提示词工程的学习路径

Coze 扣子是一款基于自然语言处理和人工智能技术的智能助手平台，具有以下特点和功能： 1. 提供丰富的插件生态，能帮助用户快速实现个性化的智能应用，无需编写复杂代码。 2. 经过一年多的用户打磨，插件生态和分发渠道对个人用户够用，上手难度不高，信息获取插件丰富。 3. 推出专业版服务，主要特性包括企业级 SLA 保障、高级特性支持（如批量处理、私有数据等）以及更优惠的计费项。 对于非 IT 专业的普通人，学习用它来创建智能体的路径和步骤如下： 1. 体验和了解 Coze 扣子平台的基本功能和操作，熟悉其界面和常用工具。 2. 学习相关的基础知识，例如自然语言处理的基本概念、智能体的工作原理等。 3. 参考平台提供的教程和示例，逐步尝试创建简单的智能体。 4. 加入相关的学习交流群，与其他用户交流经验，共同学习进步。 需要注意的是，目前提示词攻击在业内是公开的秘密，像扣子这样的智能体编排平台，其热门智能体的核心提示词可能会被轻易获取，存在一定的安全风险。

以下是为新手提供的 AI 学习路径： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，通过实践巩固知识，尝试使用各种产品做出作品。 知识库中有很多实践后的作品、文章分享，欢迎实践后分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 另外，如果您偏向技术研究方向，学习路径包括： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您偏向应用方向，学习路径包括： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

以下是为新手提供的 AI 学习路径： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，通过实践巩固知识，尝试使用各种产品做出作品。 知识库中有很多实践后的作品、文章分享，欢迎实践后分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 另外，如果您偏向技术研究方向，学习路径包括： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您偏向应用方向，学习路径包括： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

以下是为新手提供的 AI 学习路径： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人进行互动，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 另外，如果您偏向技术研究方向，学习路径包括： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您偏向应用方向，学习路径包括： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

以下是为新手提供的 AI 学习路径： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人进行互动，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 另外，如果您的学习路径偏向技术研究方向，您需要： 1. 具备数学基础，如线性代数、概率论、优化理论等。 2. 掌握机器学习基础，如监督学习、无监督学习、强化学习等。 3. 深入学习深度学习，包括神经网络、卷积网络、递归网络、注意力机制等。 4. 了解自然语言处理，如语言模型、文本分类、机器翻译等。 5. 熟悉计算机视觉，如图像分类、目标检测、语义分割等。 6. 关注前沿领域，如大模型、多模态 AI、自监督学习、小样本学习等。 7. 进行科研实践，包括论文阅读、模型实现、实验设计等。 如果您的学习路径偏向应用方向，您需要： 1. 具备编程基础，如 Python、C++等。 2. 掌握机器学习基础，如监督学习、无监督学习等。 3. 熟悉深度学习框架，如 TensorFlow、PyTorch 等。 4. 了解应用领域，如自然语言处理、计算机视觉、推荐系统等。 5. 掌握数据处理，包括数据采集、清洗、特征工程等。 6. 学会模型部署，如模型优化、模型服务等。 7. 进行行业实践，包括项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

