Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

提示词框架

Answer

以下是关于提示词框架的相关内容:

视频模型中的提示词框架

  • Vidu Prompt 基本构成:
    • 提示词基础架构:包括主体/场景、场景描述、环境描述、艺术风格/媒介。需调整句式和语序,避免主体物过多/复杂、模糊术语表达,使用流畅准确的口语化措辞,丰富、准确和完整的描述以生成特定艺术风格、满足需求的视频。
    • 提示词与画面联想程度的说明:以单帧图像为例,通过具体详实的位置描述/环境描述进行构图,艺术风格描述提升效果和氛围,统一画面风格。

AI 提示词工程师相关的提示词框架

  • 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,不仅编写 Prompt,还需测试和优化以确保输出内容质量。
  • 发展出多种提示词框架,如 ICIP 框架(包括指令、背景信息、输入数据、输出指示器)、BROKE 框架(包括背景、角色定义、目标设定、关键成果展示、持续的试验与优化)、CRISPE 框架(包括上下文、角色、说明、主题、预设、例外)。
  • 有定制化的 Prompt 编写服务,由资深提示词工程师深入了解客户需求设计、优化并定制最合适的 Prompt。

RAG 提示工程中的提示词框架

  • 在输入环节构建全面的提示词框架,包含伦理审查及针对不同类型攻击的审查规则,具体划分为伦理审查及对越狱类、泄露类、目标劫持类等攻击类型的审查。融入人格设定元素,利用大型模型的注意力机制,加固输入防护的审核能力及人格设定的稳定性。
Content generated by AI large model, please carefully verify (powered by aily)

References

视频模型:Vidu

主体/场景——场景描述——环境描述——艺术风格/媒介调整句式和语序,避免主体物过多/复杂,主体物分散的句式描述;避免模糊的术语表达,尽可能准确;使用更加流畅准确的口语化措辞,避免过度文学化的叙述;丰富、准确和完整的描述才能生成特定艺术风格、满足需求的视频。[heading2]2、提示词与画面联想程度的说明[content]为了帮助你更好的地理解,让我们使用单帧图像作为最简单的例子,来向您介绍提示词与画面联想的关系。示例图如下:基础词:玻璃桌上的咖啡杯,杯子外面写着单词LOVE。适度联想扩充:花园里(具体的位置描述)的透明(材质描述)玻璃桌上的咖啡杯,杯子外面写着单词LOVE,周围满是盛开的鲜花(具体的位置描述/环境描述),和煦的阳光洒满整个花园(环境描述),Claude Monet(艺术家风格),印象派风格(艺术流派风格)。联想关键点:1.具体详实的位置描述/环境描述:笼统来讲就是在进行构图,可以帮助构建画面的基本呈现效果;2.艺术风格描述:进一步提升效果和氛围,统一画面风格。

刘海:「AI 提示词工程师」の 见解和经验分享

"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。他们深刻理解模型的工作原理,能够根据具体需求定制合适的Prompt,确保其有效性。但他们的任务不止于Prompt的编写;他们还需进行细致的测试,仔细分析模型输出,以便持续优化并确保输出内容的质量。简而言之:善于发现需求,解析需求,写成专业的Prompt,解决问题。[heading3]3、什么是提示词框架?[content]提示词工程师已经发展出了多种提示词框架,它们为Prompt的构建提供了一种高度概括和结构化的方法。可以将这些框架看作是构建有效提示词的方法论或"元结构"。例如:ICIP框架:此框架包括四个部分,其中有指令(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)。BROKE框架:此框架着重于五个方面,包括背景(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)。CRISPE框架:此框架分为六个部分,涵盖了上下文(Context)、角色(Role)、说明(Instruction)、主题(Subject)、预设(Preset)和例外(Exception)。定制化提示词编写服务:随着大语言模型在商业和研究领域的应用,定制化的Prompt编写服务日渐受到欢迎。这些专业服务往往由资深的提示词工程师提供,他们会深入了解客户的具体需求,从而为其设计、优化并定制出最合适的Prompt。

