Navigate to WaytoAGI Wiki →
Home/question.detail.breadcrumb.questionList/question.detail.breadcrumb.questionDetail

costar 框架

Answer

CO-STAR 框架是一个获奖的提示词框架,由 Sheila Teo 开发。作者在新加坡首届 GPT-4 Prompt Engineering 大赛中使用该框架并获得冠军。此框架由新加坡政府科技署(GovTech)组织的大赛中产生,汇聚了超过 400 位优秀的参与者。

CO-STAR 框架涵盖以下要素:

  1. Context(上下文):提供必要的背景信息,帮助大型语言模型(LLM)理解对话或请求的环境和条件。没有足够的上下文,LLM 可能会误解问题或给出不相关的信息。明确的上下文有助于确保 LLM 的回答既准确又相关。例如,如果文章是为一个特定的行业会议撰写,那么上下文中应该包含会议的主题、参与者的背景信息以及任何相关的行业趋势。
  2. Objective(目标):明确说明希望从 LLM 那里得到的具体结果或行动。清晰的目标可以帮助 LLM 集中精力解决问题,并减少无关的回答。例如,如果目标是撰写一篇文章,那么应具体说明文章的目的(比如介绍新技术、分析市场趋势等)以及期望达到的效果(比如提高品牌知名度、激发行业讨论等)。
  3. Style(风格):明确您期望的写作风格。您可以指定一个特定的著名人物或某个行业专家的写作风格,如商业分析师或 CEO。这将指导 LLM 以一种符合您需求的方式和词汇选择进行回应。
  4. Tone(语气):设置回应的情感调。设定适当的语气,确保 LLM 的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。
  5. Audience(受众):识别目标受众。针对特定受众定制 LLM 的回应,无论是领域内的专家、初学者还是儿童,都能确保内容在特定上下文中适当且容易理解。
  6. Response(回复):规定输出的格式。确定输出格式是为了确保 LLM 按照您的具体需求进行输出,便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理 LLM 输出的应用来说,JSON 格式是理想的选择。

在使用大语言模型时,有效的提示构建至关重要。CO-STAR 框架,由新加坡政府科技局数据科学与 AI 团队创立,是一个实用的提示构建工具。它考虑了所有影响大语言模型响应效果和相关性的关键因素,帮助您获得更优的反馈。

应用 CO-STAR 框架时:

  1. (C)上下文:为任务提供背景信息。通过为大语言模型(LLM)提供详细的背景信息,可以帮助它精确理解讨论的具体场景,确保提供的反馈具有相关性。
  2. (O)目标:明确您要求大语言模型完成的任务。清晰地界定任务目标,可以使大语言模型更专注地调整其回应,以实现这一具体目标。
  3. (S)风格:明确您期望的写作风格。您可以指定一个特定的著名人物或某个行业专家的写作风格,如商业分析师或 CEO。
  4. (T)语气:设置回应的情感调。设定适当的语气,确保大语言模型的回应能够与预期的情感或情绪背景相协调。
  5. (A)受众:识别目标受众。针对特定受众定制大语言模型的回应,无论是领域内的专家、初学者还是儿童,都能确保内容在特定上下文中适当且容易理解。
  6. (R)响应:规定输出的格式。确定输出格式是为了确保大语言模型按照您的具体需求进行输出,便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说,JSON 格式是理想的选择。
Content generated by AI large model, please carefully verify (powered by aily)

References

安迪:写给职场人的 AI 办公手册——如何与 AI 高效对话

CO-STAR是一个获奖的提示词框架,由**Sheila Teo**开发**。**作者在新加坡首届GPT-4 Prompt Engineering大赛中使用CO-STAR框架,获得冠军。新加坡首届GPT-4提示工程(Prompt Engineering)大赛,由新加坡政府科技署(GovTech**)组织,汇聚了超过400位优秀的参与者。CO-STAR框架涵盖以下要素:**Context(上下文)、Objective(目标)、Style(风格)、Tone(语气)、Audience(受众)、Response(回复)**。Context(上下文)定义:提供必要的背景信息,帮助大型语言模型(LLM)理解对话或请求的环境和条件。重要性:没有足够的上下文,LLM可能会误解问题或给出不相关的信息。明确的上下文有助于确保LLM的回答既准确又相关。示例:如果文章是为一个特定的行业会议撰写,那么上下文中应该包含会议的主题、参与者的背景信息以及任何相关的行业趋势。Objective(目标)定义:明确说明希望从LLM那里得到的具体结果或行动。重要性:清晰的目标可以帮助LLM集中精力解决问题,并减少无关的回答。示例:如果目标是撰写一篇文章,那么应具体说明文章的目的(比如介绍新技术、分析市场趋势等)以及期望达到的效果(比如提高品牌知名度、激发行业讨论等)。Style(风格)