普通人学习 AI 并找到适合自己发展的路径，可以参考以下步骤： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 如果您想偏向技术研究方向，以下是一些学习路径： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您想偏向应用方向，以下是一些学习路径： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 另外，如果您想将 AI 与宠物结合，可以参考以下例子和学习路径： 1. AI 宠物助手： 基于自然语言处理和计算机视觉的 AI 宠物助手，可以帮助主人更好地照顾宠物。 例如自动识别宠物情绪、提供饮食建议、监测宠物健康状况等。 2. AI 宠物互动玩具： 利用 AI 技术开发的智能互动玩具，可以增强宠物的娱乐体验。 例如会自主移动并引起宠物注意的智能玩具、会发出声音和互动的智能宠物玩具等。 3. AI 宠物图像生成： 使用生成式 AI 模型，可以根据文字描述生成各种宠物形象的图像。 这可以帮助宠物主人定制个性化的宠物形象。 4. AI 宠物医疗诊断： 利用计算机视觉和机器学习技术，可以开发 AI 辅助的宠物医疗诊断系统。 通过分析宠物的症状图像和病历数据，提供初步诊断建议。 5. AI 宠物行为分析： 基于传感器数据和计算机视觉，可以利用 AI 技术分析宠物的行为模式。 帮助主人更好地了解宠物的需求和习性。 学习路径建议： 1. 掌握基础的机器学习、计算机视觉、自然语言处理等 AI 技术。 2. 了解宠物行为学、宠物医疗等相关领域知识。 3. 关注业内先进的 AI+宠物应用案例，学习其技术实现。 4. 尝试开发简单的 AI 宠物应用原型，并不断迭代优化。 总的来说，AI+宠物是一个充满想象空间的新兴赛道，结合 AI 技术和宠物行业需求，可以开发出各种有趣有用的应用。但请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是关于设计提示词的相关内容： 基础知识： 模型能完成多种任务，设计提示词时要明确描述需求。展示而非单纯告知，通常是好提示的秘诀，可通过说明、示例或两者结合表明想要的内容。 提供高质量数据，构建分类器或让模型遵循某种模式时，要确保有足够且正确的示例。 检查温度和 top_p 设置，温度和 top_p 控制模型生成响应的确定性，根据需求调整。 故障排除： 如果 API 无法正常工作，可检查以下方面： 1. 是否清楚生成的预期结果。 2. 是否提供足够的示例。 3. 是否检查示例中有无错误。 4. 是否正确使用温度和 top_p。 什么是提示词： 提示词是给大语言模型的输入文本，用于指定模型的任务和生成的输出，发挥“提示”作用，设计时要根据目标任务和模型能力精心设计。 为什么要学习提示词： 首先要了解大模型的特性，包括能做、不擅长做和完全无法做的事，还要具备清晰表述需求和任务的能力。 在星流一站式 AI 设计工具中的提示词： 提示词用于描绘画面，输入语言支持中英文，启用提示词优化可扩展描述。 写好提示词的方法： 预设词组：小白用户可点击官方预设词组生图，提示词内容要准确，包含人物主体、风格、场景特点等。 调整负面提示词：帮助 AI 理解不想生成的内容。 利用“加权重”功能：让 AI 明白重点内容，可增加、编辑提示词权重。 辅助功能：包括翻译、删除所有提示词、会员加速等。

以下是关于提示词的相关知识： 艺术字生成： 模型选择图片 2.1，输入提示词（可参考案例提示词）。 案例参考： 金色立体书法，“立冬”，字体上覆盖着积雪，雪山背景，冬季场景，冰雪覆盖，枯树点缀，柔和光影，梦幻意境，温暖与寒冷对比，静谧氛围，传统文化，唯美中国风。 巨大的春联，金色的书法字体，线条流畅，艺术美感，“万事如意”。 巨大的字体，书法字体，线条流畅，艺术美感，“书法”二字突出，沉稳，大气，背景是水墨画。 巨大的奶白色字体“柔软”，字体使用毛绒材质，立在厚厚的毛绒面料上，背景是蓝天。 星流一站式 AI 设计工具： 在 prompt 输入框中可输入提示词，使用图生图功能辅助创作。 提示词相关： 用于描绘想生成的画面。 星流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），支持中英文输入。 写好提示词的方法： 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，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，负面提示词可帮助 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，让 AI 明白重点内容，可在功能框增加提示词，并进行加权重调节，权重数值越大，更优先，也可对已有的提示词权重进行编辑。 辅助功能：翻译功能可一键将提示词翻译成英文；删除所有提示词可清空提示词框；会员加速可加速图像生图速度，提升效率。 提示词要素： 提示词由一些要素组成，包括指令（想要模型执行的特定任务或指令）、上下文（包含外部信息或额外的上下文信息，引导语言模型更好地响应）、输入数据（用户输入的内容或问题）、输出指示（指定输出的类型或格式）。 示例：在文本分类任务的提示中，指令是“将文本分类为中性、否定或肯定”，输入数据是“我认为食物还可以”，输出指示是“情绪：”。提示词所需的格式取决于想要语言模型完成的任务类型，并非所有要素都是必须的。