RAG提示工程(二):安全与防护实践

在输入环节的设计中,我们构建了一个全面的提示词框架。在这个框架内,包含了伦理审查以及针对不同类型攻击的审查规则。这些规则的引入使整个提示词能够有效应对已知的攻击方式和内容。具体来说,输入防护提示词被划分为几个关键部分,包括伦理审查以及对越狱类攻击、泄露类攻击和目标劫持类攻击等四种主要攻击类型的审查。我们的目标是将这些审查规则清晰地传达给模型,让它了解存在四大类别的审查要求。随着时间的推移和不断的迭代,我们预期这个审查系统将变得更加完善,可能会扩展到第五个甚至第六个类别。在输入防护阶段,提示词还融入了人格设定的元素,通过这种构建特性,赋予了模型一种拟人化的特征。即便在先前未考虑到其它攻击手段的情况下,这种拟人化特征也能帮助我们进行有效的防护。此外,大家可以看到,在整个提示词的结构中,人格设定被放置在尾部。这样的布局利用了大型模型的注意力机制,使模型能够更加关注其人格设定以及头部的内容(头部内容主要描述了整个工作流程)。通过这种方式,我们进一步加固了输入防护的审核能力以及人格设定的稳定性。

Others are asking
ai agent 框架有哪些
目前常见的 AI Agent 框架主要有以下几种: 1. LangChain 的 LangGraph:通过简化标准底层任务,如调用 LLM、定义和解析工具、链接调用等,使入门变得容易,但可能创建额外抽象层,增加调试难度。 2. 亚马逊 Bedrock 的 AI Agent 框架。 3. Rivet:拖放式 GUI 的 LLM 工作流构建器。 4. Vellum:用于构建和测试复杂工作流的 GUI 工具。 此外,行业里常用于为 LLM 增加工具、记忆、行动、规划等能力的框架是 LangChain,它把 LLM 与 LLM 之间以及 LLM 与工具之间通过代码或 prompt 的形式进行串接。AutoGPT 被描述为使 GPT4 完全自主的实验性开源尝试,也是一种重要的框架。但需要注意的是,当前大多数代理框架都处于概念验证阶段,还不能可靠、可重现地完成任务。
2025-01-08
提示词框架
以下是关于提示词框架的相关内容: 视频模型中的提示词框架: 基本构成: 提示词基础架构包括主体/场景、场景描述、环境描述、艺术风格/媒介。需调整句式和语序,避免主体物过多/复杂、模糊术语表达,使用流畅准确的口语化措辞,丰富、准确和完整的描述以生成特定艺术风格、满足需求的视频。 提示词与画面联想程度:以单帧图像为例,通过具体详实的位置描述/环境描述和艺术风格描述等,构建画面的基本呈现效果和统一画面风格。 示例:基础词“玻璃桌上的咖啡杯,杯子外面写着单词LOVE”,适度联想扩充为“花园里的透明玻璃桌上的咖啡杯,杯子外面写着单词LOVE,周围满是盛开的鲜花,和煦的阳光洒满整个花园,Claude Monet,印象派风格”。 AI 提示词工程师中的提示词框架: 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,不仅编写 Prompt,还需测试和优化以确保输出内容质量,善于发现需求、解析需求并解决问题。 发展出多种提示词框架,如 ICIP 框架(包括指令、背景信息、输入数据、输出指示器)、BROKE 框架(包括背景、角色定义、目标设定、关键成果展示、持续的试验与优化)、CRISPE 框架(包括上下文、角色、说明、主题、预设、例外),还有定制化提示词编写服务。 RAG 提示工程中的提示词框架: 在输入环节构建全面的提示词框架,包含伦理审查及针对不同类型攻击的审查规则,划分为关键部分,融入人格设定元素,利用大型模型的注意力机制加固输入防护的审核能力和人格设定的稳定性。
2025-01-08
是否有推荐的RAG 框架
以下为您推荐常用的 RAG 框架: LangChain 是一个为简化大模型应用开发而设计的开源框架。它通过提供一套模块化的工具和库,允许开发者轻松集成和操作多种大模型,使开发者能将更多精力投入到创造应用的核心价值上。其设计注重简化开发流程,支持广泛的模型,具有良好的可扩展性,以适应不断变化的业务需求。作为一个得到社区广泛支持的开源项目,LangChain 拥有活跃的贡献者和持续的更新,同时提供了全面的文档和示例代码帮助新用户快速掌握。此外,LangChain 在设计时充分考虑了应用的安全性和用户数据的隐私保护,是一个多语言支持的灵活框架,适用于各种规模的项目和不同背景的开发者。 LangChain 官方手册:https://python.langchain.com/docs/get_started/introduction/
2025-01-08
那个框架特别适用于RAG,比如LlamaIndex、LangChain等
LlamaIndex 是一个专为构建大型语言模型(LLM)应用而设计的开发框架,为开发人员提供了强大且灵活的工具,能更有效地理解和处理文本数据。对于熟悉 LangChain 的开发者而言,它并不陌生。 其核心优势在于对大型语言模型的深度支持,允许开发者利用如 GPT3.5 Turbo 等模型执行多种文本处理任务,如文档问答、文章生成和自动翻译等。特别地,它提供了构建文档问答系统的功能,能自动从大量文档中检索相关信息并生成答案,这在处理大量知识信息的领域极具价值。 LlamaIndex 还允许对嵌入模型进行微调以适应特定任务需求,提升文档问答系统的性能。它支持连接结构化、半结构化和非结构化等不同类型的数据源,为应用程序提供全面信息。 此外,其设计注重简化开发流程,即使复杂的 NLP 任务也能通过少量代码实现,无需深入了解底层复杂性。这种设计哲学不仅降低了开发大型语言模型应用的门槛,还极大提升了开发效率和应用性能。 LlamaIndex 的 GitHub 地址:https://github.com/runllama/llama_index/
