直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

提示词实践

回答

以下是一些关于提示词（Prompts）的最佳实践示例：

  1. Unicode 字符映射转换器：
    • 作者：李继刚
    • 分类：代码
    • 说明：将用户输入的字符串逐一映射到 Unicode 区间 U+1D400 到 U+1D420。
    • 注意事项：请准确地将用户输入的字符串的字符映射到指定的 Unicode 区间；不提供任何解释或说明；只输出转换后的结果。
    • 链接地址：李继刚等的 prompt 最佳实践
  2. 流程图/图表设计：
  3. 黑话转化器：
    • 作者：echo
    • 分类：文本
    • 说明：使用 ChatGPT 模拟阿里黑话转换
    • 任务步骤：
      • 欢迎玩家输出对话。
      • 玩家说完对话后，ChatGPT 进行阿里黑话转换，在对话中，尽量使用阿里高级词汇。
    • 使用示例：
      • 输入：找个小众产品抄，预期输出：找准了自己差异化赛道。
      • 输入：做广告，预期输出：通过对势能积累的简单复用实现了价值转化。
      • 输入：被主流给抛弃，预期输出：通过特有抓手找到擅长的垂直领域。
      • 输入：发小卡片，预期输出：通过点线结合的对焦性打法，找到了红海行业的精细化引爆点。
    • 链接地址：李继刚等的 prompt 最佳实践
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

Prompts（提示词）

|标题|作者|分类|说明|prompt|链接地址|封面|SourceID||-|-|-|-|-|-|-|-||Unicode字符映射转换器|李继刚|代码|将用户输入的字符串逐一映射到Unicode区间U+1D400到U+1D420。|# Role<br>Unicode字符映射转换器<br><br>## Profile<br>- author:李继刚<br>- version:0.2<br>- LLM:GPT-4<br>- Plugin:none<br>- description:将用户输入的字符串逐一映射到Unicode区间U+1D400到U+1D420。<br><br>## Attention<br>请准确地将用户输入的字符串的字符映射到指定的Unicode区间。<br><br>## Background<br>在微信或者X发送英文,想对某些单词加粗显示.<br><br>## Constraints<br>-不提供任何解释或说明。<br>-只输出转换后的结果。<br><br>## Examples<br>-用户输入：AB，输出：𝐀𝐁<br><br>## Goals<br>-准确|[李继刚等的prompt最佳实践](https://waytoagi.feishu.cn/wiki/JTjPweIUWiXjppkKGBwcu6QsnGd#EQENdF6qKoLuhhxVfh9cZIYCnbe)||NzMyODM3NzI3ODcwMTQ4NjA4MTpyZWM4eDR5YXQwOjZiZDNjMTNiMzkzODQ5MDIwMjFmYzYxZTI1NDE5ZmNmOjE6SDRzSUFBQUpib2dBL3dBQ0FQMy9lMzBEQUVPL3BxTUNBQUFB|

Prompts（提示词）

|标题|作者|分类|说明|prompt|链接地址|封面|SourceID||-|-|-|-|-|-|-|-||流程图/图表设计|nimbus|商业|根据用户的流程描述，自动生成Mermaid图表代码|#角色:Mermaid图表代码生成器<br><br>##描述:<br>-作者:nimbus<br>-版本:1.0<br>-语言:中文<br>- WXID:168007300<br><br>##背景:需要根据用户的流程描述,自动生成Mermaid图表代码<br><br>##注意事项:生成的代码要符合Mermaid语法,准确表达用户需求<br><br>##技能:<br>-熟悉Mermaid支持的图表类型和语法<br>-善于将流程描述转换为结构化的图表代码<br>-了解流程、架构、结构化分析等领域知识<br><br>##目标:<br>-收集用户对流程、架构等的描述<br>-将描述转换为对应Mermaid图表代码<br><br>##约束:<br>-生成代码遵循Mermaid语法<br>-流程语义表达准确<br>-代码整洁格式规范<br>- Create