以下为您介绍一些好用的提示词优化工具： 1. 星流一站式 AI 设计工具： 在 prompt 输入框中可输入提示词，使用图生图功能辅助创作。 支持自然语言（如一个长头发的金发女孩）和单个词组（如女孩、金发、长头发）输入，且支持中英文。 启用提示词优化后，能帮您扩展提示词，更生动地描述画面内容。 小白用户可点击提示词上方官方预设词组进行生图。 写好提示词要做到内容准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等，比如：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。 可调整负面提示词，点击提示框下方的齿轮按钮，弹出负面提示词框，负面提示词能帮助 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，让 AI 明白重点内容，可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。 具备辅助功能，如翻译功能可一键将提示词翻译成英文，还能删除所有提示词，会员加速能提升图像生图速度和效率。 2. Midjourney Bot 的 /shorten 命令： 最短的提示，Option 5：tower of donuts,sprinkles 产生了最接近原始目标的图像。 许多填充词，如“异想天开”“令人着迷”和“杰作”可以省略。 了解“塔”和“魔法”被认为是重要的标记有助于解释为什么一些图像是用童话城堡元素生成的。 了解这一点提供了一条线索：如果目标是制作一堆美味的甜甜圈，则应该从提示中删除“神奇”。 该 /shorten 命令是一个工具，可帮助您探索 Midjourney Bot 如何解释标记并尝试单词，但可能不适用于所有主题和提示风格。

以下是关于提示词的相关知识： 艺术字生成： 模型选择图片 2.1，输入提示词（可参考案例提示词）。 案例参考： 金色立体书法，“立冬”，字体上覆盖着积雪，雪山背景，冬季场景，冰雪覆盖，枯树点缀，柔和光影，梦幻意境，温暖与寒冷对比，静谧氛围，传统文化，唯美中国风。 巨大的春联，金色的书法字体，线条流畅，艺术美感，“万事如意”。 巨大的字体，书法字体，线条流畅，艺术美感，“书法”二字突出，沉稳，大气，背景是水墨画。 巨大的奶白色字体“柔软”，字体使用毛绒材质，立在厚厚的毛绒面料上，背景是蓝天。 星流一站式 AI 设计工具： 在 prompt 输入框中可输入提示词，使用图生图功能辅助创作。 提示词相关： 什么是提示词：用于描绘画面，支持中英文输入，星流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）。启用提示词优化后，可扩展提示词，更生动地描述画面内容。 如何写好提示词： 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。 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，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，负面提示词可帮助 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：可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。还可对已有的提示词权重进行编辑。 辅助功能：包括翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。 提示词要素： 提示词由一些要素组成，包括指令（想要模型执行的特定任务或指令）、上下文（包含外部信息或额外的上下文信息，引导语言模型更好地响应）、输入数据（用户输入的内容或问题）、输出指示（指定输出的类型或格式）。 示例：在文本分类任务的提示示例中，指令是“将文本分类为中性、否定或肯定”，输入数据是“我认为食物还可以”部分，输出指示是“情绪：”。提示词所需的格式取决于想要语言模型完成的任务类型，并非所有要素都是必须的。

以下是对大纲提示词相关内容的总结： 1. 学校通用场景中，作为豆瓣书评人，需按特定格式输出书籍的重点内容，包括标题、作者、时间、问题、总结、观点、金句和案例等。 2. 在并行任务方面，有关于概念的文章大纲编写，包括用 XML 标签标记大纲、扩展大纲中的句子，并考虑读者年龄段。 3. 胡凯翔提出构建提示词的方法，包括充分描述任务、标注提示词不同部分、添加示例（可选）、描述踩坑点（可选），以构建 GPT 能听懂并执行的清晰明确命令。

以下是为您提供的文档检测相关的提示词： 新闻文章的事实核查员： 角色：你是一个新闻文章的事实核查员。 个人信息：作者为悟空，版本 0.1，语言为中文，工作是确定新闻报道中哪些段落是假的。 目标：首先能区分事实和观点，确定事实和观点是否一致，同时呈现事实和观点，用问号标记缺乏事实支持的观点。 约束：总结事实，原样重述观点。 技能：具备区分事实和观点的能力，使用表情符号、缩写、粗体文本等格式化技术使内容清晰生动。 工作流程：逐步列出文本中的事实和观点，先列事实再列观点，用颜文字符号标记与事实不符的观点并提供判断理由，进一步解释推理。 文章打分器： 角色：文章打分器。 个人信息：作者为李继刚，版本 0.1，语言为中文，基于打分项对文章打分并给出总体得分和各项得分。 目标：了解文章的针对性、观点阐述是否清晰，信息量和文采是否丰富，排版和撰写长度是否符合阅读习惯。 约束：只能对文本文件打分，无法识别图片和视频等非文本内容。 技能：对文字质量有深刻理解，了解优秀文章特征，能进行排版分析和文章长度分析。 工作流程：读取输入文件，包括文章标题和正文。 此外，为您提供一些与文档检测提示词相关的网站： Majinai： 词图： Black Lily： Danbooru 标签超市： 魔咒百科词典： AI 词汇加速器： NovelAI 魔导书： 鳖哲法典： Danbooru tag： AIBooru：