我如何夺冠新加坡首届 GPT-4 提示工程大赛-翻译自宝玉

在使用大语言模型时,有效的提示构建至关重要。CO-STAR框架,由新加坡政府科技局数据科学与AI团队创立,是一个实用的提示构建工具。它考虑了所有影响大语言模型响应效果和相关性的关键因素,帮助你获得更优的反馈。[heading3]如何应用CO-STAR框架:[content](C)上下文:为任务提供背景信息通过为大语言模型(LLM)提供详细的背景信息,可以帮助它精确理解讨论的具体场景,确保提供的反馈具有相关性。(O)目标:明确你要求大语言模型完成的任务清晰地界定任务目标,可以使大语言模型更专注地调整其回应,以实现这一具体目标。(S)风格:明确你期望的写作风格你可以指定一个特定的著名人物或某个行业专家的写作风格,如商业分析师或CEO。这将指导大语言模型以一种符合你需求的方式和词汇选择进行回应。(T)语气:设置回应的情感调设定适当的语气,确保大语言模型的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。(A)受众:识别目标受众针对特定受众定制大语言模型的回应,无论是领域内的专家、初学者还是儿童,都能确保内容在特定上下文中适当且容易理解。(R)响应:规定输出的格式确定输出格式是为了确保大语言模型按照你的具体需求进行输出,便于执行下游任务。常见的格式包括列表、JSON格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说,JSON格式是理想的选择。

4、调度器、采样器介绍 副本

采样器决定了如何从潜在空间中选择和处理噪声,以生成最终图像。ComfyUI支持多种采样器,每种都有其特点:基础采样器:如Euler,Heun,DDIM等。DPM系列:包括各种DPM(Denoising Diffusion Probabilistic Models)变体。Karras变体:许多采样器都有对应的Karras版本,通常能产生更清晰的结果。SDE(Stochastic Differential Equation)变体:如DPM++ SDE,适合生成精细纹理。Exponential变体:如Euler Exponential,在采样过程中使用指数噪声调度。特殊用途采样器:如LCM(Latent Consistency Model),Restart,Dynamic Thresholding等。[heading2]1、基础采样器[heading3]Euler[content]特点:一种常见的梯度下降方法,提供平衡的质量和速度。生成效果较为稳定,适合广泛的图像生成任务。推荐场景:适合新手和实验性生成,尤其在需要平衡速度和质量时。[heading3]Euler a[content]特点:增强版的Euler方法,进一步提高了生成质量或效率。更适合需要更高质量输出的场景。推荐场景:适合创意性更强或需要更细节图像的任务。[heading3]Euler Exponential[content]特点:结合了指数衰减的Euler采样器,生成图像可能更平滑。推荐场景:在生成过程中需要更平滑过渡和结果的场景。