By|[nimbus：产品经理AI助手，我用这10个Prompt提示词效果平替PMAI](https://waytoagi.feishu.cn/wiki/Mu2xwfEZTivsxbk8NHVc2EltnKc#NrMTdfwo5orXL8xxvjccYNS8n8d)||NzMyODM3NzI3ODcwMTQ4NjA4MTpyZWNNNktHNWRSOjQ0NzcyOTc5NDYwOTY3ZmFiMDBhOTUzNGI0MmZjZTk2OjE6SDRzSUFBQUpib2dBL3dBQ0FQMy9lMzBEQUVPL3BxTUNBQUFB|

Prompts（提示词）

|标题|作者|分类|说明|prompt|链接地址|封面|SourceID||-|-|-|-|-|-|-|-||黑话转化器|echo|文本|使用ChatGPT模拟阿里黑话转换|#目标<br>使用ChatGPT模拟阿里黑话转换<br><br>#任务<br>##步骤说明<br>1、欢迎玩家输出对话<br>2、玩家说完对话后，ChatGPT进行阿里黑话转换<br>-在对话中，尽量使用阿里高级词汇<br><br>##使用示例<br>-输入：找个小众产品抄<br>-预期的输出可能是：找准了自己差异化赛道<br>-输入：做广告<br>-预期的输出可能是：通过对势能积累的简单复用实现了价值转化<br>-输入：被主流给抛弃<br>-预期的输出可能是：通过特有抓手找到擅长的垂直领域<br>-输入：发小卡片<br>-预期的输出可能是：通过点线结合的对焦性打法，找到了红海行业的精细化引爆点<br><br>#初始化<br>-欢迎玩家输出对话，进行ChatGPT阿里黑话黑话转换|[李继刚等的prompt最佳实践](https://waytoagi.feishu.cn/wiki/JTjPweIUWiXjppkKGBwcu6QsnGd#BXCpdosRIodFNzxIuNwc8KsjnCg)||NzMyODM3NzI3ODcwMTQ4NjA4MTpyZWNjclJjaVNxOmMyODI2YTkzZmYyOTZjNmMxMzc0YzI2NTYyYWI3MDNhOjE6SDRzSUFBQUpib2dBL3dBQ0FQMy9lMzBEQUVPL3BxTUNBQUFB|

其他人在问
如何写好提示词
以下是关于如何写好提示词的一些要点： 1. 明确任务：清晰地定义任务，如写故事时包含故事背景、角色和主要情节。 2. 提供上下文：若任务需特定背景知识，提供足够信息。 3. 使用清晰语言：尽量用简单、清晰的语言，避免模糊或歧义词汇。 4. 给出具体要求：如有特定格式或风格要求，在提示词中明确指出。 5. 使用示例：如有特定期望结果，提供示例帮助模型理解需求。 6. 保持简洁：提示词简洁明了，避免过多信息导致模型困惑。 7. 使用关键词和标签：有助于模型理解任务主题和类型。 8. 测试和调整：生成文本后仔细检查结果，根据需要调整提示词，可能需多次迭代。 此外，还需注意以下几点： 提示词内容准确：包含人物主体、风格、场景特点、环境光照、画面构图、画质等，如“一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量”。 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框，输入不想生成的内容，如“不好的质量、低像素、模糊、水印”。 利用“加权重”功能：在功能框增加提示词并调节权重，数值越大越优先，也可编辑已有提示词权重。 善用辅助功能：如翻译功能可一键将提示词翻译成英文，还有删除所有提示词、会员加速等功能。 同时要记住，提示词应清晰明确，避免模糊不清的指令，提供足够的背景信息和清楚的需求描述，以确保模型给出准确结果。