如果您想系统学习 AI 应用，可以从以下几个方面入手： 一、基础概念和知识 1. 了解 AI 背景知识，包括人工智能、机器学习、深度学习的定义及其之间的关系。 2. 回顾 AI 的发展历程和重要里程碑。 二、数学基础 1. 掌握统计学基础，熟悉均值、中位数、方差等统计概念。 2. 了解线性代数基本概念，如向量、矩阵。 3. 学习基础的概率论知识，如条件概率、贝叶斯定理。 三、算法和模型 1. 学习监督学习，了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 熟悉无监督学习，如聚类、降维等算法。 3. 了解强化学习的基本概念。 四、评估和调优 1. 学会如何评估模型性能，包括交叉验证、精确度、召回率等。 2. 掌握模型调优的方法，如使用网格搜索等技术优化模型参数。 五、神经网络基础 1. 理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 2. 熟悉常用的激活函数，如 ReLU、Sigmoid、Tanh。 六、学习途径和实践 1. 阅读「」部分，熟悉 AI 的术语和基础概念。 2. 在「」中找到为初学者设计的课程，特别推荐李宏毅老师的课程。还可以通过在线教育平台（如 Coursera、edX、Udacity）按照自己的节奏学习。 3. 选择感兴趣的模块深入学习，比如图像、音乐、视频等。掌握提示词的技巧，上手容易且很有用。 4. 理论学习之后，通过实践巩固知识，尝试使用各种产品做出作品。在知识库查看大家实践后的作品、文章分享，并分享自己实践后的成果。 5. 体验 AI 产品，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式。 七、中学生学习 AI 的特别建议 1. 从编程语言入手，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 ChatGPT、Midjourney 等 AI 生成工具，探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识，了解其基本概念、发展历程、主要技术及在各领域的应用案例。 4. 参与学校或社区组织的 AI 编程竞赛、创意设计大赛等活动，尝试利用 AI 技术解决生活中的实际问题。 5. 关注 AI 领域的权威媒体和学者，了解最新进展，思考其对未来社会的影响。 总之，系统学习 AI 应用需要逐步积累知识、多实践，并根据自己的兴趣和需求选择合适的学习方向和方法。

学习 AGI 可以从以下几个方面开始： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，通过实践巩固知识，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。学习过程中账户投资，可先从国内模型工具入手，国内大语言模型工具好用，学习可以从提示词开始。

以下是为普通人提供的学习利用 AI 以提高工作学习效率的方法及学习顺序： 一、了解 AI 基本概念 首先，建议阅读相关资料，如「」部分，熟悉 AI 的术语和基础概念，包括人工智能是什么、其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。同时，浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 二、开始 AI 学习之旅 在「」中，能找到为初学者设计的一系列课程。特别推荐李宏毅老师的课程。还可以通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并争取获得证书。 三、选择感兴趣的模块深入学习 AI 领域广泛，涵盖图像、音乐、视频等。可根据自身兴趣选择特定模块深入，比如一定要掌握提示词的技巧，其上手容易且实用。 四、实践和尝试 理论学习后，实践是巩固知识的关键。尝试使用各种产品做出自己的作品，在知识库中也有很多大家实践后的作品和文章分享，欢迎自己实践后也进行分享。 五、体验 AI 产品 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式。通过对话获得对 AI 在实际应用中表现的第一手体验，激发对 AI 潜力的认识。 此外，还可以参考《雪梅 May 的 AI 学习日记》中的学习模式，即输入→模仿→自发创造。同时注意，学习资源大多是免费开源的，可在 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新的内容。学习时间可根据自身情况灵活安排，不必有压力，能学多少算多少。