Others are asking
如何利用 AIGC 技术实现游戏产业的生产力革命,请结合相关技术的原理和框架图进行阐述
利用 AIGC 技术实现游戏产业的生产力革命主要体现在以下几个方面: 1. 降低开发成本:AIGC 技术能够极大程度地减少游戏开发过程中的人力、物力和时间投入。 2. 缩减制作周期:加快游戏的制作速度,使游戏能够更快地面向市场。 3. 提升游戏质量:例如生成新的高质量游戏内容,如地图、角色和场景,改进游戏的图像和声音效果等。 4. 带来新的交互体验:为玩家提供更加丰富和独特的游戏体验。 游戏人工智能技术的未来发展方向还包括: 1. 探索将游戏环境中的成果迁移至现实世界:电子游戏作为人工智能算法的测试场,为人工智能模型的构建与训练提供了理想化的场所,但将游戏中的技术推广到现实世界应用仍面临诸多挑战,需要进一步研究和发展。 2. 为通用人工智能的孵化给予帮助:经多个复杂游戏训练后的“玩游戏”的人工智能体,将为通用人工智能的发展提供支持。 随着游戏中生成式人工智能革命的进展,它将彻底重塑用户生成内容(UGC),创造一个任何人都可以构建游戏的世界,并将游戏市场扩大到超出许多人的想象。在未来几年,深厚的技术知识或艺术掌握将不再是开发游戏所需的基本技能,创作者只会受到他们的精力、创造力和想象力的限制。生成式人工智能将通过使游戏创作民主化来改变和颠覆 UGC 游戏领域,让数百万人能够制作他们的第一款游戏,新一代游戏开发者将释放出一波游戏设计创造力浪潮,从而永远改变游戏行业。
2024-12-24
输出12个精选prompt框架
以下是 12 种精选的 Prompt 框架: 1. Key Result(关键结果):明确想要的具体效果,通过试验并调整。包括改进输入、改进答案和重新生成等方法。 2. Evolve(试验并改进):三种改进方法自由组合,如从答案不足之处改进背景、目标与关键结果,在后续对话中指正 ChatGPT 答案缺点,或在 Prompt 不变情况下多次生成结果优中选优。 3. CONTEXT(上下文背景):为对话设定舞台。 4. OBJECTIVE(目的):描述目标。 5. ACTION(行动):解释所需的动作。 6. SCENARIO(方案):描述场景。 7. TASK(任务):描述任务。 8. ICIO 框架:相关链接 9. CRISPE 框架:相关链接 10. BROKE 框架:作者陈财猫,相关链接 11. PATFU 泡芙提示词框架:作者口袋君,包括清晰表述需要解决的问题、问题所在领域及需要扮演的角色、解决问题需要执行的具体任务。 12. Format(格式):详细定义输出的格式和限制条件,以及记录提示词版本并根据输出结果对提示词迭代。
2024-12-16
Prompts提示词有哪些写作框架?
以下是一些常见的 Prompts 提示词写作框架: 1. 情境:先描述所处的情境,明确要完成的任务,阐述采取的行动,最后说明期望得到的结果。 2. 假设情景:鼓励探讨假设性场景,例如“假设全球变暖持续恶化,我们需要采取哪些措施应对?” 3. 数据:鼓励使用统计数据或数据支持主张,比如“在关于电动汽车的文章中提供销售数据和环境影响数据。” 4. 个性化:根据用户偏好或特点要求个性化,像“请根据用户对喜剧电影的喜好推荐几部好看的电影。” 5. 语气:指定所需语气,如正式、随意、信息性、说服性,例如“请用正式语气编写一篇关于气候变化的文章。” 6. 格式:定义格式或结构,如论文、要点、大纲、对话,比如“请为我提供一个关于健康饮食的要点清单。” 7. 限制:指定约束条件,如字数或字符数限制,例如“请提供一个关于太阳能的 100 字简介。” 8. 引用:要求包含引用或来源以支持信息,比如“请在关于全球变暖的文章中引用权威研究。” 9. 语言:如果与提示不同,请指明回应的语言,例如“请用法语回答关于巴黎旅游景点的问题。” 10. 反驳:要求解决潜在的反驳论点,比如“针对抵制疫苗接种的观点提出反驳。” 11. 术语:指定要使用或避免的行业特定或技术术语,例如“请用通俗易懂的语言解释区块链技术。” 您可以根据具体需求选择适合的框架来编写提示词。如果您觉得这些框架过于复杂,还可以结合自己的生活或工作场景,想一个能帮助简单自动化的场景,比如自动给班级里的每个孩子起个昵称、自动排版微信群经常发的运营小文案、自动帮您安排周一到周日的减脂餐、帮您列一个清晰的学习计划等。
2024-12-09
生成文章摘要及框架的提示词