2024-12-21
如何写提示词
以下是关于如何写提示词的一些建议： 1. 明确任务：清晰地定义任务，比如写故事时包含故事背景、角色和主要情节。 2. 提供上下文：若任务需要特定背景知识，要提供足够信息。 3. 使用清晰语言：尽量用简单、清晰的语言，避免模糊或歧义词汇。 4. 给出具体要求：如有特定格式或风格要求，应在提示词中明确指出。 5. 使用示例：如有期望结果，可提供示例帮助 AI 理解需求。 6. 保持简洁：避免过多信息导致 AI 模型困惑。 7. 使用关键词和标签：有助于 AI 模型理解任务主题和类型。 8. 测试和调整：生成文本后仔细检查结果，根据需要调整提示词。 对于特定的设计工具，如星流一站式 AI 设计工具： 1. 输入语言方面，通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发），且支持中英文输入。 2. 写好提示词的方法包括： 预设词组：小白用户可点击提示词上方官方预设词组进行生图。 内容准确：包含人物主体、风格、场景特点、环境光照、画面构图、画质等，例如一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量。 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框，帮助 AI 理解不想生成的内容，如不好的质量、低像素、模糊、水印。 利用“加权重”功能：在功能框增加提示词并进行加权重调节，权重数值越大越优先，也可对已有的提示词权重进行编辑。 辅助功能：如翻译功能可一键将提示词翻译成英文，还有删除所有提示词、会员加速等功能。 此外，还需注意提示词应清晰明确，避免模糊不清的指令，提供足够的背景信息和清楚的需求描述，以确保模型给出准确结果。
2024-12-21
如何通过提示词提高模型数据对比和筛选能力
以下是一些通过提示词提高模型数据对比和筛选能力的方法： 1. 选择自定义提示词或预定义话题，在网站上使用如 Llama3.1 8B Instruct 模型时，输入对话内容等待内容生成，若右边分析未刷新可在相关按钮间切换。由于归因聚类使用大模型，需稍作等待，最终结果可能因模型使用的温度等因素而不同。 2. 在写提示词时不能依赖直觉和偷懒，要实话实说，补充详细信息以避免模型在边缘情况上犯错，这样也能提高数据质量。 3. 在分类问题中，提示中的每个输入应分类到预定义类别之一。在提示末尾使用分隔符如“\n\n\n\n”，选择映射到单个 token 的类，推理时指定 max_tokens=1，确保提示加完成不超过 2048 个 token，每班至少有 100 个例子，可指定 logprobs=5 获得类日志概率，用于微调的数据集应在结构和任务类型上与模型使用的数据集相似。例如在确保网站广告文字正确的案例中，可微调分类器，使用合适的分隔符和模型。
2024-12-20
通过提示词可以提高模型的数学计算能力吗
通过提示词可以在一定程度上提高模型的数学计算能力。例如 PoT 技术，它是思维链技术的衍生，适用于数值推理任务，会引导模型生成一系列代码，再通过代码解释器工具进行运算，这种方式能显著提升模型在数学问题求解上的表现。PoT 作为 CoT 的衍生技术，遵循零样本和少样本的学习范式，零样本 PoT 与 CoT 方法相似，不需要大量样本即可进行有效推理，少样本 PoT 也通过较少样本优化模型表现。但需要注意的是，大模型在解决数学问题时可能存在不够可靠的情况。
2024-12-20
有哪些好的提示词网站
