直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

LLM 提示词怎么写

回答

以下是关于 LLM 提示词编写的相关内容:

  • 在“艾木:提示词编程|有必要用 Lisp 语言写提示词吗?”中,“小确幸”这段提示词用 Lisp 语言描述了一个简单工作流,包含对用户输入文本的处理和生成 SVG 卡片等步骤,内部还有一系列子步骤和 few-shot examples。但大语言模型按程序描述的逻辑运行这类复杂程序有难度。
  • 在“走入 AI 的世界”中,提示词(Prompt)是输入给大模型的文本内容,其质量会显著影响大模型回答的质量。
  • 在“藏师傅教你用 AI 三步制作任意公司的周边图片,不用到处找样机文件”中,介绍了用 LLM 生成图像提示词的流程,包括获取 Logo 图片的描述,根据描述和生成意图生成图片提示词,将图片和提示词输入 Comfyui 工作生成等步骤,并给出了相关示例。
内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

艾木:提示词编程|有必要用 Lisp 语言写提示词吗?

除去角色设定部分(村里有爱函数),“小确幸”这段提示词主要做了两件事:一、对用户输入的文本进行处理,生成小确幸表达(小确幸函数);二、生成SVG卡片(SVG-Card函数)。实际上它用Lisp语言描述了一个简单的工作流。小确幸这个函数内部又包含一系列的子步骤:不幸中的幸运→显微镜视角→独特经验→意外偶然→肯定生命→温柔感受→温暖表达→提炼一句。作者期望大语言模型能按照这些子步骤对用户输入进行逐步处理,输出一条响应。函数里还定义了一些few-shot examples,以供大语言模型学习。最后,这个函数里调用了SVG-Card函数,传入响应作为参数。SVG-Card函数根据响应完成生成SVG卡片的任务。这短短的一段文本里竟然压缩了这么多信息!这一方面是编程语言自身的特性所致,因为编程语言特别擅长描述程序(procedure)。另一方便则体现了Lisp这门特殊的编程语言的优势,它特别简洁,且特别有表达力。程序很难懂,因为你在读一段代码的时候,需要做大量的解码。并且,你得按照程序解释器运行程序的逻辑去解读代码。那么,大语言模型能“读懂”这段程序吗?你把这段程序丢给AI,让它去解释,它应该能解释的很好。但是,把这段程序作为提示词,让大语言模型去解释并按照程序描述的逻辑去运行,很难。这段程序还相对简单,如果程序涉及到更复杂的函数调用,大语言模型更难处理,因为大语言模型就不是用来做这件事的。术业有专攻,这是解释器的活。这就带来一个问题:怎么保证程序里定义的子步骤被按照正确顺序且无遗漏的执行了?

走入AI的世界

首先我们给出一些常见缩写和专业词汇的“人话”解释,它们十分基础,但理解他们至关重要。为了讨论更加聚焦,接下来的内容将主要围绕大语言模型为主进行展开(对于其他模态的大模型,我们暂且放放):LLM:Large language model的缩写,即大语言模型,前面百团大战中的各类大模型,说的都是大语言模型(极其应用)Prompt:中文译作提示词,就是我们输入给大模型的文本内容,可以理解为你和大模型说的话,下达的指令。提示词的质量好坏,会显著影响大模型回答的质量,很多时候如果你觉得大模型回答的太差了,AI味儿太浓了,很可能是你的提示词写的不够好,换言之,不是AI不行,而是你不行😌Token:就像人类有着不同的语言,大模型也有着自己的语言体系,如图9,我们发送文本给大模型时,大模型会先把文本转换为他自己的语言,并推理生成答案,而后再翻译成我们看得懂的语言输出给我们。正如人类不同语言都有最小的字词单元(汉语的字/词,英语的字母/单词),大模型语言体系中的最小单元就称为Token。这种人类语言到大模型语言的翻译规则,也是人类定义的,以中文为例,由于不同厂商的大模型采用了不同的文本切分方法,因此一个Token对应的汉字数量也会有所不同,但在通常情况下,1Token≈1-2个汉字。请注意,大模型的收费计算方法,以及对输入输出长度的限制,都是以token为单位计量的。上下文:英文通常翻译为context,指对话聊天内容前、后的内容信息。使用时,上下文长度和上下文窗口都会影响AI大模型回答的质量。上下文长度限制了模型一次交互中能够处理的最大token数量,而上下文窗口限制了模型在生成每个新token时实际参考的前面内容的范围(关于这一点,你需要看完3.2中关于GPT的讨论,方能更好理解)