2025-01-07
目前的 rag 框架都有哪些
目前常用的 RAG 框架有 LangChain。 LangChain 是一个为简化大模型应用开发而设计的开源框架。它具有以下特点: 1. 提供一套模块化的工具和库,便于开发者轻松集成和操作多种大模型。 2. 设计注重简化开发流程,能让开发者将更多精力投入到创造应用的核心价值上。 3. 支持广泛的模型,具备良好的可扩展性,以适应不断变化的业务需求。 4. 作为得到社区广泛支持的开源项目,拥有活跃的贡献者和持续的更新。 5. 提供了全面的文档和示例代码,有助于新用户快速掌握。 6. 在设计时充分考虑了应用的安全性和用户数据的隐私保护。 7. 是一个多语言支持的灵活框架,适用于各种规模的项目和不同背景的开发者。 LangChain 官方手册:https://python.langchain.com/docs/get_started/introduction/
2025-01-07
微调训练框架的选择
以下是关于微调训练框架选择的相关内容: 在 Stable Diffusion 中: 首先,config 文件夹中有两个配置文件 config_file.toml 和 sample_prompt.toml,分别存储着训练超参数与训练中的验证 prompt。 config_file.toml 文件主要包含了 model_arguments、optimizer_arguments、dataset_arguments、training_arguments、sample_prompt_arguments 以及 saving_arguments 六个维度的参数信息。 v2 和 v_parameterization:两者同时设置为 true 时,开启 Stable Diffusion V2 版本的训练。 pretrained_model_name_or_path:读取本地 Stable Diffusion 预训练模型用于微调训练。 optimizer_type:有七种优化器可以选择。不进行选择时默认启动 AdamW 优化器;显存不太充足时,可选择 AdamW8bit 优化器,但会有轻微性能损失;Lion 优化器是较新的版本,性能优异,但学习率需设置较小,比如为 AdamW 优化器下的 1/3。 learning_rate:单卡推荐设置 2e6,多卡推荐设置 1e7。 除了上述的训练环境参数传入,还需将配置好的 config_file.toml 和 sample_prompt.txt 参数传入训练脚本中。 当设置 1024 分辨率+FP16 精度+xformers 加速时,SD 模型进行 Batch Size=1 的微调训练需要约 17.1G 的显存,进行 Batch Size=4 的微调训练需要约 26.7G 的显存,所以最好配置一个 24G 以上的显卡。 微调训练完成后,模型权重会保存在之前设置的 output_dir 路径下。可以使用 Stable Diffusion WebUI 作为框架加载模型进行 AI 绘画,需将训练好的模型放入/models/Stablediffusion 文件夹下。 在 OpenAI 中: 使用 OpenAI CLI 开始微调工作,需指定从哪个 BASE_MODEL 开始(ada、babbage、curie 或 davinci),还可使用后缀参数自定义微调模型的名称。 运行命令后会上传文件、创建微调作业并流式传输事件直到作业完成。 每个微调工作都从一个默认为 curie 的基本模型开始,模型的选择会影响性能和成本。 开始微调作业后,可能需要几分钟或几小时才能完成,工作完成后会显示微调模型的名称。此外,还可以列出现有作业、检索作业状态或取消作业。
2025-01-06
AI提示词是什么
AI 提示词是用于对模型进行“编程”的指令或示例,通过提供提示词可以让模型完成各种任务,如内容或代码生成、摘要、扩展、对话、创意写作、风格转换等。 提示词的作用在于描绘您想要的画面、内容等。在不同的应用场景中,提示词的输入方式和要求有所不同。例如,在某些模型中,使用自然语言输入(如“一个长头发的金发女孩”),而在另一些模型中可能使用单个词组(如“女孩、金发、长头发”),并且支持中英文输入。 写好提示词需要注意以下几点: 1. 内容准确,包含人物主体、风格、场景特点、环境光照、画面构图、画质等要素,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”。 2. 调整负面提示词,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”。 3. 利用“加权重”功能,让 AI 明白重点内容,权重数值越大越优先。 4. 还可以使用一些辅助功能,如翻译功能将提示词一键翻译成英文,或删除所有提示词等。 同时,对于英文文本,模型通过将文本分解为标记(Token)来理解和处理,1 个 Token 大约相当于 4 个字符或 0.75 个单词,输入和输出的文本提示词和生成的补全合起来不能超过模型的最大上下文长度(对于大多数模型,约为 2048 个 Token 或 1500 个单词)。
2025-01-14
AI提示词