以下是一些好的提示词网站： 文本类 Prompt 网站： Learning Prompt：授人以渔，有非常详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney。网址： FlowGPT：国外最大的 prompt 站，内容全面且更新快。网址： LangChain Hub：LangChain 推出的提示词管理工具。网址： 微软 Prompt Flow：微软发布的开源 LLM 开发工具集，简化了基于 LLM 的人工智能应用程序的开发周期。网址： PromptPort（支持中文）：AI Prompt 百科辞典，聚合了市场上大部分优质的 prompt 词库。网址： PromptKnit：The best playground for prompt designers。网址： ChatGPT Shortcut：提供了非常多使用模板，简单修改即可指定输出。网址： ClickPrompt：轻松查看、分享和一键运行模型，创建 Prompt 并与其他人分享。网址： Prompt Extend：让 AI 帮你自动拓展 Prompt。网址： 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。网址： MidJourney Prompt Tool：类型多样的 prompt 书写工具，点击按钮就能生成提示词修饰部分。网址： OPS 可视化提示词：有 Mid Journey 的图片风格、镜头等写好的词典库，方便快速可视化生成自己的绘画提示词。网址： AIart 魔法生成器：中文版的艺术作品 Prompt 生成器。网址： IMI Prompt：支持多种风格和形式的详细的 MJ 关键词生成器。网址： Prompt Hero：好用的 Prompt 搜索，Search prompts for Stable Diffusion,ChatGPT&Midjourney。网址： OpenArt：AI 人工智能图像生成器。网址： img2prompt：根据图片提取 Prompt。网址： 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： 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： 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。网址： 其他图像类 Prompt 网站： NovelAI tag 生成器：设计类 Prompt 提词生成器。网址： 魔咒百科词典：魔法导论必备工具，简单易用的 AI 绘画 tag 生成器。网址： KREA：设计 AI 的 Prompt 集合站，create better prompts。网址： Public Prompts：免费的 prompt 合集，收集高质量的提示词。网址： AcceleratorI Prompt：AI 词汇加速器，加速 Prompt 书写，通过按钮帮助优化和填充提示词。网址：
2024-12-20
Ai视频镜头提示词，及案例
以下是一些 AI 视频镜头的提示词及案例： 一、视频镜头 1. 浅焦镜头（Shallow focus shot） 提示词：一个老奶奶手拿照片面对观众，镜头从照片聚焦到老奶奶脸上，营造出温馨和怀旧的氛围。 2. 窥视镜头（Spy shot） 提示词：镜头在一个隐蔽的位置拍摄。一位头发发白的老奶奶坐在窗前双手捧着一张老照片，面带思念地看着照片，场景温馨。 3. 摇晃镜头（Handheld shot） 提示词：镜头摇晃地跟随一个在战斗中的士兵，画面展示战场上的混乱、飞扬的尘土和四处奔跑的战友，增加紧张和真实感。 4. 穿梭镜头（Hyperlapse shot） 提示词：镜头穿过一条隧道，通过隧道外面是美丽的雪山。 5. 跟随镜头（Tracking shot） 提示词：镜头紧跟一辆在赛道上高速行驶和漂移的跑车。 6. 车载镜头（Carmounted shot） 提示词：镜头从驾驶员或汽车前部的视角出发，展示前方的道路和沿途的建筑物。 7. 动作镜头 提示词：镜头快速捕捉一个男人在激烈的打斗中差点摔倒，增强紧张感和动态性。 8. 无人机视角（Drone perspective shot） 提示词：无人机视角展示一个人站在高山顶峰，俯瞰壮丽景色，远处是连绵的山脉和云海，营造广阔和宏伟的氛围。 9. 低视角镜头 提示词：镜头从楼梯低处仰视一个天空和建筑，增强仰视感和宏伟感 提示词：相机在地上拍摄一个清晨正在跑步的人，背景远处虚焦。 10. 仰拍镜头（Lowangle shot） 提示词：镜头从树底向上拍摄，展示高大的树干和繁茂的树冠。 