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

如果让提示词变成模板, 每次输入需要的参数就好。

Answer

要将提示词变成模板,每次输入需要的参数即可。以下是一些相关的方法和要点:

  • 在 Stable Diffusion 中,下次作图时先选择模板,点击倒数第二个按钮可快速输入标准提示词。描述逻辑通常包括人物及主体特征(如服饰、发型发色、五官、表情、动作)、场景特征(室内室外、大场景、小细节)、环境光照(白天黑夜、特定时段、光、天空)、画幅视角(距离、人物比例、观察视角、镜头类型)、画质(高画质、高分辨率)、画风(插画、二次元、写实)等,通过这些详细提示词能更精确控制绘图。新手可借助功能型辅助网站书写提示词,如 http://www.atoolbox.net/ (通过选项卡快速填写关键词信息)、https://ai.dawnmark.cn/ (每种参数有缩略图参考),还可去 C 站(https://civitai.com/)抄作业,复制每张图的详细参数粘贴到正向提示词栏,注意图像作者使用的大模型和 LORA,也可选取部分好的描述词使用。
  • 简单的提示词模板最终目标是把需求说清楚,如 GPTs 提示词模板:Act like a [Specify a role](你应该像[指定角色]一样操作)、I need a [What do you need?](我需要一个[你需要什么?])、you will [Enter a task](您将[输入任务])、in the process,you should [Enter details](在此过程中,你应该[输入详细信息])、Please [Enter exclusion](请[输入排除项])、input the final result in a [Select a format](以[选择格式]输入最终结果),并给出了示例。
  • 提示词母体系列(2)中,在掌握人物设计整体框架后编写提示词,可借鉴替换方式替换模板。模板构成包括:先看约束部分,规则放顶部加强约束,底部也有相应约束,整个约束包裹具体提示词以提示模型专注性;模板结构有基本信息(姓名、性别、年龄、职业)、外貌特征、背景和经历、性格和价值观、爱好特长和语言风格、人际关系和社交活动、未来规划和目标。
Content generated by AI large model, please carefully verify (powered by aily)

References

【SD】文生图怎么写提示词

下次作图的时候,只需要先选择你的模板,然后点击倒数第二个按钮,就能将这些标准提示词快速输入了。我们来看一下加入标准提示词后的效果,是不是好了很多。我们通常的描述逻辑是这样的:人物及主体特征(服饰、发型发色、五官、表情、动作),场景特征(室内室外、大场景、小细节),环境光照(白天黑夜、特定时段、光、天空),画幅视角(距离、人物比例、观察视角、镜头类型),画质(高画质、高分辨率),画风(插画、二次元、写实)。通过这些详细的提示词,我们就能更精确的控制Stable Diffusion的绘图了。对于新手而言,我们还有一些功能型辅助网站来帮我们书写提示词。比如:http://www.atoolbox.net/。它可以通过选项卡的方式快速地填写关键词信息。还有:https://ai.dawnmark.cn/。它的每种参数都有缩略图可以参考,可以方便我们更加直观的选择提示词。还有一个方法就是去C站(https://civitai.com/)里面抄作业,每一张图都有详细的参数,我们可以点击下面的复制数据按钮。然后直接粘贴到正向提示词栏里,然后点击生成按钮下的第一个按键,Stable Diffusion就可以将所有的参数自动匹配了。不过,还要注意图像作者使用的大模型和LORA,不然即使参数一样,生成的图也会截然不同。我们也可以只取其中比较好的一些描述词使用,比如人物描写、背景描述、一些小元素或者是画面质感之类的。好了,我们讲到这里,大家应该已经基本了解了文生图的使用方法和逻辑了,采用正确的语法规则和思路能让我们得到更好效果的AI绘图,快练习起来吧。-END-白马与少年Stable Diffusion、Blender等学习心得分享139篇原创内容(持续更新中)公众号

简单的提示词模板

其实最终目标是:把需求说清楚GPTs提示词模板...往进去套就行哈哈哈Act like a[Specify a role]你应该像[指定角色]一样操作I need a[What do you need?]我需要一个[你需要什么?]you will[Enter a task]您将[输入任务]in the process,you should[Enter details]在此过程中,你应该[输入详细信息]Please[Enter exclusion]请[输入排除项]input the final result in a[Select a format]以[选择格式]输入最终结果here is an example:[Enter an example]下面是一个示例:[输入示例]案例:Act like a SEO Professional Writer,你是一个SEO专家I need a optimized blog post,我需要一篇优化的博客文章you will research keywords and incorporate them naturally into the content,你将研究关键字并将它们自然地融入内容中in the process,you should focus on readability,relevance and proper keyword placement,在这个过程中,你应该关注可读性、相关性和正确的关键词位置please avoid keyword stuffing or over-optimisation请避免关键字堆砌或过度优化input the final result in a well structured format,以结构良好的格式输入最终结果here is an example:title"Top 10 Tips for Effective SEO Writing:Boost Your Content's Visibility"这里有一个例子:标题“有效SEO写作的10大技巧:提高你的内容的知名度”完整prompt:Act like a SEO Professional Writer,I need a optimized blog post,you will research keywords and incorporate them naturally into the content,in the process,you should focus on readability,relevance and proper keyword placement,please avoid keyword stuffing or over-optimisation,input the final result in a well structured format,here is an example:title"Top 10 Tips for Effective SEO Writing:Boost Your Content's Visibility"