新手学习 AI 可以参考以下步骤： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

以下是为您推荐的一些 AI 学习知识库： 1. 了解 AI 基本概念：建议阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。同时浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 2. 开始 AI 学习之旅：在「」中，您能找到为初学者设计的课程，特别推荐李宏毅老师的课程。还可以通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习并获取证书。 3. 选择感兴趣的模块深入学习：AI 领域广泛，比如图像、音乐、视频等，您可根据兴趣选择特定模块深入学习，同时掌握提示词技巧。 4. 实践和尝试：理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。知识库中有很多实践后的作品、文章分享，欢迎您实践后分享。 5. 体验 AI 产品：与现有的 AI 产品（如 ChatGPT、Kimi Chat、智谱、文心一言等）互动，了解其工作原理和交互方式。 书籍推荐： 1. Python 方面：《Python 学习手册》《Python 编程》。 2. AI 方面：《人类简史》（“认知革命”相关章节）、《深度学习实战》。 课程&资源&信息推荐： 1. B 站 up 主“PAPAYA 电脑教室”的 Python 入门课，完全免费。 2. Andrej Karpathy 关于大模型的讲解，油管地址：https://www.youtube.com/watch?v=zjkBMFhNj_g ，B 站地址：https://www.bilibili.com/video/BV1AU421o7ob 。 3. AJ 和众多小伙伴们共创的资料库（一个飞书文档）：🌈通往 AGI 之路（一个飞书文档），这是当下最全的中文 AI 资料库，免费、开源、共创，包含几乎所有有价值的文档、文章、资料、资讯，并永远第一时间更新，链接：https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e 。

在提示词工程设计方面： 对于游戏中的代理，如小机器人艾科，其指令结构包括角色预设（要求模型采用角色）、回复要求（提供参考文本）、提供示例（举例说明）和需要让 LLM 掌握的知识（提供参考文本）。以艾柯的提示词为例，在角色预设分别输入世界观、任务、回复的要求，设置身份，而掌握的知识就是环境的信息，使之能够与环境交互。同时，可以让 ChatGPT 帮忙生成和优化指示词，ChatGPT4.0 的 PromptPerfect 插件也可用于优化和生成指示词。 在创建工作流驱动的 AI Agent 时，简单情况可分为 3 个步骤： 规划：制定任务的关键方法，总结任务目标与执行形式，将任务分解为可管理的子任务，确立逻辑顺序和依赖关系，设计每个子任务的执行方法。 实施：在 Coze 上搭建工作流框架，设定每个节点的逻辑关系，详细配置子任务节点，并验证每个子任务的可用性。 完善：整体试运行 Agent，识别功能和性能的卡点，通过反复测试和迭代，优化至达到预期水平。接下来，从制定关键方法与流程，梳理「结构化外文精读专家」Agent 的任务目标。

提示词工程师（Prompt Engineer）是在与人工智能模型交互时，负责设计和优化提示的专业人员。他们的目标是通过精心构造的提示，引导模型产生准确、有用和相关的回答。 提示词工程师的主要职责包括： 1. 设计提示：根据用户需求和模型能力设计有效的提示，考虑提示的长度、结构、措辞和信息量等因素，以清晰传达用户意图并引导模型生成满意结果。 2. 优化提示：通过收集用户反馈、分析模型结果和实验不同的提示策略等方式不断优化提示，提高模型性能。 3. 评估提示：使用各种指标如模型的准确率、流畅度和相关性等来评估提示的有效性。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对所工作的领域有深入了解，以便设计出有效的提示。 2. 自然语言处理（NLP）：了解 NLP 的基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 的基本原理和技术，能够理解和使用 AI 模型。 4. 沟通能力：具备良好的沟通能力，与用户、团队成员和其他利益相关者有效沟通。 以下是一些提示词工程师工作的实际案例： 在推理任务方面，目前对于大语言模型来说具有挑战性，但通过更高级的提示词工程技术可以改进。例如在涉及数学能力的推理任务中，通过设计不同的提示词和示例来展示算术功能。 在实现让 LLM 获得 tool calling 的功能方面，采用的提示词工程主要有两部分代码组成：提示词注入和工具结果回传。提示词注入用于将工具信息以及使用工具的提示词添加到系统提示中，包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。工具结果回传则是解析 tool calling 的输出，并将工具返回的内容再次嵌入 LLM。利用正则表达式抓取输出中的“tool”和“parameters”参数，对于不同工具采用相应的处理方式。通过以上提示词工程，可以避免微调，让完全没有 tool calling 能力的 LLM 获得稳定的 tool calling 能力。 提示词工程师是一个新兴的职业，随着人工智能技术的不断发展，对提示词工程师的需求将会越来越大。