11. 推镜头（Dolly in） 提示词：镜头从远处向前推进，打开城堡的大门。 12. 旋转变焦镜头 提示词：镜头在变焦的同时快速旋转，展示一个人在旋转木马上。 13. 时间流逝镜头（Timelapse shot） 提示词：镜头固定不动，长时间拍摄并加速播放，展示城市从白天到夜晚的变化。 14. 背光镜头 提示词：镜头逆光拍摄，一个男人站在夕阳下，背光照亮他的轮廓，面部隐在阴影中。 15. 失焦镜头 提示词：镜头失焦拍摄城市的霓虹灯，灯光模糊，呈现出梦幻的效果。 16. 平行镜头（Side dolly shot） 提示词：镜头与骑自行车的少年平行移动，跟随他的骑行路径，保持在相同的水平线上。 17. 镜头推拉变焦 提示词：镜头同时进行推拉和变焦，展示一个人在惊讶地看着远方。 18. 虚实结合镜头 提示词：镜头将真实场景和虚拟场景结合，以 X 光效果拍摄骨骼，以真实场景展示一个手拿着一把钥匙，钥匙的轮廓清晰，背景虚化。 19. 反射镜面镜头（Reflection shot） 提示词：反射镜头，通过浴室镜子反射展示一个人在洗脸的画面 20. 黑白镜头 提示词：黑白镜头，展示一个老街区的复古场景，增强怀旧感。 21. 特写镜头（Closeup shot） 提示词：特写镜头展示一双男性眼睛。 二、全新 AI 整活计划第一期：平行宇宙通勤指南 1. 一致性多镜头提示词 Prompt：女孩后退，拿着斧头的骷髅朝镜头走近。镜头切换，近景正面拍摄女孩的上半身，她满脸惊恐发出尖叫。 基础参数：镜头固定，16:9，10s 视频链接： 2. 一致性多镜头提示词 Prompt：远景拍摄，一个男人转身朝画面左侧走去。镜头切换，近景拍摄男人的上半身，他一脸忧愁。 基础参数：镜头固定，16:9，10s 视频链接： 3. 一致性多镜头提示词 Prompt：穿黄色外套的长发白人女人和卷发黑色外套的男人对视微笑。镜头切换，近景拍摄黄色外套的长发女人微笑的脸。镜头切换，近景拍摄卷发黑外套男人微笑的脸。 基础参数：镜头固定，16:9，10s 视频链接：
2024-12-19
智能客服的实践案例有哪些？
以下是一些智能客服的实践案例： 在销售方面，有“销售：话术总结优缺点”，涉及产品特点、服务优势、目标客户需求和痛点等方面。 详情： 入库时间：2023/10/30 在销售方面，还有“销售：定制销售解决方案”，涵盖企业产品和服务内容、客户需求和参数等内容。 详情： 入库时间：2023/10/30 在客服方面，有“客服：定制客服话术”，包含产品知识、使用方法等 13 个关键词库。 详情： 入库时间：2023/10/30 腾讯运营在智能客服方面的应用： ChatGPT 承担客服功能，通过告知其具体客服身份，要求其解答用户问题并进行私域流量转化。 ChatGPT 能够理解社区用户的评论和问题，并生成合适的回复，管理社区互动，模拟运营人的语言风格，与用户进行更自然的互动。 ChatGPT 可以监测舆情和热点，从多个来源抓取互联网上的热门话题、新闻和社交媒体动态，并对抓取到的文本数据进行深度分析。 其他相关案例：
2024-12-17
有哪些使用语言模型的最佳实践案例？
以下是一些使用语言模型的最佳实践案例： 1. 转换类应用： 大型语言模型擅长将输入转换为不同格式，如语言翻译、拼写和语法矫正、格式转换等。例如，可以输入一段不符合语法规范的文本让其修改，或输入 HTML 输出 JSON。 可以执行翻译任务，模型在多种语言的大量文本上训练，能够掌握数百种语言。 2. 基础提示词： 提示词包含传递到模型的指令、问题等信息，也可包含上下文、输入或示例等详细信息，以更好地指导模型获得更好结果。 对于 OpenAI 的聊天模型，可使用 system、user 和 assistant 三种角色构建 prompt，通常示例仅使用 user 消息作为 prompt。 提示工程探讨如何设计最佳提示词，如通过改进提示词完善句子输出。 3. 提示工程： 将复杂任务分解为更简单的子任务，如使用意图分类识别用户查询中的指令，对长对话进行总结或过滤，将长文档分段总结。 给予模型“思考”时间，如让模型在给出最终答案前先进行“思考链”推理，指导其先给出解决方案，使用“内心独白”或系列查询隐藏推理过程，询问是否遗漏信息以确保完整性。