提示词母体系列(2):再进阶,一分钟创建你的拟人化小助理

在掌握了人物设计的整体框架后,我们就可以着手编写提示词了。值得注意的是,我们可以借鉴上一篇文章中提到的替换方式来替换提示词模板。这意味着我们无需对模板的整体结构进行大幅度修改,只需要替换相应的生成模板内容即可。先看约束部分,这次我把规则放到了顶部,加强约束。相呼应的,底部同样有个的约束。整个约束包裹具体提示词,用来提示模型的专注性。接下来,让我们详细看一下截图中展示的模板结构:1.基本信息:这是模板的首要部分,包含了角色的姓名、性别、年龄和职业。这些信息为角色奠定了基础,是其他所有特征的起点。2.外貌特征:紧随基本信息之后,这部分描述了角色的物理外观,有助于创造一个视觉上可识别的形象。3.背景和经历:这一部分与前面的基本信息密切相关,详细阐述了角色的成长环境和重要人生经历。这些信息为理解角色的行为和思维方式提供了重要背景。4.性格和价值观:这个关键部分包括了性格特征、核心价值观念以及个人习惯。这些元素共同塑造了角色的内在世界,决定了他们如何看待和互动这个世界。1.爱好、特长和语言风格:这一部分巧妙地将角色的兴趣爱好、特殊才能以及独特的表达方式融合在一起,展现了角色的多面性。2.人际关系和社交活动:这里描述了角色的社交圈,包括朋友、潜在对手,以及他们倾向于与什么类型的人交往。这一部分揭示了角色在社会中的定位和互动方式。3.未来规划和目标:作为模板的收尾部分,这里勾勒出角色的梦想和未来计划,为角色赋予了前进的动力和方向。

Others are asking
什么AI工具可以把直接WORD的内容直接放到PPT模板里
以下是一些可以将 WORD 内容直接放到 PPT 模板里的 AI 工具: 1. Gamma:在线 PPT 制作网站,通过输入文本和想法提示快速生成幻灯片,支持嵌入多媒体格式。网址:https://gamma.app/ 2. 美图 AI PPT:由美图秀秀团队推出,输入简单文本描述生成专业 PPT 设计,有丰富模板库和设计元素。网址:https://www.xdesign.com/ppt/ 3. Mindshow:AI 驱动的 PPT 辅助工具,提供智能设计功能,如自动布局、图像选择和文本优化等。网址:https://www.mindshow.fun/ 4. 讯飞智文:科大讯飞推出的 AI 辅助文档编辑工具,利用语音识别和自然语言处理技术,提供智能文本生成、语音输入、文档格式化等功能。网址:https://zhiwen.xfyun.cn/ 5. 爱设计 6. 闪击 7. Process ON 8. WPS AI
2025-01-08
你有没有文生图的prompt模板
以下是一些文生图的 prompt 模板和相关指导: 1. 定主题:明确生成图片的主题、风格和要表达的信息。 2. 选择基础模型 Checkpoint:根据主题选择贴近的模型,如麦橘、墨幽的系列模型。 3. 选择 lora:寻找与生成内容重叠的 lora,以控制图片效果和质量。 4. ControlNet:可控制图片中特定的图像,如人物姿态、特定文字等,属于高阶技能。 5. 局部重绘:下篇再教。 6. 设置 VAE:无脑选择 840000 这个即可。 7. Prompt 提示词:用英文写需求,使用单词和短语组合,不用管语法,单词、短语之间用英文半角逗号隔开。 8. 负向提示词 Negative Prompt:用英文写要避免产生的内容,同样是单词和短语组合,中间用英文半角逗号隔开。 9. 采样算法:一般选 DPM++2M Karras,也可参考 checkpoint 详情页上模型作者推荐的采样器。 10. 采样次数:根据采样器特征,选 DPM++2M Karras 时,采样次数在 30 40 之间。 11. 尺寸:根据喜好和需求选择。 描述逻辑通常包括:人物及主体特征(服饰、发型发色、五官、表情、动作),场景特征(室内室外、大场景、小细节),环境光照(白天黑夜、特定时段、光、天空),画幅视角(距离、人物比例、观察视角、镜头类型),画质(高画质、高分辨率),画风(插画、二次元、写实)。 对于新手,可通过以下方式辅助写提示词: 1. 利用功能型辅助网站,如 http://www.atoolbox.net/ ,通过选项卡快速填写关键词信息。 2. 参考 https://ai.dawnmark.cn/ ,其每种参数有缩略图可参考,更直观选择提示词。 3. 去 C 站(https://civitai.com/)抄作业,复制每一张图的详细参数。 在 Stable Diffusion 中,生成方式主要分为文生图和图生图两种。文生图仅通过正反向词汇描述发送指令,图生图除文字外还可给 AI 参考图模仿。采样迭代步数通常控制在 20 40 之间,采样方法常用的有 Euler a、DPM++2S a Karras、DPM++2M Karras、DPM++SDE Karras、DDIM 等,有的模型有指定算法搭配更好。比例设置时,高宽比尽量在 512x512 数值附近,太大数值可能导致奇怪构图,若想要高清图可同时点选高清修复放大图像倍率。
2025-01-05
我想问 有没有可以帮忙写 flux 或者其他图像模型 prompt 的 system prompt 模板
以下是为您整理的相关内容: 关于 FLUX 模型的安装部署: 模型选择:FLUX.1 有 dev、dev fp8、schnell 等版本,建议选择 dev 版本,显卡较好可用 fp16,显卡不够选 fp8。模型下载后放入 ComfyUI/models/unet/文件夹中。若爆显存,可在“UNET 加载器”节点中将 weight_dtype 设置为 fp8,降低显存使用量,但可能稍降质量。 clip:t5xxl_fp16.safetensors 和 clip_l.safetensors 放在 ComfyUI/models/clip/文件夹里,也可用 t5xxl_fp8_e4m3fn.safetensors 降低内存使用率,超过 32GB 内存建议用 fp16。 Vae:下载后放入 ComfyUI/models/vae 文件夹。 关于训练 Midjourney 的 prompt: 训练问题:强大的 DMs 通常消耗数百个 GPU 天,推理由于顺序评估而成本高昂。在有限的计算资源上应用 DMs 于强大的预训练自动编码器的潜在空间中训练,可在不影响质量和灵活性的情况下实现复杂度降低和细节保留的最佳点,显著提高视觉保真度。引入交叉注意力层到模型架构使扩散模型成为强大灵活的生成器,支持文本和边界框等一般条件输入,实现高分辨率卷积合成。 版本:Midjourney 定期发布新模型版本以提高效率、连贯性和质量。最新模型为默认,也可通过version 或v 参数或/settings 命令选择其他版本。V5 模型于 2023 年 3 月 15 日发布,具有更广泛的风格范围、更高的图像质量、更详细的图像等优点。 关于 ComfyUI 图片提示词反推提示词生成: 在 ComfyUI 里使用 MiniCPM 做图片提示词反推与文本提示词生成,可和 flux 模型配合生成图片,建议使用量化版本的模型(int4 结尾)节省显存。 安装方法:进入 ComfyUI 自定义节点目录,克隆相关仓库,重启 ComfyUI。 模型下载:网盘 https://pan.quark.cn/s/00b3b6fcd6ca ,下载后放入 ComfyUI 的 models 文件夹下 MiniCPM 文件夹中,没有就新建一个。