以下是关于 AI 提示词的相关内容: 108 个舞蹈音乐提示词:这是由作者@mista.lewys@normalgoodz 发布在 SUNO.WIKI 的 PROMPTS BOOK,由格林翻译和扩展。它是一个全面的 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,涵盖了各种舞曲子流派,如节奏感强的四四拍鼓点、电子低音、易于记住的合成器旋律、流行音乐风格的主唱、明亮的和弦音效、适合在夜店播放的混音、高潮部分等。每个提示精心制作,以有效地封装各种舞蹈音乐流派的具体特点和大气质量,同时确保适应不同的聆听环境。 SD 新手入门图文教程中的提示词模板相关资源: 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:
2025-01-14
提示词
以下是关于提示词的相关信息: 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,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,使用的输出指示是“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。
2025-01-13
AI提示词
以下是关于 AI 提示词的相关内容: 108 个舞蹈音乐提示词:这是由作者@mista.lewys@normalgoodz 发布在 SUNO.WIKI 的 PROMPTS BOOK,由格林翻译和扩展。它是一个全面的 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,涵盖了各种舞曲子流派,如 Punchy 4/4 beats(节奏感强的四四拍鼓点)、Electro bass(电子低音)、Catchy synths(易于记住的合成器旋律或音效)、Pop vocals(流行音乐风格的主唱)、Bright pads(明亮的和弦音效)、Clubready mixes(适合在夜店播放的混音)、Energetic drops(高潮部分)等。每个提示精心制作,以有效地封装各种舞蹈音乐流派的具体特点和大气质量,同时确保适应不同的聆听环境。 SD 新手入门图文教程中的提示词模板相关网站: 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:
2025-01-13
提示词
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: 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: 用于描绘画面。 输入语言: 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。 提示词优化:启用后可扩展提示词,更生动描述画面内容。 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,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: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)。 例如,在一个完成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:”。 提示词所需格式取决于语言模型要完成的任务类型,并非所有要素都是必须的。
2025-01-13
提示词的规范写法
提示词的规范写法如下: 1. 按照想画的内容写出提示词,多个提示词之间使用英文半角逗号“,”分隔。例如:“masterpiece,best quality,ultradetailed,illustration,closeup,straight on,face focus,1girl,white hair,golden eyes,long hair,halo,angel wings,serene expression,looking at viewer”。一般来说,概念性、大范围、风格化的关键词写在前面,叙述画面内容的其次,最后是描述细节的。大致顺序为:(画面质量提示词)、(画面主题内容)(风格)、(相关艺术家)、(其他细节)。 2. 每个词语在模型中的自带权重可能不同。模型训练集中较多出现的关键词,输入一个词可能就极大影响画面;反之,输入多个相关词汇可能影响效果有限。提示词的顺序很重要,越靠后的权重越低。关键词应具有特异性,措辞越具体越好,避免抽象和有解释空间的措辞。 3. 可以使用括号人工修改提示词的权重,例如:“”字符。 写提示词(prompt)是关键步骤,决定了 AI 模型如何理解并生成文本。以下是编写 prompt 的一些建议: 1. 明确任务:清晰定义任务,如写故事时包含背景、角色和主要情节。 2. 提供上下文:若任务需特定背景知识,在 prompt 中提供。 3. 使用清晰语言:尽量简单、清晰,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 prompt 中指明。 5. 使用示例:如有特定期望结果,在 prompt 中提供示例。 6. 保持简洁:简洁明了,过多信息可能使模型困惑。 7. 使用关键词和标签:帮助模型更好理解任务主题和类型。 8. 测试和调整:生成文本后检查结果,根据需要调整 prompt,可能需多次迭代。
2025-01-13