成为 AIGC 提示词工程师通常需要具备以下条件： 1. 学历要求：本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 2. 工具熟悉度：熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验；熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 3. 项目经验：负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 4. 技术理解：了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 5. 数据分析能力：对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 6. 创新思维：具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 7. 行业关注：对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 8. 编程能力：具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成；具有一定的编程基础，熟练使用 Python、Git 等工具。 在面试过程中，以下方面是加分项： 1. 需求拆解能力/产品需求嗅觉：考验需求拆解、控制 AI 稳定输出理想结果的能力。 2. 懂技术：Prompt 设计离不开有 AIGC 开发经验，懂开发和底层原理才能写出更好的 Prompt。 3. 有参与做过 AIGC 产品应用：例如用 Langchain 等框架去写，解决应用场景及其中的技术细节，包括商业化变现、解决 OpenAI 请求需要科学上网的问题、负载均衡/APIKey 管理等。 4. 想法在用户需求认知前面：面试官给出行业场景（例如美妆），在无提示情况下，能畅享 AI 在该行业上赋能的功能场景，能联想到 To B 或 B2B2C 的场景是加分项。因为用户往往无法感知到 AI 能带来的帮助，需要面试者去了解用户工作流，有种“创造需求”的感觉。 公司在筛选几百份简历后，最终选择的 AIGC 提示词工程师和 AI 训练师，通常是像爱折腾的 00 后，有技术开发背景，对 Prompt 有独特深刻见解的人员。

提示词工程师是在与人工智能模型交互时，负责设计和优化提示的专业人员。他们的目标是通过精心构造的提示，引导模型产生准确、有用和相关的回答。 提示词工程师的主要职责包括： 1. 设计提示：根据用户需求和模型能力设计有效的提示，考虑提示的长度、结构、措辞和信息量等因素，以清晰传达用户意图并引导模型生成满意结果。 2. 优化提示：通过收集用户反馈、分析模型结果和实验不同的提示策略等方式不断优化提示，以提高模型性能。 3. 评估提示：使用各种指标评估提示的有效性，如模型的准确率、流畅度和相关性等。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对所工作的领域有深入了解，以便设计出有效的提示。 2. 自然语言处理（NLP）：了解 NLP 的基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 的基本原理和技术，能够理解和使用 AI 模型。 4. 沟通能力：具备良好的沟通能力，与用户、团队成员和其他利益相关者有效沟通。 以下是一些提示词工程师工作的实际案例： 1. Claude 官方文档提示词工程最佳实践中提到提示词的组成部分顺序很重要，包括“\n\nHuman:”、任务上下文、语气上下文、背景数据和文档、详细任务描述和规则、示例、对话历史、即时任务描述或请求、逐步思考/深呼吸、输出格式等。 2. 提示词工程师应做到开发测试用例、构建初版提示词、进行用例测试、优化提示词、分享完善后的提示词，且不要忘记测试边缘情况。 关于考取注册提示词工程师证的具体方式，目前可能还没有统一的标准和认证体系。但您可以通过以下途径提升相关能力： 1. 学习相关课程，如小七姐的提示词编写提升课，课程完成学习后通过结课考试获取证书。课程能帮助您提升表达能力、逻辑思维能力，熟练编写提示词，学会以商业化和工具化标准交付提示词，熟知提示词工程和行业常识及发展路径，搞懂提示词如何封装成工具，并获得自学路径以便继续深度学习。 2. 实践积累经验，不断测试和迭代自己编写的提示词。 3. 关注行业动态，了解最新的提示词工程技术和发展趋势。