2024-11-25
咱们有dify的好的实践教程或示例吗
以下是关于 Dify 的一些实践教程和相关信息： 接入企业微信： 创建聊天助手应用：在 Dify 平台创建基础编排聊天助手应用，获取 API 密钥和 API 服务器地址。 下载 Dify on WeChat 项目：下载并安装依赖。 填写配置文件：在项目根目录创建 config.json 文件，填写 API 密钥和服务器地址。 把基础编排聊天助手接入微信：快速启动测试，扫码登录，进行对话测试，可以选择源码部署或 Docker 部署。 把工作流编排聊天助手接入微信：创建知识库，导入知识库文件，创建工作流编排聊天助手应用，设置知识检索节点和 LLM 节点，发布更新并访问 API。 把 Agent 应用接入微信：创建 Agent 应用，设置对话模型和添加工具，生成 API 密钥，填写配置文件，启动程序并进行测试。更多内容请访问原文：https://docs.dify.ai/v/zhhans/learnmore/usecases/difyonwechat 构建知识库的具体步骤： 准备数据：收集需要纳入知识库的文本数据，包括文档、表格等格式。对数据进行清洗、分段等预处理，确保数据质量。 创建数据集：在 Dify 中创建一个新的数据集，并将准备好的文档上传至该数据集。为数据集编写良好的描述，描述清楚数据集包含的内容和特点。 配置索引方式：Dify 提供了三种索引方式供选择：高质量模式、经济模式和 Q&A 分段模式。根据实际需求选择合适的索引方式，如需要更高准确度可选高质量模式。 集成至应用：将创建好的数据集集成到 Dify 的对话型应用中，作为应用的上下文知识库使用。在应用设置中，可以配置数据集的使用方式，如是否允许跨数据集搜索等。 持续优化：收集用户反馈，对知识库内容和索引方式进行持续优化和迭代。定期更新知识库，增加新的内容以保持知识库的时效性。 Dify 介绍：Dify 是一个开源的大模型应用开发平台，它通过结合后端即服务和 LLMOps 的理念，为用户提供了一个直观的界面来快速构建和部署生产级别的生成式 AI 应用。该平台具备强大的工作流构建工具，支持广泛的模型集成，提供了一个功能丰富的提示词 IDE，以及一个全面的 RAG Pipeline，用于文档处理和检索。此外，Dify 还允许用户定义 Agent 智能体，并通过 LLMOps 功能对应用程序的性能进行持续监控和优化。Dify 提供云服务和本地部署选项，满足不同用户的需求，并且通过其开源特性，确保了对数据的完全控制和快速的产品迭代。Dify 的设计理念注重简单性、克制和快速迭代，旨在帮助用户将 AI 应用的创意快速转化为现实，无论是创业团队构建 MVP、企业集成 LLM 以增强现有应用的能力，还是技术爱好者探索 LLM 的潜力，Dify 都提供了相应的支持和工具。Dify 官方手册：https://docs.dify.ai/v/zhhans 。一般地，如果是个人研究，推荐单独使用 Dify，如果是企业级落地项目推荐使用多种框架结合，效果更好。
2024-11-22
智能客服应如何实践
以下是关于智能客服实践的相关内容： 零成本、零代码搭建一个智能微信客服的实操步骤： 1. 访问微信客服 https://kf.weixin.qq.com/，点击开通。 2. 勾选同意，点击下一步。 3. 按步骤填写，勾选同意，注册企业微信。 4. 注册成功后，会出现“企业未认证，累计仅可接待 100 位客户，认证后可提升接待上限”的提醒，个人测试无需认证，不影响使用。 5. 完成上述步骤后，已成功 50%，接下来是复制粘贴操作： 点击配置>到微信客服的企业信息，复制企业 ID >到 coze 页面进行粘贴填写企业 ID，并点击下一步。 到微信客服的开发配置，找到回调配置，复制 Token、EncodingAESKey（如果为空，点击“随机获取”），到 coze 页面进行粘贴，点击下一步。 到微信客服的开发配置，配置回调地址 URL、复制 Secret 到 coze 的页面粘贴。 