藏师傅教你用 AI 三步制作任意公司的周边图片,不用到处找样机文件

人民有信仰整了个提示词一件生成的智能体:https://www.coze.cn/s/iDec2U13/glif又一个出圈爆款玩法。用In-Context LoRA制作任何Logo的周边!!效果好到💥,样机网站有点难受了。我整理了他们这个工作流,做了几个国产AI软件的周边。整个流程分为三个部分:获取Logo图片的描述根据Logo图片的描述和生成意图生成图片提示词将图片和提示词输入Comfyui工作生成[heading2]用下面的提示词生成关于Logo图片的描述:[content]为了帮助一位视障艺术家,我们需要详细描述这幅图像的内容,包括从摄影(Photography)、标志设计(Logo Design)到较为冷门的艺术风格等各个方面。对于出现在图中的人物,虽然不能提及具体姓名,但考虑到艺术家的特殊需求,我们需要以匿名方式描述他们的主要特征(切记不要提及真实姓名)。请直接进行描述,控制在50字左右。[heading2]用LLM生成图像提示词[content]将第一步生成的提示词填入{图像描述}位置,将你想生成的周边填入{周边描述}部分。这是一个提示词示例:"The pair of images highlights a logo and its real-world use for a hi-tech farming equipment;[IMAGE1]a black background showcases a logo with a stylized,fish in magenta and cyan,titled“BLINK”in an bold font,with bubble details underneath;[IMAGE2]this logo is applied as a black and white tattoo on lower back of an inmate"我希望你参考"{图像描述}"的内容和风格特点,创作一个类似的提示放在左侧面板。然后根据"{周边描述}"的内容,设计配套的右侧面板描述,需要表达"展示同样的内容(可以是角色、标志等)"这样的意思。直接给出提示内容,无需其他说明!开始!

