以下是关于 AI 提示词生成的相关内容:
作者:@mista.lewys@normalgoodz翻译:格林[heading3]《PROMPTS FOR AI DANCE MUSIC》[content]音乐大佬@mista.lewys@normalgoodz/Lewys C.G.Evans发在SUNO.WIKI的PROMPTS BOOK格林用GPT把内容都翻译和扩展完了做了还简单明了的入门介绍Here's a comprehensive list of 108 concise prompts for generating AI Dance Music,eachfitting within 117 to 120 characters for optimal character use and clarity.These promptscover a range of dance music sub-genres:这是一个全面的108条简洁提示列表,用于生成AI舞曲,每个提示的字符数在117到120之间,以优化字符使用和清晰度。这些提示涵盖了各种舞曲子流派:"Punchy 4/4 beats,electro bass,catchy synths,pop vocals,bright pads,club-ready mixes,energetic drops"Punchy 4/4 beats:指的是节奏感强的四四拍鼓点,这是舞曲的基本节奏结构,给人一种强烈的舞动感。Electro bass:指的是电子低音,通常具有合成器生成的低音声音,为音乐增添动感和厚重感。Catchy synths:指的是易于记住的合成器旋律或音效,吸引听众。Pop vocals:指的是流行音乐风格的主唱,通常旋律简单,易于传唱。Bright pads:指的是明亮的和弦音效,用来填充音乐的空间,使其更加饱满。Club-ready mixes:指的是适合在夜店播放的混音,确保音乐具有现场效果。Energetic drops:指的是高潮部分,通常节奏突然加快或变化,带来能量爆发的感觉。
在上述案例中,该方法的核心要点在于,充分发挥AI自身的逻辑分析以及抽象总结能力,主动从用户所提供的样例表象中总结出方法论。用户只需对AI提供的方法论正确与否进行判断,零星、分散地提出自身的意见,便能够推动AI不断进行反思,总结出更为优质的内容生成方法与要求,进而为AI提示词爱好者提供一种门槛较低的提示词生成途径。可以说,在某些特定场景下,样例驱动的渐进式引导法,的确能够让AI主动理解我们的需求,且不再依赖Prompt工程师的知识洞察和思维素质,自动化地提炼出高可用的提示词🥳。[heading2]一点补充:提示词递归[content]LLM具有上下文长度限制。在长对话中,特别是使用渐进式引导法时,由于对话轮数的增加(用户输入+AI回复的累积),可能会触碰到长度限制。这可能导致AI遗忘早期的对话内容,进而影响输出质量。所以需要引入“提示词递归”的概念与方法。我们在长对话中定期总结和重新引入关键信息,确保AI不会遗忘重要的上下文。具体步骤如下:1.初始提示:开始对话时使用清晰、具体的初始提示。2.定期总结:在对话进行中,定期总结已讨论的关键点。3.重新引入:将总结的信息重新引入到新的提示中。4.细化和拓展:基于之前的回答,逐步细化或拓展问题。5.验证和优化:确保新的提示词在不同情况下都能引导AI生成高质量内容。例如:
在上述案例中,该方法的核心要点在于,充分发挥AI自身的逻辑分析以及抽象总结能力,主动从用户所提供的样例表象中总结出方法论。用户只需对AI提供的方法论正确与否进行判断,零星、分散地提出自身的意见,便能够推动AI不断进行反思,总结出更为优质的内容生成方法与要求,进而为AI提示词爱好者提供一种门槛较低的提示词生成途径。可以说,在某些特定场景下,样例驱动的渐进式引导法,的确能够让AI主动理解我们的需求,且不再依赖Prompt工程师的知识洞察和思维素质,自动化地提炼出高可用的提示词🥳。[heading2]一点补充:提示词递归[content]LLM具有上下文长度限制。在长对话中,特别是使用渐进式引导法时,由于对话轮数的增加(用户输入+AI回复的累积),可能会触碰到长度限制。这可能导致AI遗忘早期的对话内容,进而影响输出质量。所以需要引入“提示词递归”的概念与方法。我们在长对话中定期总结和重新引入关键信息,确保AI不会遗忘重要的上下文。具体步骤如下:1.初始提示:开始对话时使用清晰、具体的初始提示。2.定期总结:在对话进行中,定期总结已讨论的关键点。3.重新引入:将总结的信息重新引入到新的提示中。4.细化和拓展:基于之前的回答,逐步细化或拓展问题。5.验证和优化:确保新的提示词在不同情况下都能引导AI生成高质量内容。例如: