提示词学习

以下是一些在办公场景中能提升办公技能的提示词： 1. 编辑写作助手：编辑以下段落，提高其整体清晰度和连贯性：{粘贴段落} 链接： 用途：帮助优化段落的清晰度和连贯性。 2. 语法纠正助手：纠正以下语法错误<br>{粘贴段落} 链接： 用途：纠正文本中的语法错误。 3. 头脑风暴助手：帮我想一些不同的想法，围绕这样的话题： 链接： 用途：围绕特定话题提供不同的想法。 4. 翻译助手：将以下内容翻译成{语言}；我希望你能担任英语翻译、拼写校对和修辞改进的角色。我会用任何语言和你交流，你会识别语言，将其翻译并用更为优美和精炼的英语回答我。请将我简单的词汇和句子替换成更为优美和高雅的表达方式，确保意思不变，但使其更具文学性。请仅回答更正和改进的部分，不要写解释。我的第一句话是{这里写英语}，请翻译它。 链接： 用途：进行文本翻译和语言优化。 5. 排版大师：🎩我是您的文字排版大师！📚 我的工作内容包括： 1️⃣优化阅读体验：💡 利用 ASCII 符号和 Emoji 表情符号，我可以优化您的文本，让信息更易于理解。 2️⃣增强信息可读性：🌟 通过合理的排版，我可以帮助您提高信息的可读性，增加用户的专注度。 3️⃣审美排版：🎨 我熟悉各种 ASCII 符号和 Emoji 表情符号的使用方法，同时具备较强的审美和文艺能力，能够让您的文本更具美感。 请告诉我您需要优化哪段文本，我会很高兴帮助您。 用途：优化文本排版，提升阅读体验和美感。 6. 总结助手：请帮我总结以下文章<br>{粘贴文章}；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。请首先编辑以下文本：{粘贴文章} 链接： 用途：对文章进行总结。 7. 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。我本周的工作内容是{……} 链接： 用途：根据工作内容生成周报。

以下是为您生成的客服系统相关的大模型提示词示例，每次回复内容不同： 1. 非常抱歉给您带来了不便，关于产品问题，您可以咨询我的同事，点击即可进行咨询。 2. 很抱歉让您遇到了困扰，产品方面的疑问请找我的同事咨询，点击就能联系到。 3. 实在不好意思呀，产品的问题您向我的同事咨询会更清楚，点击即可开启咨询。 4. 深感抱歉，对于产品的情况，建议您咨询我的同事，点击就能和他交流。 5. 抱歉给您造成了不好的体验，产品相关问题请咨询我的同事，点击就能获取帮助。

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，支持中英文。启用提示词优化可扩展描述画面内容。 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调节权重，权重数值越大越优先，也可对已有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）、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”，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。

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，旨在引导模型产生准确、有用和相关的回答。 其主要职责包括： 1. 设计提示：根据用户需求和模型能力，考虑提示的长度、结构、措辞和信息量等因素，设计有效的提示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策略等方式不断优化提示，提高模型性能。 3. 评估提示：使用模型的准确率、流畅度和相关性等指标评估提示的有效性。 提示词工程师需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，以设计有效提示。 2. 自然语言处理（NLP）：了解 NLP 基本原理和技术，能理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 基本原理和技术，能理解和使用 AI 模型。 4. 沟通能力：具备良好沟通能力，与用户、团队成员和其他利益相关者有效交流。 以下是一些提示词工程师工作的实际案例：无需微调，仅用提示词工程就能让 LLM 获得 tool calling 的功能。其实现原理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及使用工具的提示词添加到系统提示中；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。 基本概念方面，通过简单的提示词（Prompts）可获得大量结果，结果质量与提供的信息数量和完善度有关。一个提示词可包含指令、问题等信息，也可包含上下文、输入或示例等。还可通过不同角色（如 system、user 和 assistant）构建 prompt，system 有助于设定 assistant 的整体行为。提示工程（Prompt Engineering）就是探讨如何设计出最佳提示词，用于指导语言模型高效完成任务。上述示例基本说明了现阶段大语言模型能发挥的功能作用，可用于执行各种高级任务，如文本概括、数学推理、代码生成等。

AI 图片生成视频的提示词公式如下： 1. 基础公式：主体+主体描述+运动+环境。例如：“一艘白色邮轮缓缓驶过海面。（A white cruise ship sails slowly across the sea.）” 2. 进阶技巧：对各部分进行详细描述，如“一只金色毛发的狗（描述主体）悠然自得地在阳光洒满的草地上行走，草叶轻轻地在它的爪下弯曲(详细描述环境和动作）。微风拂过，它的毛发随风轻动，时不时低下头嗅闻着大地。（进一步描述主体动作细节）远处，夕阳的余晖拉长了影子，营造出一种宁静祥和的氛围。（描述环境氛围）（A goldenhaired dog strolls leisurely across a sunlit grassy field,the blades of grass bending gently under its paws.A soft breeze passes by,causing its fur to sway,and it occasionally lowers its head to sniff the ground.In the distance,the setting sun casts long shadows,creating a peaceful and serene atmosphere.）”这样可以使生成的视频更稳定、提升美感。 3. 语法方面： 注意权重值最好不要超过 1.5。 可以通过 Prompt Editing 使得 AI 在不同的步数生成不一样的内容，语法为：例如“alandscape”，在一开始，读入的提示词为：the model will be drawing a fantasy landscape.在第 16 步之后，提示词将被替换为：a cyberpunk landscape，它将继续在之前的图像上计算。 提示词还可以轮转，比如在第一步时，提示词为“cow in a field”；在第二步时，提示词为“horse in a field.”；在第三步时，提示词为“cow in a field”，以此类推。 4. 其他方面： 指令参数：一般包括视频时长、分辨率、帧率等细节。PixVerse 默认生成 4s 时长的视频（会在后续更新中增加更长视频的生成），分辨率 1408×768。升级（Upscale）后，分辨率可以达到 4k，会导致生成所花费的时间比普通生成更长。 情感氛围：描述视频的情感基调或氛围，可用于人物的表情、环境氛围等的控制。 参考风格：可以输入参考的艺术风格等。

LangChain 是一个在提示词工程领域具有重要地位的开源框架。 它允许开发者将语言模型与应用程序连接起来，使应用程序能够嵌入大模型的能力，俗称 ReAct，展示了一种提示词技术，允许模型“推理”和“行动”。 高级提示词工程技术的发展促使一系列工具和框架兴起，LangChain 已成为提示词工程工具包中的基石，最初专注于链条，后扩展到支持包括智能体和网络浏览等更广泛的功能，其全面的功能套件使其成为开发复杂 LLM 应用的宝贵资源。 在实际的工作场景中，LangChain 是常用的 RAG 框架之一。它是为简化大模型应用开发而设计的开源框架，通过提供模块化的工具和库，便于开发者集成和操作多种大模型，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，支持广泛模型，具备良好可扩展性，有活跃的贡献者和持续更新，提供全面文档和示例代码，考虑了应用安全性和用户数据隐私保护，是多语言支持的灵活框架，适用于各种规模项目和不同背景开发者。 LangChain 官方手册：https://python.langchain.com/docs/get_started/introduction/

以下是关于学习对抗神经网络的相关内容： 图像生成方面：Google 有一个 AI 入门课程，介绍扩散模型，课程地址为 https://www.cloudskillsboost.google/course_templates/541，相关视频学习可参考 https://youtu.be/J0AuVBxzui0 。扩散模型是 Google Cloud 上许多先进图像生成模型和工具的基础，课程会介绍其背后理论及在 Vertex AI 上的训练和部署。图像生成领域有多种方法，如变分自动编码器将图像编码为压缩形式再解码回原始大小；生成对抗模型（GAN）让两个神经网络相互对抗，一个生成图像，一个鉴别真伪；自回归模型将图像视为一系列像素来生成。 主要人工智能技术概览：生成对抗网络是一种深度学习模型，由生成器和判别器构成。生成器生成虚拟数据，判别器判断数据真假，二者不断训练竞争以提高生成器生成真实数据的能力，广泛应用于图像、声音、文本等领域。 进化史：生成对抗网络（GAN）是深度学习领域的重要里程碑，诞生于 2014 年，可帮助神经网络用更少数据学习，生成更多合成图像，用于识别和创建更好的神经网络。GAN 由两个神经网络玩猫捉老鼠的游戏，一个创造假图像，一个判断真假。它有助于创建图像和现实世界的软件模拟。