以下是关于生成文章摘要及框架的提示词相关内容: 办公通用场景: 总结助手:请帮我总结以下文章,将以下文本总结为 100 个单词,使其易于阅读和理解。摘要应简明扼要,并抓住文本的要点。避免使用复杂的句子结构或技术术语。 周报生成器:根据日常工作内容,提取要点并适当扩充,以生成周报。 相关链接: Chain of Density:为给定文章生成越来越精简且信息丰富的摘要,重复两个步骤 5 次。步骤 1 找出 1 3 项先前摘要中遗漏的信息实体“informative entity”,步骤 2 生成新的更紧凑的摘要,涵盖先前所有信息实体及缺失实体。回复格式为 JSON,包含“Missing_Entities”和“Denser_Summary”两个键值。 利用 AI 打造爆款公众号文章:关键在于提供清晰且具指导性的提示词,好的提示词能让 AI 更准确理解需求并生成符合预期的内容。可从基础提示词进阶到更详细、具创意的提示词,为 AI 设定文章语气、风格和重点,最终产出内容可能需微调以符合预期和公众号风格。
2024-12-05
智能体是什么?设计框架及关键技术是什么?如何从通用大模型搭建一款智能体
智能体是建立在大模型之上的具有特定功能的系统。 其特点包括: 1. 强大的学习能力:能通过大量数据学习,理解和处理语言、图像等多种信息。 2. 灵活性:适应不同任务和环境。 3. 泛化能力:将学到的知识泛化到新情境,解决未见过的类似问题。 智能体的应用领域广泛,如: 1. 自动驾驶:感知周围环境并做出驾驶决策。 2. 家居自动化:根据环境和用户行为自动调节设备。 3. 游戏 AI:游戏中的对手角色和智能行为系统。 4. 金融交易:根据市场数据做出交易决策。 5. 客服聊天机器人:通过自然语言处理提供自动化客户支持。 6. 机器人:各类机器人中的智能控制系统。 设计和实现一个智能体通常涉及以下步骤: 1. 定义目标:明确需要实现的目标或任务。 2. 感知系统:设计传感器系统采集环境数据。 3. 决策机制:定义决策算法,根据感知数据和目标做出决策。 4. 行动系统:设计执行器或输出设备执行决策。 5. 学习与优化:若为学习型智能体,设计学习算法以改进。 从通用大模型搭建一款智能体,可参考以下流程: 本智能体的实现包含 3 个工作流和 6 个图像流,整体包含 171 个节点。采用单 Agent 管理多工作流策略,流程包括: 1. 信息聚合与数据挖掘:通过高度集成的数据采集机制,全面收集产品关键信息。 2. 卖点提炼与优化:运用先进的大模型分析信息,提炼具有市场竞争力和独特性的卖点。 3. 买点转化与策略应用:将卖点转化为消费者视角的买点,增强产品吸引力。 4. 视觉化信息呈现:设计直观且具有冲击力的卡片展示,确保信息传达的有效性和视觉吸引力。 5. 文案与脚本调整:根据目标受众偏好和媒体渠道,动态调整文案或脚本,实现内容的最佳适配。 6. 流程结果存储与分析:将处理结果系统化地存储到飞书,以供未来策略优化和决策支持。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2024-12-04
18种提示词框架
以下是 18 种提示词框架的相关介绍: 1. ICIP 框架:包括指令(Instruction,必须)、背景信息(Context,选填)、输入数据(Input Data,选填)和输出指示器(Output Indicator,选填)四个部分。 2. BROKE 框架:着重于背景(Background)、角色定义(Role)、目标设定(Objectives)、关键成果展示(Key Result)以及持续的试验与优化(Evolve)五个方面。 3. CRISPE 框架:分为上下文(Context)、角色(Role)、说明(Instruction)、主题(Subject)、预设(Preset)和例外(Exception)六个部分。 4. 情境框架:基础且简单,易于入手。 提示词工程师是专门负责为大语言模型设计、优化和实施 Prompt 的技术角色。他们不仅要编写 Prompt,还需进行测试和优化以确保输出质量。善于发现需求、解析需求并写成专业的 Prompt 以解决问题。 标识符如、<>等,以及属性词如 Role、Profile、Initialization 等,有助于控制内容层级和标识语义结构。 结构化提示词框架可视为提示词的标准格式,在不了解如何开始设计提示词时可作为通用标准使用,其在行业内应用广泛且成熟度较高。 您可以在 AGI 的相关板块看到优秀的结构化 Prompt 示例。如果觉得某些例子复杂,可结合自身生活或工作场景,如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等,选择一个适合的提示词框架开启首次编写。
2024-11-29