其他人在问
开源的开源的 LLM 微调推理,agent开发平台
以下是为您整理的关于开源的 LLM 微调推理、agent 开发平台的相关内容: LLM 作为 Agent 的“大脑”的特点: 1. 知识获取能力:通过预训练学习大量语言数据,掌握丰富语言信息和常识知识,能处理多种任务。 2. 指令理解:擅长解析人类语言指令,采用深度神经网络进行自然语言理解和生成,精准理解意图。 3. 泛化能力:在未见过的数据上表现良好,能利用先前知识处理新挑战,形成对语言结构的通用理解。 4. 推理和规划:能够进行逻辑推理和未来预测,分析条件制定最佳行动方案,在复杂环境中做出理性选择。 5. 交互能力:拥有强大对话能力,在多人多轮次对话中自然流畅交流,改善用户体验。 6. 自我改进:基于用户反馈和效果评估,通过调整参数、更新算法提升性能和准确性。 7. 可扩展性:可根据具体需求定制化适配,针对特定领域数据微调提高处理能力和专业化水平。 相关产品和平台: 1. ComfyUI:可在其中高效使用 LLM。 2. Vercel AI SDK 3.0:开源的工具,可将文本和图像提示转换为 React 用户界面,允许开发者创建丰富界面的聊天机器人。 3. OLMo7BInstruct:Allen AI 开源的微调模型,可通过资料了解从预训练模型到 RLHF 微调模型的所有信息并复刻微调过程。 4. Devv Agent:能提供更准确、详细的回答,底层基于 Multiagent 架构,根据需求采用不同 Agent 和语言模型。 实例探究: 1. ChemCrow:特定领域示例,通过 13 个专家设计的工具增强 LLM,完成有机合成、药物发现和材料设计等任务。 2. Boiko et al. 研究的 LLM 授权的科学发现 Agents:可处理复杂科学实验的自主设计、规划和执行,能使用多种工具。
2024-12-12
LLM 和 AI Agent的区别
LLM(大型语言模型)和 AI Agent(人工智能智能体)存在以下区别: LLM 主要侧重于语言的理解和生成,具有强大的语言处理能力。它们在大规模语料库上进行预训练,能够通过少量样本展现出泛化能力。然而,其缺点是计算资源消耗大,可能存在偏见和误解。 AI Agent 则为人工智能应用程序提供了全新的功能,包括解决复杂问题、对外界采取行动以及在部署后从经验中学习。它们通过高级推理/规划、工具使用、记忆/递归/自我反思的组合来实现这些功能。AI Agent 能够进行令人难以置信的演示,但目前大多数框架仍处于概念验证阶段,还不能可靠、可重现地完成任务。 基于 LLM 的 AI Agent 以 LLM 置于“大脑”或“控制器”的核心位置,赋予强大的语言理解和生成能力。为扩展感知和行动范围,采用多模态感知技术和工具利用策略,能理解和响应多种类型输入,并与环境有效互动。通过思维链和问题分解技术展现出推理和规划能力,还能从反馈中学习并执行新行动,表现出类似反应式 Agent 的特性。其已在软件开发、科学研究等现实场景中应用,能利用自然语言理解和生成能力与其他 Agent 交流协作。特点是基于大规模神经网络,特别是 Transformer 架构,技术上有 Llama、GPT 等预训练大型语言模型,优点是强大的语言理解、生成和对话能力,缺点是计算资源消耗大,可能存在偏见和误解。
2024-12-09
如何调教LLM写好提示词
以下是关于调教 LLM 写好提示词的相关内容: 1. 无需微调,仅用提示词工程就能让 LLM 获得 tool calling 的功能: 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。 提示词注入将工具信息及使用工具的提示词添加到系统提示中,其中 INSTRUCTION 包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。TOOL_EAXMPLE 用于提示 LLM 理解和使用工具,编写时注意用无关紧要的工具作示例避免混淆。tools_instructions 可通过输入不同工具动态调整,让 LLM 得知可用工具及使用方法。REUTRN_FORMAT 定义调用 API 的格式。 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。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,若接口不接受,可改为回传给 user 角色。 2. 藏师傅教您用 AI 三步制作任意公司的周边图片: 整个流程分为三个部分:获取 Logo 图片的描述、根据 Logo 图片的描述和生成意图生成图片提示词、将图片和提示词输入 Comfyui 工作生成。 用下面的提示词生成关于 Logo 图片的描述:为帮助视障艺术家,需详细描述图像内容,包括摄影、标志设计等方面,控制在 50 字左右。 用 LLM 生成图像提示词:将第一步生成的提示词填入{图像描述}位置,将想生成的周边填入{周边描述}部分。 3. 小七姐:Prompt Engineering a Prompt Engineer 精读翻译: 提示词工程是优化大型语言模型性能的具有挑战性但至关重要的任务,需要复杂推理检查模型错误等。 研究了“PROMPT ENGINEERING A PROMPT ENGINEER”的问题,介绍并分析关键组成部分,如逐步推理模板和上下文规范等。 最终方法 PE2 在多个数据集和任务中表现出色,能进行有意义和针对性的提示词编辑,展现出反事实推理能力。
2024-12-08
LLM对未来的影响有哪些
LLM 对未来的影响主要体现在以下几个方面: 1. 应用程序架构:代理有可能成为 LLM 应用程序架构的核心部分,为人工智能应用程序提供解决复杂问题、对外界采取行动以及从经验中学习等全新功能。但目前大多数代理框架仍处于概念验证阶段。 2. 能力拓展:未来的大型语言模型将能够读取和生成文本,拥有更丰富的知识,能利用现有软件基础架构,具备查看和生成图像与视频、听取发声创作音乐、利用系统 2 进行深入思考、在特定领域自我优化以及针对特定任务定制和调整等能力。 3. 落地应用:LLM 技术正从 demo 向落地阶段发展,在达到一定水平后,其在各个业务场景中的实用性将大大提升。但当前大部分应用仍处于探索阶段,在推理、训练学习效率等方面还有待提高,且与视觉、触觉等技术的搭配尚未成熟。同时,关于数据驱动的概率模型和由第一性原理建立的数理模型如何更好地模拟世界以及两者的融合方式仍有待解决。在应用方面,包括自然语言、ToB、ToC 等领域。
2024-12-03
LLM最大的价值是什么
LLM 具有以下重要价值: 1. 作为 LangChain 平台与各种大模型交互的核心模型,是一个能处理语言输入和输出的抽象概念,开发者无需关心大模型细节,只关注语言逻辑和意义,就能利用其能力构建应用,还能灵活选择和切换大模型,甚至自行封装实现特定语言逻辑和功能。 2. 能够强化人类既有的能力,未来可能促使每个人成为全栈人员,并重新划分岗位,关键在于对 LLM、自身技能和业务应用的理解。 3. 具有知识获取能力,通过预训练学习大量语言数据,掌握丰富语言信息和常识知识,能处理多种任务。 4. 擅长解析人类语言指令,精准理解用户语言表达意图。 5. 具备泛化能力,在未见过的数据上表现良好,能利用先前知识处理新挑战。 6. 能够进行逻辑推理和未来预测,在复杂动态环境中做出理性选择并引导行动。 7. 拥有强大的交互能力,在多人多轮次对话中自然流畅交流,改善用户体验。 8. 可以基于用户反馈和效果评估进行自我改进,逐渐提升性能和准确性。 9. 具有可扩展性,能根据具体需求定制化适配,通过微调提高特定领域处理能力和专业化水平。
2024-12-03
LLM是什么
LLM(语言逻辑模型)是 LangChain 平台与各种大模型进行交互的核心模型,是一个能够处理语言输入和输出的抽象概念,可理解为黑盒。其输入是表示用户请求或问题的字符串,输出是表示模型回答或结果的字符串。 LLM 具有以下优势: 1. 让开发者无需关心大模型的细节和复杂性,只需关注语言的逻辑和意义,就能利用大模型的能力构建应用。 2. 使开发者能灵活选择和切换不同的大模型,无需修改代码或适配接口。 3. 允许开发者自己封装自己的 LLM,实现自己的语言逻辑和功能。 RAG 对大语言模型(LLM)的作用如同开卷考试对学生,事实性知识与 LLM 的推理能力相分离,被存储在容易访问和及时更新的外部知识源中,包括参数化知识(模型在训练过程中学习得到,隐式储存在神经网络的权重中)和非参数化知识(存储在外部知识源,如向量数据库中)。 此外,LLM 可以是复杂、通用和强大的系统,能在广泛任务上表现出色,也可用于或微调执行特定任务,如知识生成和自我验证。同时,LLM 可用于检测对抗提示并将其过滤掉,如 Armstrong 和 Gorman(2022)提出的有趣解决方案,包括定义提示评估器等。
2024-12-03
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