以下是从 0 开始学习 AI 操作的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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、当前应用和未来发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，如了解生成式 AI 等基础知识，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。 在知识库中有很多实践后的作品和文章分享，欢迎实践后进行分享。 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。 此外，还可以通过以下方式学习： 学习创建 AI 应用，包括操作界面等流程，了解创建应用的方式，界面与智能体组件的关联，重点掌握桌面网页版用户界面布局及左侧组件类别，了解应用的前端后端知识。 学习前端、后端相关概念，前端是页面可见部分及产品设计，负责采集用户输入和展示输出；后端是服务和逻辑，接收处理用户输入并生成内容输出到前端。了解左侧组件，包括布局、展示、输入、AI 组件等，以及模板和结构的作用。 学习容器相关知识，点击容器可看到名字，操作数据会用到。容器名字对应属性和事件属性，属性包含位置、尺寸等。尺寸设百分比会受容器关系及默认值影响。创建容器时，布局时先创建覆盖页面的底层容器，设固定宽高、边界为 0，有布局文档和教程供参考。 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。

以下是学习 NLP 入门的一些建议： 1. 理解基本概念： 明确自然语言处理（NLP）包含自然语言理解（NLU）和自然语言生成（NLG）。 了解 NLP 涉及各种技术和方法，目标是让计算机像人类一样理解和使用语言，实现人机交互自然化。 认识到 NLU 专注于让计算机理解人类语言含义，能够识别文本中的情感、意图和实体等，并转化为结构化信息。 知道 NLG 专注于让计算机生成人类可理解的语言，能根据需求和场景生成不同风格和语气的文本。 2. 学习相关课程： 可以学习如“和 Cursor AI 一起学 Python 编程”中关于 Python 基础语法与文本处理，以及利用 Python 进行自然语言处理的课程。 掌握 Python 的基本语法和结构，能够进行简单的文本数据处理。 3. 深入学习技术： 了解机器学习是人工智能的子领域，核心是让计算机通过数据学习提高性能。 明白深度学习是机器学习的子领域，尝试模拟人脑工作方式，创建人工神经网络处理数据。 认识到大语言模型是深度学习在自然语言处理领域的应用，像 ChatGPT、文心一言等，被训练来理解和生成人类语言。 希望以上建议对您学习 NLP 入门有所帮助。

如果您想系统化学习 AI，可以参考以下步骤： 1. 迈出第一步，看书听课进社区： 系统性学习，避免碎片化输入。一开始可以系统地看相关书籍、听优质课程，了解 AI 的底层原理和发展历程，打好基础。 例如，可以在 B 站寻找一些介绍 ChatGPT 原理的分享，但如果要系统学习，应选择质量更高的内容。 2. 加入 AI 社区： 例如“通往 AGI 之路”这样的开源知识库，参考新手指引，直接走进当前最流行的 AI 腹地。 3. 对于中学生来说： 从编程语言入手学习，如 Python、JavaScript 等，掌握编程语法、数据结构、算法等基础知识。 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，体验其应用场景，也可以探索面向中学生的教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 学习 AI 基础知识，包括基本概念、发展历程、主要技术（如机器学习、深度学习等），以及在各领域的应用案例。 参与 AI 相关的实践项目，如参加学校或社区组织的编程竞赛、创意设计大赛等，尝试用 AI 技术解决实际问题，培养动手能力。 关注 AI 发展的前沿动态，关注权威媒体和学者，思考其对未来社会的影响。 总之，要全面系统地学习 AI 知识和技能，可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，为未来的发展做好准备。

以下是新手学习 AI 的方法和建议： 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。 6. 对于中学生学习 AI 的建议： 从编程语言入手学习，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，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。 学习 AI 基础知识，包括基本概念、发展历程、主要技术如机器学习、深度学习等，以及在教育、医疗、金融等领域的应用案例。 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。 关注 AI 发展的前沿动态，关注权威媒体和学者，思考 AI 技术对未来社会的影响。 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。

以下是为您提供的 AI 产品经理学习资料： 一、AI 市场与 AI 产品经理分析 （一）入门级 能通过 WaytoAGI 等开源网站或一些课程了解 AI 的概念，使用 AI 产品并尝试动手实践应用搭建。对应的画像可能是喜欢听小宇宙 APP 的播客或浏览 AI 相关的文章。 （二）研究级 有两个路径，一个是技术研究路径，一个是商业化研究路径。对应传统互联网偏功能实现的产品经理和偏商业运营的产品经理，最好是同一个人。这个阶段对应的画像可能是对某一领域有认知，可以根据需求场景选择解决方案，或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 （三）落地应用 这一阶段的画像就是有一些成功落地应用的案例，如产生商业化价值。对应传统互联网 PM 也有三个层级： 1. 负责功能模块与执行细节。 2. 负责整体系统与产品架构。 3. 熟悉行业竞争格局与商业运营策略。 总结来说，对 AI 产品经理要求懂得技术框架，不一定要了解技术细节，而是对技术边界有认知，最好能知道一些优化手段和新技术的发展。AI 是工具和手段，产品经理要关注的还是场景、痛点、价值。 二、学习笔记：AI for everyone 吴恩达 （一）在企业中建构人工智能 1. 案例研究：智能扬声器 探测到触发词或唤醒词。 语音识别。 意图识别。 执行相关程序。 智能音箱面临需要对每一个用户提出的需求进行单独的程序编写导致花费大量资金教育客户的困境。 2. 案例研究：自动驾驶汽车 汽车检测，使用监督学习，识别前方车辆不仅需要前置摄像头，还包括后置与两侧的摄像头或者传感器，如雷达与激光雷达。 行人检测，使用相似的传感器与技术。 运动规划，规划行车路径，输出驾驶路径，速度。如匀速行驶在道路上或避开道路边停靠的车辆。 （二）人工智能团队的角色示例 1. 软件工程师，如智能音箱中的软件编程工作，团队中 50%以上的占比。 2. 机械学习工程师，创建 AB 的映射，或创建其他机械学习算法。搜集汽车图片，位置的数据，训练神经网络或深度学习算法，不断迭代，确保准确的输出。 3. 机械学习研究员，负责开发机械学习的前沿技术。可能需要发表论文，或专注于研究。 4. 应用机械学习科学家，负责学术文献或研究文献中研究前沿技术，并想办法找到技术解决面临的问题。 5. 数据科学家，检测数据并分析数据背后的意义，向团队成员与负责人展示数据分析得出的结论。 6. 数据工程师，整理数据，确保数据是安全，易被保存，读取。因为人工智能需要处理的数据极大，自动驾驶汽车每分钟都会制造好几个 GB 的数据。 7. AI 产品经理，帮助决定用 AI 做什么，什么是可行且有价值的。 三、刘海：「AI 提示词工程师」の见解和经验分享 （一）入门第一步：AI 提示词工程师 岗位技能要求： 1. 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. 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 3. 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 4. 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。 5. 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 6. 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。 7. 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。 8. 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 9. 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。 10. 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。 11. 具有一定的编程基础，熟练使用 Python、Git 等工具。 观察上面的岗位需求，其实公司并不是需要一个 prompt 工程师，而是一个 AI 互联网产品经理。产品经理的工作内容（仅作参考）：