2025-01-02
撰写一篇汽车领域人工智能自动驾驶应用系统方案,参照以下要求:(1) 选题应为课程相关的技术或者原理的应用。 (2) 重点撰写第2部分技术与服务,必须要使用到课程中所学到或者相关技术。 (3) 第6部分财务分析可根据情况适当缩减。 (4) 整体架构可以根据选题进行调整,可适当增加章节或者删减。 (5) 字体大小、标题等必须和模板相同。篇幅20页以上,不少于10000字,小四,宋体。 以下为一篇样稿,可参考其框架撰写 城市智能停车服务系统建设方案 目 录 1 项目背景 1 1.1 项目背景
以下是为您撰写的汽车领域人工智能自动驾驶应用系统方案的部分内容,您可以根据实际需求进行进一步的完善和补充: 一、项目背景 人工智能在汽车行业的应用已经十分广泛,正在深刻改变汽车的各个方面。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,使汽车能够自主导航和驾驶,如特斯拉、Waymo 和 Cruise 等公司都在积极开发和测试自动驾驶汽车。车辆安全系统中,AI 用于增强自动紧急制动、车道保持辅助和盲点检测等功能,通过分析摄像头和传感器数据预防事故。个性化用户体验方面,AI 可根据驾驶员偏好调整车辆设置,包括座椅位置、音乐选择和导航系统。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,提高车辆可靠性和效率。在汽车制造中,AI 用于自动化生产线,优化生产流程和质量控制。汽车销售和市场分析中,AI 帮助分析市场趋势、消费者行为和销售数据,优化营销策略和产品定价。电动化和能源管理方面,AI 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。共享出行服务借助 AI 优化路线规划、车辆调度和定价策略,提升服务效率和用户满意度。语音助手和车载娱乐由 AI 驱动,允许驾驶员通过语音控制车辆功能、获取信息和娱乐内容。车辆远程监控和诊断利用 AI 系统远程监控车辆状态,提供实时诊断和支持。 二、技术与服务 1. 自动驾驶技术 传感器融合:采用多种传感器,如激光雷达、摄像头、毫米波雷达等,收集车辆周围环境信息。利用 AI 算法对这些多源数据进行融合和分析,提高环境感知的准确性和可靠性。 深度学习决策:基于深度神经网络,训练车辆的决策模型。通过大量的真实驾驶数据,让模型学习如何在各种复杂场景下做出最优的驾驶决策,如加速、减速、转向等。 模拟训练:利用虚拟仿真环境进行大规模的自动驾驶训练。在模拟环境中,可以快速生成各种复杂和罕见的交通场景,加速模型的训练和优化。 2. 车辆安全系统 实时监测与预警:利用 AI 实时分析来自车辆传感器的数据,如车速、加速度、转向角度等,以及外部环境信息,如道路状况、天气条件等。当检测到潜在的危险情况时,及时向驾驶员发出预警。 自动紧急制动:基于 AI 的图像识别和距离检测技术,当判断车辆即将与前方障碍物发生碰撞且驾驶员未采取制动措施时,自动启动紧急制动系统,降低事故风险。 3. 个性化用户体验 偏好学习:通过收集驾驶员的日常操作数据,如座椅调整习惯、音乐播放喜好、常用导航路线等,利用机器学习算法分析和学习驾驶员的偏好模式。 智能推荐:根据学习到的偏好,为驾驶员提供个性化的推荐,如座椅自动调整、音乐推荐、导航路线规划等。 4. 预测性维护 数据采集与分析:安装各类传感器收集车辆的运行数据,如发动机转速、油温、轮胎压力等。利用 AI 算法对这些数据进行分析,挖掘潜在的故障模式和趋势。 故障预测模型:建立基于机器学习的故障预测模型,提前预测可能出现的故障,并及时通知驾驶员和维修人员,安排预防性维护。 5. 生产自动化 质量检测:利用机器视觉技术和 AI 算法,对生产线上的汽车零部件进行自动检测,识别缺陷和瑕疵,提高产品质量。 生产流程优化:通过分析生产数据,如设备运行状态、生产节拍等,利用 AI 优化生产流程,提高生产效率,降低生产成本。 三、财务分析(可根据情况适当缩减) 1. 初始投资 技术研发费用:包括自动驾驶算法开发、硬件设备采购、测试场地建设等方面的费用。 车辆改装和设备安装成本:为实现自动驾驶功能,对车辆进行改装和安装相关传感器、计算设备等的成本。 2. 运营成本 数据采集和处理费用:持续收集车辆运行数据和环境数据,并进行处理和分析的费用。 维护和升级成本:对自动驾驶系统进行定期维护、软件升级和硬件更换的费用。 3. 收益来源 车辆销售增值:配备自动驾驶和智能功能的汽车可以提高售价,增加销售收入。 服务订阅费用:为用户提供个性化服务、远程监控和诊断等服务的订阅收费。 4. 盈利预测 根据市场需求、成本控制和收益增长情况,进行短期和长期的盈利预测。 以上内容仅供参考,您可以根据具体的项目需求和实际情况进一步完善和细化各个部分。
2024-12-27
AI人设设定模板
以下是关于 AI 人设设定的相关内容: Niji·journey 5 二次元角色设计 Prompt 编写指南: 示例:“Character concept art,many details,full body view,Front,back and side views,multiple views of the same character,a little Girl wear inside cyberpunk latex tiny tight Pilot suit,wear outside an ultra detailed Futuristic fashion oversized cyberpunk short coat with big wide sleeves,big cyberpunk boots,lineart,beautiful linework,high contrast,alluring,flirtatious,frisky,massive scale,gradient,manga,hd,with exaggerated features and bold colors.The character design should be distinctive and unique,with attention to detail and a strong sense of personality,3 panels dynamic poses various angles,various angles,line art,black and white,white background”。通过替换设计主体描述部分,可以生成不同的角色,如男性赏金猎人、骷髅假面杀手、生化牛头人等。 如何引导 Niji·journey 5 生成多样化二次元角色设计风格: 除了风格关键词,还可以加入时代背景等元素让设计产生更多变化。 可以使用具体游戏风格引导 Niji·journey 5 生成类似风格的角色设计,例如以《最终幻想 14》为例,在 Prompt 中按照模板添加特定游戏的名称。 通用人物模版: 想用真人照片来生成卡通头像,可以用“真人照片”+“照片描述”+“方法 1 的关键词”来处理。 如果生成了自己比较满意的图,一定要记得存起来。下次想要同种类型的就可以直接拿来喂图,效果要比重新找的好很多。
2024-12-24
零基础模板化搭建 AI 聊天机器人
以下是零基础模板化搭建 AI 微信聊天机器人的相关内容: 开始搭建 1. 配置腾讯云轻量应用服务器 重点在于修改 dockercompose.yml 文件中的具体配置,以串联微信号和已创建好的 AI 机器人。配置参考来源为:https://docs.linkai.tech/cow/quickstart/config 。 配置参数中,名称的全大写描述需对应编排模板,如 open_ai_api_key 对应 OPEN_AI_API_KEY ,model 对应 MODEL 等。 私聊或群聊交流时,最好加上前缀触发机器人回复,如配置的 ,即 SINGLE_CHAT_PREFIX ,私聊或群里发消息包含 bot 或 @bot 才会触发机器人回复。在群组里,对应配置参数是 GROUP_CHAT_PREFIX ,机器人只会回复群里包含 @bot 的消息。 GROUP_NAME_WHITE_LIST 用于配置哪些群组的消息需要自动回复,例如 ,即只有这些群组的消息才会自动回复。 2. 配置部署 COW 组件 假设对接的微信号名称叫安仔机器人,更新最终版的配置参数(GROUP_NAME_WHITE_LIST 参数根据交互的群组进行具体修改),查看无误后点击保存,编排模板创建成功。 切换到容器编排界面,基于创建的模板进行 COW 服务部署,点击添加后等待部署完成。 疑问解答 1. 容器编排模板是一种配置文件,定义了如何在 Docker 中部署和管理多个容器。通过编排模板,可一键部署复杂的应用环境,无需手动配置每个容器细节。本文中通过容器编排模板配置了 COW 组件,使其能与微信和极简未来平台交互。 2. Docker 提供隔离运行环境,确保应用程序在任何环境稳定运行。通过 Docker 部署 COW 组件,可简化安装和配置过程,确保每次部署环境一致,且易管理和维护。 3. 配置多个前缀(如“bot”、“@bot”)可确保只有特定情况下机器人才会回复,避免在群聊或私聊中频繁干扰,提高响应准确性和用户体验。 4. 扫码登录失败时,可尝试以下步骤: 重启 Docker 容器:在宝塔面板中找到对应的容器,点击“重启”。 检查网络连接:确保服务器和微信客户端能正常访问互联网。 重新扫描二维码:等待容器重新启动后,重新扫描日志中生成的二维码。 5. 实际上使用不会很贵。极简未来平台按使用量收费,对于一般用户费用相对低廉,充值少量费用通常可用很长时间。同时,平台还提供每天签到免费领取积分的福利,进一步降低使用成本。 6. 极简未来平台创建 AI 机器人的费用,具体因使用量而异。
2024-12-18
Coze + 飞书 + 飞书多维表格:通过飞书机器人与 Coze 搭建的智能体进行对话,在聊天窗口中完成链接输入和阅读计划输出。由 Coze 调用大模型、插件完成内容的整理、推荐,利用飞书多维表格存储和管理稍后读数据,无需开发任何插件、APP,能实现跨平台的稍后读收集与智能阅读计划的推荐。其设计思路包括简化“收集”,实现跨平台收集和通过输入 URL 完成收集;自动化“整理入库”,自动整理关键信息并支持跨平台查看;智能“选择”推荐,根据收藏记录和用户兴趣生成阅读计划——这个方法具体如何操作?
以下是关于通过飞书机器人与 Coze 搭建的智能体进行对话,并利用飞书多维表格存储和管理稍后读数据,实现跨平台的稍后读收集与智能阅读计划推荐的具体操作方法: 前期准备: 1. 简化“收集”: 实现跨平台收集功能,支持电脑(web 端)、安卓、iOS 多端操作。 输入一个 URL 即可完成收集,借鉴微信文件传输助手的方式,通过聊天窗口完成收集输入。 2. 自动化“整理入库”: 系统在入库时自动整理每条内容的关键信息,包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐: 根据当前收藏记录和用户阅读兴趣进行相关性匹配,生成阅读计划。 使用飞书·稍后读助手: 1. 设置稍后读存储地址: 首次使用,访问。 点击「更多创建副本」,复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接,调整稍后读存储位置。 2. 收藏待阅读的页面链接: 在对话中输入需要收藏的页面链接,第一次使用会要求授权共享数据,授权通过后再次输入即可完成收藏。但目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容: 在对话中发送“我想看 xx”、“xx 内容”,即可按个人兴趣推荐阅读计划。 至此,专属 AI 稍后读智能体大功告成,您可以尽情享受相关服务。
2025-01-27
如何再coze中引导用户输入内容
在 Coze 中引导用户输入内容可以参考以下步骤: 1. 设计一个吐槽心灵鸡汤的应用,允许用户输入心灵鸡汤类内容,AI 生成对应的反心灵鸡汤,并展示在前端页面。应用体验地址为:https://www.coze.cn/s/iDGHwn8t/ 核心操作流程: 用户在页面输入指定文本。 用户在页面点击【开喝】按钮。 Coze 后台调用工作流生成对应内容。 工作流生成的内容展示在前端界面内。 核心前端设计: 用户界面提供一个元素 A(Coze 中称作组件),让用户输入内容。 用户界面提供一个按钮 A,让用户点击后调用工作流。 用户界面提供一个元素 B,向用户展示工作流的结果。 核心业务逻辑: 读取元素 A 的用户输入。 将用户输入传递给 AI 大模型。 AI 大模型按照提示词设定生成指定内容。 在元素 B 展示 AI 大模型生成的内容。基于上述业务逻辑,只需要设计一个简单的工作流即可。该工作流由【开始】节点(用户输入)、【大模型】节点(AI 生成内容)、【结束】节点构成(内容输出)。 2. 搭建选择内容推荐流,用于根据用户输入的“想看 xxx 内容”,在稍后读存储地址(飞书多维表格)中,检索现有的收藏记录,匹配符合阅读兴趣的内容记录。 新建工作流「recommendRead」,根据弹窗要求自定义工作流信息。 工作流全局流程设置: 4.1 开始节点:收到用户输入的“想看 xxx 内容”这类指令就开始流程,不需要额外配置(至于如何判断哪些用户输入是在交代想阅读的内容主题,交由外层 bot 的大模型判断)。 4.2 变量节点:引入 bot 变量中保存的飞书多维表格地址,添加变量节点。 4.3 插件节点:添加「飞书多维表格search_records」插件,只需要设置{{app_token}}参数,在{{app_token}}引用变量节点的{{app_token}},输出结果的{{items}}里会返回需要的查询结果,也可以通过额外的配置定向检索状态为“仅记录(即未读状态)”的收藏记录。 4.4 大模型节点:为了处理的稳定性,这一步采用批处理,对检索出来的收藏记录逐个进行相关性匹配。可以继续优化提示词以提升匹配的精准度。
2025-01-09
在coze工作流中,怎样利用下一个代码节点合并前两个代码节点的输出,并以正确的格式输入传入飞书多维表格插件节点
在 Coze 工作流中利用下一个代码节点合并前两个代码节点的输出并以正确格式传入飞书多维表格插件节点的步骤如下: 1. 搭建整理入库工作流: 3.4 大模型节点:提取稍后读元数据。根据对稍后读阅读清单的元数据期望设置大模型节点,使用 MiniMax 6.5s 245k,设置最大回复长度至 50000 以完整解析长内容网页,用户提示词需相应设置。 3.5 日期转时间戳。后续的飞书多维表格插件节点在入库日期字段时只支持 13 位时间戳,需使用「日期转时间戳time_stamp_13」插件进行格式转化,具体设置明确。 3.6 大模型节点:把稍后读元数据转换为飞书多维表格插件可用的格式。飞书多维表格插件目前(2024 年 08 月)只支持带有转义符的 string,以 Array<Object>格式输入,所以要将之前得到的元数据数组进行格式转换,大模型节点配置及用户提示词需相应设置。 3.7 插件节点:将元数据写入飞书表格。添加「飞书多维表格add_records」插件,设置{{app_token}}与{{records}}参数。 3.8 结束节点:返回入库结果。「飞书多维表格add_records」插件会返回入库结果,直接引用该信息用于通知外层 bot 工作流的入库是否成功。 2. 搭建选择内容推荐流: 4.1 开始节点:输入想阅读的内容主题。收到用户输入的“想看 xxx 内容”这类指令开始流程,无需额外配置。 4.2 变量节点:引入 bot 变量中保存的飞书多维表格地址,添加变量节点并设置。 4.3 插件节点:从飞书多维表格查询收藏记录。添加「飞书多维表格search_records」插件,设置{{app_token}}参数,并在{{app_token}}引用变量节点的{{app_token}},输出结果的{{items}}里会返回需要的查询结果,也可在这一步定向检索未读状态的收藏记录。 4.4 大模型节点:匹配相关内容。为处理稳定采用批处理,对检索出来的收藏记录逐个进行相关性匹配,用户提示词可优化以提升匹配精准度。 搭到这里,别忘了对整个工作流进行测试。
2025-01-09
可否输入一次同时使用多个人工智能
360 于 8 月 1 日发布了集合国内 16 家主流模型的 AI 助手。用户可以通过其桌面客户端和浏览器等多个入口随时唤起,支持在同一问题上同时使用多个模型进行解答。当用户不确定选择哪个模型时,AI 助手会通过意图识别自动选择模型。您可以体验一下:https://bot.360.com
2025-01-05
🚀接着上期SOP+AI:打造职场高效能人士的秘密武器的分享,今天继续聊聊SOP+AI的应用,🎯今天的主题是“怎样利用AI节约10倍内容创作时间?”📚最近跟团队有开始运营小红书账号,就想着先给自己打造点顺手的工具,于是乎「小红书文案专家」就出生啦~🎉[heading1]一、先介绍下我们小Bot[content]🛺BOT名称:小红书文案专家功能价值:见过多个爆款文案长啥样,只需输入一个网页链接或视频链接,就能生成对应的小红书文案,可以辅助创作者生成可以一键复制发布的初稿,提供创意和内容,1
以下是关于“SOP+AI”的相关内容: 怎样利用 AI 节约 10 倍内容创作时间? 最近团队开始运营小红书账号,于是打造了“小红书文案专家”。 BOT 名称:小红书文案专家 功能价值:见过多个爆款文案,输入网页或视频链接就能生成对应的小红书文案,辅助创作者生成可一键复制发布的初稿,提供创意和内容,节约 10 倍文字内容创作时间。 应用链接:https://www.coze.cn/s/ij5C6LWd/ 设计思路: 痛点:个人时间有限,希望有人写初稿并生成配图。 实现思路:为自己和团队设计工作流,让 AI 按运营思路和流程工作。 一期产品功能: 1. 提取任何链接中的标题和内容。 2. 按小红书平台文案风格重新整理内容。 3. 加入 emoji 表情包,使文案更有活力。 4. 为文案配图片。 二期计划功能:持续优化升级,增加全网搜索热点功能,提炼热点新闻或事件关键信息,结合用户想要生成的内容方向输出文案和配图。 SOP+AI:打造职场高效能人士的秘密武器 案例分享:X 公司客服团队引入 SOP 和 AI 助手后,工作效率显著提升。引入 SOP 前,客服工作流程混乱,效率低下,客户满意度不高。引入 SOP 标准化操作后,效率提高。进一步引入 AI 助手,自动回复常见问题、处理简单请求,减少客服工作量,还能及时发现问题帮助优化。结果客服团队工作效率提升 30%以上,客户满意度显著提高。SOP 能提升效率、减少失误、促进协作,借助 AI 助手,SOP 制定和优化更高效智能。
2024-12-20
推荐一个生成bpm系统产品原型图的ai工具,可以实现文字输入,甄别分析后直接生成原型图,并且导入Figma或者Axure可以二次编辑
以下是为您推荐的可生成 BPM 系统产品原型图、用于产品原型设计或绘制示意图的 AI 工具: 1. 即时设计:https://js.design/ 这是一款可在线使用的「专业 UI 设计工具」,为设计师提供更加本土化的功能和服务,相较于其他传统设计工具,更注重云端文件管理、团队协作,并将设计工具与更多平台整合,一站搞定全流程工作。 2. V0.dev:https://v0.dev/ Vercel Labs 推出的 AI 生成式用户界面系统。每个人都能通过文本或图像生成代码化的用户界面。它基于 Shadcn UI 和 Tailwind CSS 生成复制粘贴友好的 React 代码。 3. Wix:https://wix.com/ Wix 是一款用户友好的 AI 工具,可让您在没有任何编码知识的情况下轻松创建和自定义自己的网站,提供广泛的模板和设计供您选择,以及移动优化和集成电子商务功能等功能。Wix 建站工具通过拖放编辑、优秀模板和 250 多种 app,能帮助不同领域的用户创建所有种类的网站。 4. Dora:https://www.dora.run/ 使用 Dora AI,可以通过一个 prompt,借助 AI 3D 动画,生成强大网站。支持文字转网站,生成式 3D 互动,高级 AI 动画。 5. UIzard:是一个利用 AI 技术生成用户界面的工具,它可以根据设计师提供的信息快速生成 UI 设计。 6. Figma:是一个基于云的设计工具,它提供了自动布局和组件库,可以帮助团队快速协作并迭代产品设计。Figma 的社区也开发了一些 AI 插件,用于增强设计流程。 7. Sketch:是另一款流行的矢量图形设计工具,它提供了插件系统,其中一些插件利用 AI 技术来辅助设计工作,例如自动生成设计元素等。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2024-12-17
Roo Code 的API Provider 参数哪里设置
要设置 Roo Code 的 API Provider 参数,您可以按照以下步骤进行操作: 1. 首先,进入 deepseek 的官网(https://www.deepseek.com/)。 2. 进入右上角的 API 开放平台。早期 deepseek 是有赠送额度,如果没有赠送的余额,可以选择去充值,支持美元和人民币两种结算方式,以及各种个性化的充值方式,并创建一个 API key。注意,API key 只会出现一次,请及时保存下来。 3. 接下来,以 cursor 作为代码编辑器为例,下载安装 cursor(https://www.cursor.com/),在插件页面搜索并安装 Roocline。安装完后,打开三角箭头,就可以看到 RooCline,选中 RooCline,并点击齿轮,进入设置。 4. 依次设置配置基本参数: API Provider:选择 DeepSeek。 API Key:填入已创建的 key。 模型:选择 DeepSeekreasoner。 5. 进行语言偏好设置。 6. 小贴士:记得把 HighRisk 选项都打开,这样 AI 才能帮您自动生成文件。最后做完所有不要忘记点击 Done 保存修改。在聊天框输入产品需求,输入需求后点击这个 blingbling 的星星,优化提示词。最终,在 deepseekr1 的加持下基本上是一遍过,各种特效效果交互逻辑也都正确。画面也算优雅,交互效果也不错,是您想要的。
