 创建【知识库】： 整理“关键字”与“AI 相关资料链接”的对应关系，并将信息存储起来。 创建知识库路径：个人空间 知识库 创建知识库。 知识库文档类型支持本地文档、在线数据、飞书文档、Notion 等，本次使用【本地文档】。 按照操作指引上传文档、分段设置、确认数据处理。 小技巧：知识库好不好用，跟内容切分粒度有很大关系，我们可以在内容中加上一些特殊分割符，比如“”，以便于自动切分数据。分段标识符号要选择“自定义”，内容填“”。 最终的知识库结果如下，同一颜色代表同一个数据段，如果内容有误需要编辑，可以点击具体内容，鼠标右键会看到“编辑”和“删除”按钮，可以编辑或删除。 此外，您还可以参考相关文章，如《大圣：胎教级教程：万字长文带你使用 Coze 打造企业级知识库》，以获取更深入的理解和帮助。

以下是一些改进基础搭建的知识库效果、减轻模型答案幻觉问题的建议： 1. 更换大模型：例如从 ChatGLM26B 替换成 baichuan213b，针对您的场景，后者的性能可能提升一倍左右。 2. 更换 embedding 模型：将 embedding 模型从 LangChain Chatchat 默认的 m3ebase 替换为 bgelargezh，后者可能更优。 3. 测试不同 Top k 的值：比较 Top 5、Top 10、Top 15 的结果，发现 Top 10 时效果可能最优。 4. 对文档名称进行处理：人工对文件进行重命名，上传相同文件构建知识库，同时在构建知识库时勾选【开启中文标题加强】选项，虽然重命名文件对结果的提升效果不明显，但勾选该选项后，回答的无关信息可能减少，效果有所提升。 RAG（RetrievalAugmented Generation）即检索增强生成，由检索器和生成器两部分组成。检索器从外部知识中快速找到与问题相关的信息，生成器利用这些信息制作精确连贯的答案，适合处理需要广泛知识的任务。 在大模型中，向量可想象成空间中的点位，每个词或短语对应一个点。系统通过查看词在虚拟空间中点的位置，寻找直线距离最近的点来检索语义上接近的词语或信息。理解向量后，当收到一个对话时，RAG 的完整工作流程为：检索器从外部知识中检索相关信息，生成器利用这些信息生成答案。 要优化幻觉问题和提高准确性，需要了解从“问题输入”到“得到回复”的过程，针对每个环节逐个调优，以达到最佳效果。

搭建一个自动把录音文件转文字的 agent 并发布到飞书多维表格字段捷径的步骤如下： 1. 工作流调试完成后，加入到智能体中。可以选择工作流绑定卡片数据，智能体通过卡片回复。绑定卡片数据可自行研究，如有疑问可留言。 2. 发布：选择需要的发布渠道，重点是飞书多维表格。记得智能体提示词的 4 个变量，填写上架信息（为快速审核，选择仅自己可用），确认发布并等待审核。审核通过后即可在多维表格中使用。 3. 创建飞书多维表格，添加相关字段。配置选择“自动更新”，输入 4 个字段后，“文案视频自动化”字段捷径会自动调用工作流，生成视频。 4. 表单分享，实现“填写表单，自动创建文案短视频”的效果。 5. 点击多维表格右上角的“自动化”，创建想要的自动化流程。 此外，关于 Coze 应用与多维表格的结合还有以下相关内容： 1. Coze 智能体（字段捷径）获取笔记+评论信息：创建智能体，使用单 Agent 对话流模式，编排对话流，配置相关节点和插件，进行数据处理和测试，最后发布。 2. Coze 应用：完成后端准备工作后，创建应用，设计界面和工作流，包括读取博主笔记列表的工作流，进行相关配置和参数设置。

以下是关于限制 AI Chat 回答非法话题和进行敏感词过滤的相关内容： 首先，以 ChatGPT 为例，其系统提示词会详细描述身份、角色、时间、记忆功能、DALLE 绘图功能、限制、调用方式、上网和浏览网页功能以及 function calling 和 python 代码等功能。 存在提示词越狱的情况，常见方式包括角色扮演、情境模拟、任务伪装、模式重构等，由此诞生了如 DAN 模式、越狱提示词、邪恶机器人以及 ChatGPT 的开发者模式等经典提示词。例如 DAN 模式，会让 AI 胡说八道、说脏话、讨论非法话题、限制级话题、侵犯隐私、规避版权法等，从而突破限制讨论多种话题。 对于防御措施，将所有复杂的 AI 系统简单抽象为提示词输入、AI 大模型、输出结果三部分，相应的防御措施也可分为这三个部分。

在让 AI 翻译日漫时，如果您希望得到更接近正常人说话的翻译结果，而非简单的直译，您可以这样提问：“请以符合自然语言表达习惯和逻辑的方式，为我翻译这段日漫内容，注重语言的流畅性和生动性，避免生硬的直译。” 关于 AI 遇到敏感话题可能拒绝回答或委婉回答的情况，如果您不想这样，需要注意的是，AI 遵循一定的道德和法律规范，对于确实不适合或不被允许处理的敏感内容，强制要求其回答是不可取且不恰当的。但如果您认为某些话题并非真正敏感，只是被误判，您可以尝试更清晰准确地描述相关内容，以减少误解的可能性。

很抱歉，目前知识库中没有关于输入敏感词管控及脱敏返回处理的相关内容。但一般来说，对于输入敏感词的管控和脱敏处理，常见的方法包括： 1. 建立敏感词库：事先整理出常见的敏感词列表。 2. 文本检测：在输入时对文本进行实时检测，判断是否包含敏感词。 3. 脱敏处理方式：可以采用替换、隐藏部分字符、加密等方法对敏感词进行处理。 4. 设置规则和策略：例如根据不同的场景和用户级别，确定不同的处理方式。 由于缺乏具体的详细信息和场景，以上只是一些常见的思路和方法，您可以根据实际情况进一步深入研究和设计具体的解决方案。

以下是关于 AI 模型敏感词管控的相关信息： 在给予 GPT 足够的时间进行“思考”的最佳实践中，通过测试数据发现，由于输入内容超过一定 token 会导致模型遗忘。因此，在输入大量文本或大量对话后，让模型进行自我检查的提示词习惯，有助于收获更准确的答案。 在应对提示词攻击的输入侧防护方面，可采用基于模型进行分类过滤的方法。这是“基于提示词过滤”的进阶版，能使用像 BERT 这样的小型文本分类模型或像 ChatGPT 这样的大型语言模型，自动分析和分类输入内容。其好处是无需提前知晓大量信息，就能灵活应对复杂场景和不同需求。通过学习和训练大量已知的安全威胁样本，建立分类模型来检测和过滤输入中的有害内容，这是很多大型语言模型服务如 OpenAI 的 ChatGPT、谷歌的 Bard、微软的 NewBing 等采用的主流防御策略，它们会检测用户输入内容，与核心大型语言模型协同工作，防止有害和敏感信息输入，确保输出内容合规。

在模型敏感词管控方面，对于 RAG 提示工程，我们对 Example 模块进行了重要调整。原先像“清朝末年有哪些政治事件？”这样的示例内容可能会无意引导模型触及政治敏感话题，违背初衷。为此，重新设计了示例内容，既能为模型提供清晰工作指导，又避免引发敏感议题讨论，同时进一步修改了示例流程，确保模型更理解自身任务。以下是进一步修正的提示词。接下来继续运行并查看结果。从表现看，成功控制住 GPT 模型讨论敏感话题的问题，但可能存在漏洞及提示词被攻击、诱骗的情况，这些留待后续解决。目前面对常规请求问题，GPT 模型应不会“东扯西扯”。

很抱歉，目前知识库中没有关于企业级别 AI 模型使用敏感词场景设计的相关内容。但一般来说，在进行企业级别 AI 模型使用敏感词场景设计时，需要考虑以下几个方面： 1. 明确敏感词的定义和范围：根据企业的业务特点、法律法规要求以及道德规范，确定哪些词汇被视为敏感词。 2. 数据采集和预处理：在收集数据用于训练模型时，对包含敏感词的数据进行特殊处理或标记。 3. 模型训练中的考虑：调整模型的参数和算法，以降低对敏感词的过度依赖或错误理解。 4. 实时监测和更新：随着业务和社会环境的变化，及时更新敏感词列表，并对模型进行相应的调整和优化。 5. 人工审核与干预：对于模型输出中涉及敏感词的内容，设置人工审核环节，确保准确性和合规性。 希望以上思路能对您有所帮助，如果您需要更详细准确的设计方案，建议咨询专业的 AI 技术团队或相关专家。