提示词工程师是在与人工智能模型交互时，负责设计和优化提示的专业人员，其目标是通过精心构造的提示，引导模型产生准确、有用和相关的回答。 提示词工程师的主要职责包括： 1. 设计提示：根据用户需求和模型能力设计有效的提示，考虑提示的长度、结构、措辞和信息量等因素，清晰传达用户意图并引导模型生成满意结果。 2. 优化提示：通过收集用户反馈、分析模型结果和实验不同的提示策略等方式不断优化提示，提高模型性能。 3. 评估提示：使用各种指标如模型的准确率、流畅度和相关性等来评估提示的有效性。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对所工作的领域有深入了解，以便设计出有效的提示。 2. 自然语言处理（NLP）：了解 NLP 的基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 的基本原理和技术，能够理解和使用 AI 模型。 4. 沟通能力：具备良好的沟通能力，与用户、团队成员和其他利益相关者有效沟通。 以下是一些提示词工程师工作的实际案例： 1. 教育类：自动优化 Prompt，作者为 JackeyLiu，分类为代码，协助用户完成提示词优化。熟悉，将常规的 Prompt 转化为符合框架的优秀 Prompt，并让 chatGPT 输出符合预期的回复。 2. 商业类：自动优化 Prompt，作者为 JackeyLiu，分类为代码，协助用户完成提示词优化。熟悉，将常规的 Prompt 转化为符合框架的优秀 Prompt，并让 chatGPT 输出符合预期的回复。 提示词工程师是一个新兴的职业，随着人工智能技术的不断发展，对其需求将会越来越大。

AI 在工程施工管理中的应用包括以下方面： 1. 项目管理和任务跟踪工具：如 Jira、Trello 等项目管理软件已开始集成 AI 功能，可辅助制定计划、分配任务、跟踪进度。 2. 文档和协作工具：微软的 Copilot 可集成到 Office 套件中，为项目文档撰写、编辑等提供帮助。云存储服务如 Google Drive 也提供 AI 驱动的文档管理和协作功能。 3. 风险管理和决策支持工具：一些 AI 工具能帮助识别和分析项目风险，并提供决策建议。 4. 沟通和协作工具：AI 助手可辅助进行团队沟通协调、客户关系维护等。 5. 创意生成工具：如文心一格、Vega AI 等 AI 绘画工具，可帮助快速生成创意图像素材。 AI 在汽车行业的应用案例有： 1. 自动驾驶技术：利用 AI 进行图像识别、传感器数据分析和决策制定，如特斯拉、Waymo 和 Cruise 等公司在开发和测试自动驾驶汽车。 2. 车辆安全系统：用于增强车辆的安全性能，如自动紧急制动、车道保持辅助和盲点检测系统。 3. 个性化用户体验：根据驾驶员的偏好和习惯调整车辆设置，如座椅位置、音乐选择和导航系统。 4. 预测性维护：通过分析车辆实时数据预测潜在故障和维护需求，减少停机时间和维修成本。 5. 生产自动化：在汽车制造中用于自动化生产线，提高生产效率和质量控制。 6. 销售和市场分析：分析市场趋势、消费者行为和销售数据，以制定营销策略和优化产品定价。 7. 电动化和能源管理：在电动汽车的电池管理和充电策略中发挥作用，提高能源效率和延长电池寿命。 8. 共享出行服务：如 Uber 和 Lyft 等，使用 AI 优化路线规划、调度车辆和定价策略，提高服务效率和用户满意度。 9. 语音助手和车载娱乐：如 Amazon Alexa Auto 和 Google Assistant 等语音助手，允许驾驶员通过语音控制车辆功能、获取信息和娱乐内容。 10. 车辆远程监控和诊断：远程监控车辆状态，提供实时诊断和支持。 在制造业领域，AI 的应用包括： 1. 产品设计和开发：利用 AI 生成工具如 Adobe Firefly、Midjourney 等，可根据文字描述快速生成产品的 3D 模型、渲染图、插图等设计元素，提高设计效率。 2. 工艺规划和优化：结合大语言模型的自然语言处理能力，自动生成制造工艺流程、设备选型、质量控制等方案，优化生产过程。 3. 设备维护和故障诊断：分析设备运行数据，预测设备故障，并自动生成维修建议，提高设备可靠性。 4. 供应链管理：根据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，提高管理效率。 5. 客户服务：基于对话模型的 AI 客服机器人，自动生成个性化的客户回复，提升客户体验。