2025-01-26
理解LoRA训练以及参数
LoRA 训练的参数主要包括以下方面: 1. 学习步数:指 AI 对每张图片的学习次数。二次元图片的 repeat 一般在 10 15,写实人物图片的 repeat 一般在 30 50,真实世界的景观场景可能要达到 100。repeat 值越高,AI 越能读懂图片,但图片精细度越高,学习步数也要越高。 2. 循环次数:AI 将所有图片按照学习步数学习一轮就是一次循环,循环次数就是将这个过程重复的遍数。一般数值在 10 20 之间,次数并非越多越好,过多会导致过拟合。总的训练步数 = 图片张数×学习步数×循环次数。 3. 效率设置:主要控制电脑的训练速度,可保持默认值,也可根据电脑显存微调,但要避免显存过载。 4. DIM:不同场景有不同的推荐值。如二次元一般为 32,人物常见为 32 128,实物、风景则≥128。DIM 为 64 时,输出文件一般为 70MB +;DIM 为 128 时,输出文件一般为 140MB + 。 5. 样图设置:主要控制训练过程中的样图显示,可实时观测训练效果。“sample every n steps”为 50 代表每 50 步生成一张样图,prompts 提示词可预设效果或自定义。 6. 并行数量:代表 AI 同一时间学习的图片数量。数值越大,训练速度越快,内存占用越大,收敛得慢;数值越小,训练速度越慢,内存占用越小,收敛得快。以 512×512 的图片为例,显存小于等于 6g,batch size 设为 1;显存为 12g 以上,batch size 可设为 4 或 6。增加并行数量时,通常也会增加循环次数。 7. 质量设置: 学习率:指 AI 学习图片的效率,过高会过拟合,过低会不拟合。1e 4 即 1 除以 10 的 4 次方,等于 0.0001;1e 5 即 1 除以 10 的 5 次方,等于 0.00001。一般保持默认,如需调整可点击数值旁的加减号。 网格维度:network dim 决定出图精细度,数值越高有助于 AI 学会更多细节,但数值越大学习越慢,训练时间越长,易过拟合。
2025-01-06
全量微调与少量参数微调
在参数规模的角度,大模型的微调分为全量微调(FFT,Full Fine Tuning)和少量参数微调(PEFT,ParameterEfficient Fine Tuning)两条技术路线。 全量微调是对全量的模型参数进行全量的训练。少量参数微调则只对部分模型参数进行训练。从成本和效果的综合考虑,PEFT 是目前业界较流行的微调方案。 微调是在较小的、特定领域的数据集上继续 LLM 的训练过程,通过调整模型本身的参数,而非像提示工程和 RAG 那样仅更改提示,能大幅提高模型在特定任务中的性能。微调有两大好处:一是提高模型在特定任务中的性能,可输入更多示例,经过微调的模型可能会失去一些通用性,但对于特定任务会有更好表现;二是提高模型效率,实现更低的延迟和成本,可通过专门化模型使用更小的模型,且只对输入输出对进行训练,舍弃示例或指令进一步改善延迟和成本。 关于微调的具体实现,LoRA 微调脚本见:。 在微调的超参数方面,选择了适用于一系列用例的默认超参数,唯一需要的参数是训练文件。调整超参数通常可产生更高质量输出的模型,可能需要配置的内容包括:model(要微调的基本模型的名称,可选择“ada”“babbage”“curie”或“davinci”之一)、n_epochs(默认为 4,训练模型的时期数)、batch_size(默认为训练集中示例数量的 0.2%,上限为 256)、learning_rate_multiplier(默认为 0.05、0.1 或 0.2,具体取决于 final batch_size)、compute_classification_metrics(默认为假,若为 True,为对分类任务进行微调,在每个 epoch 结束时在验证集上计算特定于分类的指标)。要配置这些额外的超参数,可通过 OpenAI CLI 上的命令行标志传递。 OpenAI 官方微调教程:
2025-01-06
理解LoRA训练以及参数
LoRA 训练的参数主要包括以下方面: 1. 学习步数:指 AI 对每张图片的学习次数。二次元图片的 repeat 一般在 10 15,写实人物图片的 repeat 一般在 30 50,真实世界的景观场景可能要达到 100。repeat 值越高,AI 越能读懂图片,但图片精细度越高,学习步数也要越高。 2. 循环次数:AI 将所有图片按照学习步数学习一轮就是一次循环,循环次数就是将这个过程重复的遍数。一般数值在 10 20 之间,次数并非越多越好,过多会导致过拟合。总的训练步数 = 图片张数×学习步数×循环次数。 3. 效率设置:主要控制电脑的训练速度,可保持默认值,也可根据电脑显存微调,但要避免显存过载。 4. DIM:不同场景有不同的推荐值。如二次元一般为 32,人物常见为 32 128,实物、风景则≥128。DIM 为 64 时,输出文件一般为 70MB +;DIM 为 128 时,输出文件一般为 140MB + 。 5. 样图设置:主要控制训练过程中的样图显示,“sample every n steps”为 50 代表每 50 步生成一张样图。Prompts 提示词可预设效果或自定义。 6. 并行数量:代表 AI 同一时间学习的图片数量。数值越大,训练速度越快,内存占用越大,但收敛得慢;数值越小,训练速度越慢,内存占用越小,但收敛得快。显存小于等于 6g 时,batch size 设为 1;显存为 12g 以上时,batch size 可设为 4 或 6。 7. 质量设置: 学习率:指 AI 学习图片的效率,过高会过拟合,过低会不拟合。1e 4 实际为 1 除以 10 的 4 次方,即 0.0001;1e 5 为 1 除以 10 的 5 次方,即 0.00001。一般保持默认,如需调整可点击数值旁的加减号。 网格维度:network dim 决定出图精细度,数值越高有助于 AI 学会更多细节,但数值越大学习越慢,训练时间越长,易过拟合。
2025-01-06
高效微调技术-LoRA 全量微调与少量参数微调