第一次设置回调地址时，目前需要企业认证才可以接入微信客服。若企业未认证，配置回调 URL 时会报错：回调域名校验失败。之前未认证就发布过微信客服的不受影响。第一次设置成功后，后续修改在特定页面进行。 到微信客服的客服账号，创建一个客服账号，复制客服账号名称，到 coze 的页面粘贴，点击保存。保存后，在 coze 发布页面的发布平台的微信客服这里，显示“已配置”，剩下的就是勾选，点击发布。 ChatGPT 在智能客服中的应用： 1. 承担客服功能：告诉 ChatGPT 具体客服身份，要求其解答用户问题的同时，进行私域流量转化。 2. 管理社区互动：模拟运营人的语言风格，与用户进行更自然的互动，提高用户参与度和满意度。同时支持对社区中的评论和问题进行自动分类，帮助运营团队更有效地解决问题和满足用户需求。 3. 监测舆情和热点：从多个来源抓取互联网上的热门话题、新闻和社交媒体动态，并对抓取到的文本数据进行深度分析，识别热门话题和趋势，帮助内容运营团队及时了解市场变化。实时监测品牌、产品或服务的网络声量，识别潜在的负面舆情，并提醒运营团队采取措施。但因 ChatGPT 并不支持实时搜索，以上内容需要借助第三方插件完成。
2024-11-05
有没有关于RAG的实践
以下是关于 RAG 的一些实践： OpenAI 的实践：从 45%的准确率开始，尝试多种方法，如假设性文档嵌入（HyDE）和精调嵌入等，效果不理想。通过尝试不同大小块的信息和嵌入不同的内容部分，准确率提升到 65%。通过 Reranking 和对不同类别问题特别处理，进一步提升到 85%。最终，通过提示工程、查询扩展等方法结合，达到 98%的准确率。团队强调了模型精调和 RAG 结合使用的强大潜力，尤其是在未使用复杂技术的情况下，仅通过简单的模型精调和提示工程就接近行业领先水平。 本地部署大模型以及搭建个人知识库：利用大模型的能力搭建知识库是 RAG 技术的应用。RAG 应用可抽象为 5 个过程，包括文档加载、文本分割、存储（包括嵌入和向量数据存储）、检索、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）。 本地部署资讯问答机器人：基于用户问题从向量数据库中检索相关段落并过滤，让模型参考上下文信息回答，实现 RAG。通过 gradio 创建网页 UI 并进行评测，对不同模型如 Qwen7b、Gemma、Mistral、Mixtral 和 GPT4 进行测试，得出 GPT4 表现最好等结论。同时总结指出上下文数据质量和大模型性能决定 RAG 系统性能上限，RAG 能提升答案质量和相关性，但不能完全消除大模型幻觉、信息滞后问题。
2024-11-03
. 了解射频识别技术的基本原理及常见应用。 2. 能够利用射频识别技术开展实践，了解物与物 之间近距离通信的过程。 第7课 电子标签我揭秘 7.1 乘坐火车时，人们只需拿身份证在检票机上刷一下，便能顺利通过检票 闸机，进出火车站。在这个过程中，正是 RFID 技术在发挥作用。 揭秘射频识别技术 本课将关注以下问题： 1. RFID 系统的工作流程是怎样的？ RFID 是一种物品标识和自动识别技术，本质上是一种无线通信技术， 无须与被识别物品直接接触。RFID 系统由电子标签和读卡器组成（图 7
射频识别（RFID）技术是一种物品标识和自动识别的无线通信技术，无需与被识别物品直接接触。RFID 系统由电子标签和读卡器组成。 其基本原理是：读卡器发射特定频率的无线电波，当电子标签进入有效工作区域时，产生感应电流，从而获得能量被激活，并向读卡器发送自身编码等信息，读卡器接收并解码后，将信息传送给后台系统进行处理。 常见应用包括：乘坐火车时的身份证检票，物流领域的货物追踪管理，图书馆的图书借还管理，超市的商品结算等。 在利用射频识别技术开展实践时，能够了解物与物之间近距离通信的过程。例如在物流中，货物上的电子标签与读卡器之间通过无线电波进行信息交互，实现对货物的实时监控和管理。 RFID 系统的工作流程大致为：读卡器发射无线电波，激活电子标签，电子标签向读卡器发送信息，读卡器接收并解码信息后传送给后台系统。
2024-10-21