以下是关于高效微调技术 LoRA 全量微调与少量参数微调的相关信息: LoRA 微调: 微调脚本: 脚本见: 具体实现代码见: 单机多卡的微调可以通过修改脚本中的include localhost:0来实现。 加载微调模型: 基于 LoRA 微调的模型参数见:基于 Llama2 的中文微调模型,LoRA 参数需要和基础模型参数结合使用。 通过加载预训练模型参数和微调模型参数,示例代码中,base_model_name_or_path 为预训练模型参数保存路径,finetune_model_path 为微调模型参数保存路径。 全量参数微调: 微调脚本: 脚本见: 具体实现代码见: 加载微调模型: 对于全量参数微调的模型,调用方式同模型调用代码示例,只需要修改其中的模型名称或者保存路径即可。 此外,关于微调还有以下补充信息: 微调模型意味着改变模型的权重,现在微调变得越来越容易,因为开发了许多技术并建立了代码库。 像 LoRA 这样的参数高效微调技术只训练模型的小部分稀疏片段,模型大部分保持基础模型状态,效果好且成本低。 微调技术上更为复杂,需要更多技术专业知识,包括人工数据合同承包商的数据集和复杂的合成数据流程,会减慢迭代周期。 SFT(有监督的微调)相对简单明了,RLHF(基于人类反馈的强化学习)则是非常研究性的领域,难度大,不适合初学者。 目前除了传统的全量训练和 freeze 冻结某些层方式,还发展出了很多种高效的微调方法,如 LoRA、Prefix Tuning、PTuning、Prompt Tuning、AdaLoRA、3、MultiTask Prompt Tuning 等。本篇主要采用 LoRA 方式,主要思路是训练一个参数量较小的分支,然后再与底模合并,从而在模型中注入新的知识。
2025-01-06
全量微调与少量参数微调
在参数规模的角度,大模型的微调主要分为全量微调(FFT,Full Fine Tuning)和少量参数微调(PEFT,ParameterEfficient Fine Tuning)两条技术路线。 全量微调是对全量的模型参数进行全量的训练。全量参数微调脚本见:。 少量参数微调则只对部分模型参数进行训练。从成本和效果的角度综合考虑,PEFT 是目前业界比较流行的微调方案。OpenAI 官方微调教程: 微调是在较小的、特定领域的数据集上继续 LLM 的训练过程,通过调整模型本身的参数,而不是像提示工程和 RAG 那样仅仅更改提示,来大幅提高模型在特定任务中的性能。把微调想象成把通用工具打磨成精密仪器。 微调有两大好处: 1. 提高模型在特定任务中的性能。微调意味着可以输入更多的示例。可以在数以百万计的代币上进行微调,而少量学习提示仅限于数以万计的代币。经过微调的模型可能会失去一些通用性,但对于其特定任务而言,应该期待它有更好的表现。 2. 提高模型效率。LLM 应用程序的效率意味着更低的延迟和更低的成本。实现这一优势有两种方法。通过专门化模型,可以使用更小的模型。此外,由于只对输入输出对进行训练,而不是对完整的提示及其任何提示工程技巧和提示进行训练,因此可以舍弃示例或指令。这可以进一步改善延迟和成本。 在微调中,超参数的选择也很重要。我们选择了适用于一系列用例的默认超参数,唯一需要的参数是训练文件。但调整用于微调的超参数通常可以产生产生更高质量输出的模型。特别是,可能需要配置以下内容: 1. model:要微调的基本模型的名称。可以选择“ada”、“babbage”、“curie”或“davinci”之一。要了解有关这些模型的更多信息,请参阅文档。 2. n_epochs 默认为 4。训练模型的时期数。一个纪元指的是训练数据集的一个完整周期。 3. batch_size 默认为训练集中示例数量的 0.2%,上限为 256。批量大小是用于训练单个正向和反向传递的训练示例数。总的来说,我们发现更大的批次大小往往更适用于更大的数据集。 4. learning_rate_multiplier 默认为 0.05、0.1 或 0.2,具体取决于 final batch_size。微调学习率是用于预训练的原始学习率乘以该乘数。建议使用 0.02 到 0.2 范围内的值进行试验,以查看产生最佳结果的值。根据经验,我们发现较大的学习率通常在较大的批量大小下表现更好。 5. compute_classification_metrics 默认为假。如果为 True,为了对分类任务进行微调,在每个 epoch 结束时在验证集上计算特定于分类的指标(准确性、F1 分数等)。要配置这些额外的超参数,请通过 OpenAI CLI 上的命令行标志传递它们。 LoRA 微调脚本见:加载预训练模型参数和微调模型参数,以下示例代码中,base_model_name_or_path 为预训练模型参数保存路径,finetune_model_path 为微调模型参数保存路径。对于全量参数微调的模型,调用方式同模型调用代码示例,只需要修改其中的模型名称或者保存路径即可。
2025-01-06
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)。案例提示词如: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。原文链接:https://mp.weixin.qq.com/s/jTMFYKxsN8dYNZu3VHKBnA 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。提示词用于描绘画面,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,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。还可调整负面提示词,利用“加权重”功能让 AI 明白重点内容,使用辅助功能如翻译、删除所有提示词、会员加速等。 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)。但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。
2025-01-30
怎么给你提示词
以下是关于如何写提示词(prompt)的相关内容: 在学校通用场景中,有创建课程计划助手、写作素材收集助手、雅思写作助手等,其提示词示例如下: 创建课程计划助手:“我是教{……}的老师,帮我创建一份课程计划” 写作素材收集助手:“提供{指定主题}的结论和数据,帮我提供写作素材” 雅思写作助手:“我希望你作为雅思写作考官,帮我提升英语。我们现在开始,我的第一个问题是……” 编写提示词的方法和技巧包括: 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?” 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。” 个性化:根据用户偏好或特点要求个性化,如“请根据用户对喜剧电影的喜好推荐几部好看的电影。” 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。” 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。” 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。” 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。” 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。” 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。” 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。” 编写提示词的建议: 1. 明确任务:清晰地定义任务,如写故事时包含背景、角色和主要情节。 2. 提供上下文:若任务需背景知识,提供足够信息。 3. 使用清晰语言:避免模糊或歧义词汇。 4. 给出具体要求:明确格式或风格等。 5. 使用示例:提供期望结果的示例。 6. 保持简洁:避免过多信息导致困惑。 7. 使用关键词和标签:帮助模型理解主题和类型。 8. 测试和调整:生成文本后检查并调整。 希望这些内容能帮助您更好地编写提示词。请注意,内容由 AI 大模型生成,请仔细甄别。
2025-01-29
提示词是什么
提示词(Prompt)是给大语言模型的输入文本,用于指定模型应执行的任务和生成的输出。它发挥“提示”模型的作用,设计高质量的提示词需根据目标任务和模型能力精心设计,良好的提示词能让模型正确理解人类需求并给出符合预期的结果。 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)。但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。 在星流一站式 AI 设计工具中,prompt 输入框可输入提示词,使用图生图功能辅助创作。输入语言方面,不同基础模型有不同要求,支持中英文输入。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;可调整负面提示词,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;还可使用预设词组、辅助功能如翻译、删除所有提示词、会员加速等。 如果您接触过大量提示工程相关的示例和应用,会注意到提示词是由一些要素组成的。为了更好地演示提示词要素,下面是一个简单的提示,旨在完成文本分类任务。在上面的提示示例中,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:”。请注意,此基本示例不使用上下文,但也可以作为提示的一部分提供。例如,此文本分类提示的上下文可以是作为提示的一部分提供的其他示例,以帮助模型更好地理解任务并引导预期的输出类型。
2025-01-29
AI提示词学习资料
以下是为您整理的关于 AI 提示词的学习资料: 《拘灵遣将|不会写 Prompt(提示词)的道士不是好律师——关于律师如何写好提示词用好 AI 这件事》:指出要从古人总结的智慧中学习写提示词,接受 AI 存在的“不稳定性”,提示词应是相对完善的“谈话方案”,成果在对话中产生,不能期待完美的提示词和答案。 《从零开始:AI 视频制作小白的成长之路📹》:提到提示词有很多坑,如有人花钱学习但仍上手困难。提示词的框架为主体(什么东西)+动作(干啥了)+场景+镜头(怎么拍),并举例说明。 《雪梅 May 的 AI 学习日记》:2023 年 ChatGPT 出现后,提示词成为基本功,沉淀了一些经典框架。作者学习了一段时间 Agent 后,打算看吴恩达的体系课程,推荐吴恩达的 prompt 课程,并分享了相关学习链接。作者还通过练习用 prompt 写白皮书,实际体验中 AI 能帮助完成约 20%的工作。
2025-01-29
提示词学习
以下是关于提示词学习的相关内容: 提示词的知识体系: 可分为五个维度,从高到低依次是思维框架、方法论、语句、工具和场景。但对于初学者,舒适的学习顺序应是反过来的。 场景:直接切入提示词的场景去学,对比在不同场景下使用提示词的效果。 工具:使用现成的提示词工具,包括 Meta Prompt、Al 角色定制等。 有效语句:学习大量经典论文中提出的提示词语句。 方法论:将有效语句及其背后的原理整合成稳定可控的方法。 学习 Stable Diffusion 的提示词: 是一个系统性的过程,需要理论知识和实践经验结合。 学习基本概念,包括了解工作原理、模型架构,理解提示词如何影响结果,掌握组成部分。 研究官方文档和教程。 学习常见术语和范例。 掌握关键技巧,如组合词条、控制生成权重、处理抽象概念等。 实践和反馈,对比结果并总结经验。 创建提示词库。 持续跟进前沿。 学习提示词运用的建议: 理解提示词的作用,其质量直接影响模型输出质量。 学习构建技巧,明确任务目标,提供足够背景信息和示例,使用清晰指令,明确特殊要求。 参考优秀案例,可在领域社区、Github 等资源中寻找。 实践、迭代、优化,多与语言模型互动,比较输出差异。 活用提示工程工具,如 Anthropic 的 Constitutional AI。 跟上前沿研究。
2025-01-29
请问我该怎么用精准的提示词
以下是关于如何使用精准提示词的相关内容: 一、星流一站式 AI 设计工具中的提示词 1. 提示词的定义:用于描绘您想生成的画面。 2. 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。 3. 提示词优化:启用提示词优化后,可帮助扩展提示词,更生动地描述画面内容。 4. 写好提示词的方法: 预设词组:小白用户可以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。 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。负面提示词可以帮助 AI 理解不想生成的内容,比如: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)。 二、DALL·E 自动优化提示词 1. 提示词生成指南:创建能为图像生成绘制清晰画面的提示词。使用精确、视觉化的描述(而非难以捉摸的概念)。尽量保持提示词简短、精确且令人惊叹。 2. 提示词结构:“一个” 媒介:考虑图像应模仿的艺术形式。 主题:主要焦点,包括颜色、姿势、视角等。 背景:环境如何补充主题。 环境:室内、室外、抽象等。 颜色:与主题的对比或和谐关系。 光线:一天中的时间、强度、方向等。 风格特点:独特的艺术特点。 影响:启发作品的艺术流派或艺术家。 技术:对于绘画,如何操纵画笔;对于数字艺术,特定的数字技术。 照片:描述摄影类型、相机设备和相机设置等。 绘画:提及使用的颜料类型、画布的质地和笔触的形状/质地。 数字:注明使用的软件、阴影技术和多媒体方法。 三、【SD】文生图中的提示词 1. 描述逻辑:人物及主体特征(服饰、发型发色、五官、表情、动作),场景特征(室内室外、大场景、小细节),环境光照(白天黑夜、特定时段、光、天空),画幅视角(距离、人物比例、观察视角、镜头类型),画质(高画质、高分辨率),画风(插画、二次元、写实)。 2. 辅助方法: 下次作图时,先选择模板,点击倒数第二个按钮快速输入标准提示词。 对于新手,可通过功能型辅助网站书写提示词,如 http://www.atoolbox.net/ (通过选项卡快速填写关键词信息)、https://ai.dawnmark.cn/ (每种参数有缩略图参考,更直观选择提示词)、C 站(https://civitai.com/ )(可抄作业,复制每一张图的详细参数并粘贴到正向提示词栏,然后点击生成按钮下的第一个按键,Stable Diffusion 会自动匹配所有参数,但要注意图像作者使用的大模型和 LORA,不然即使参数一样,生成的图也会不同。也可取其中较好的描述词使用,比如人物描写、背景描述、一些小元素或者画面质感之类的。 希望以上内容对您有所帮助,祝您在使用提示词生成图像时取得满意的效果!
2025-01-29