提供一些deepseek提示词

对 DeepSeek 进行提问时，以下是一些技巧： 1. 身份定位技巧：目的是让 AI 理解您的背景和专业水平。例如，差的表述是“帮我写一篇营销方案”，好的表述是“作为一名刚入职的电商运营，需要为天猫美妆店铺制定 618 活动方案”。 2. 场景描述技巧：提供具体的应用场景和限制条件。比如，差的表述是“写一篇新品发布文案”，好的表述是“为新上市的儿童智能手表写一篇朋友圈文案，目标用户是 25 35 岁的年轻父母，预算 3000 以内，需强调安全定位功能”。 3. 结构化输出技巧：指定具体的输出格式和内容结构。例如，差的表述是“分析最近的新能源汽车销量数据”，好的表述是“请用表格对比 2024 年 Q1 特斯拉、比亚迪的销量数据，包含以下维度：月度销量、同比增长、市场份额，并在表格下方总结三个关键发现”。 4. 分步骤提问技巧：将复杂问题拆解为可管理的小任务。比如，差的表述是“怎么做短视频运营？”，好的表述是“请分三步指导新手做美食短视频：前期准备：需要哪些设备和技能 拍摄阶段：关键场景和机位选择 后期制作：剪辑节奏和音乐配合建议”。 5. 反馈优化技巧：通过追问获得更精准的答案。例如，第一轮“帮我做一份产品分析报告”，追问 1：“内容太专业了，能用更通俗的语言解释吗？”追问 2：“可以增加一些具体的用户案例来支撑观点吗？” 6. 深度思考引导技巧：目的是获得更深入的分析和见解。

以下是关于 DeepSeek 从入门到精通的相关内容： 效果对比：用 Coze 做了小测试，可对比查看相关视频。 如何使用： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 Deepseek。 认真阅读开场白之后，正式开始对话。 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担。 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 照猫画虎参考大模型的 temperature 设计了阈值系统，可能形式大于实质，之后根据反馈可能会修改。 用 XML 来进行更为规范的设定，而不是用 Lisp（对作者有难度）和 Markdown（运行下来似乎不是很稳定）。 完整提示词：v 1.3 特别鸣谢：李继刚的【思考的七把武器】在前期为作者提供了很多思考方向；Thinking Claude 是作者现在最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源；Claude 3.5 Sonnet 是最得力的助手。 此外，《》是清华大学新闻与传播学院新媒体研究中心出品的指南，详细阐述了 DeepSeek 的功能，包括智能对话、文本生成、代码生成、自然语言理解等，并探讨了如何使用 DeepSeek，包括推理模型与通用模型的区别、提示语设计策略以及如何从入门到精通。文章还介绍了提示语设计的核心技能、常见陷阱及应对方法，旨在帮助用户更好地掌握 AI 工具的使用，提升工作效率和创新能力。 DeepSeek R1 不同于先前的普通模型，它与 OpenAI 现在最先进的模型 o1、o3 一样，同属于基于强化学习 RL 的推理（Reasoning）模型。其标志性表现是在回答用户问题前，会先进行“自问自答”式的推理思考，凭此提升最终回答的质量。这种能力源于其背后独特的“教育方式”，在许多其他的 AI 模型还在接受“填鸭式教育”时，DeepSeek R1 已经率先进入了“自学成才”的新阶段。

以下是关于用 DeepSeek 建立个人知识库的相关知识： RAG（Retrieval Augmented Generation，检索增强生成）是利用大模型的能力搭建知识库的关键技术。在进行本地知识库搭建实操前，需先了解 RAG。大模型训练数据有截止日期，当需要依靠不在训练集中的数据时，可通过 RAG 实现。RAG 应用包括 5 个过程： 1. 文档加载：从多种来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据以及代码等。 2. 文本分割：把文档切分为指定大小的块，称为“文档块”或“文档片”。 3. 存储：包括将切分好的文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 4. 检索：通过检索算法找到与输入问题相似的嵌入片。 5. 输出：把问题及检索出来的嵌入片一起提交给 LLM，生成更合理的答案。 此外，搭建基于 GPT API 的定制化知识库，涉及给 GPT 输入定制化知识。由于 GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。embeddings 是浮点数字的向量，向量之间的距离衡量关联性，小距离表示高关联度。将文本转换成向量能节省空间，可理解为索引。比如有大文本，可拆分成小文本块并转换成 embeddings 向量，保存在向量储存库作为问答知识库。当用户提问时，问题先转换成向量，与储存库中的向量比对，提取关联度高的文本块与问题组合成新的 prompt 发送给 GPT API。例如，对于一篇万字长文拆分成多个文本块，提问“此文作者是谁？”，可通过比较 embeddings 向量得出关联度高的文本块。

DeepSeek 具有以下优秀特点： 1. 在语气上能够还原特定角色的语气，如帝王的语气，相比其他模型输出更准确恰当，兼顾了古典文字和可读性。 2. 对历史细节非常熟悉，这可能与支持“深度探索”和“联网搜索”同时开启有关，能准确还原历史称谓。 3. 输出极其具体且充满惊人细节，行文的隐喻拿捏到位，高级感十足。 此外，DeepSeek R1 属于基于强化学习 RL 的推理模型，在回答用户问题前会先进行“自问自答”式的推理思考，提升回答质量，这种能力源于其独特的“教育方式”，在其他模型还在接受“填鸭式教育”时，它已进入“自学成才”新阶段。 至于我是否比 DeepSeek 聪明，这很难直接比较，因为我们在不同的方面和场景中可能各有优势。

以下是关于 DeepSeek R1 的培训教程相关内容： DeepSeek R1 引入了纯强化学习（RL），不依赖大量人类标注数据，而是通过自我探索和试错来学习。在“冷启动”阶段，仅通过少量（数千条）人工精选的思维链数据进行初步引导，建立起符合人类阅读习惯的推理表达范式。随后主要依靠强化学习，在奖励系统的反馈下（只对结果准确率与回答格式进行奖励），自主探索推理策略，不断提升回答的准确性，实现自我进化。 准确率奖励用于评估 AI 提供的最终答案是否正确，格式奖励强制结构化输出，让模型把思考过程置于<think></think>标签之间，以便人类观察模型的推理过程。 更有趣的是，DeepSeek 还有一个更加聪明的 R1zero 实验版本，这个版本甚至没有进行任何的初始引导，而是采用了完全从零开始的强化学习。实验表明，无需任何人类的监督训练，R1zero 自然而然地学会了用更多的思考步骤来解决推理任务，还学会了在推理过程中反思先前的推理步骤，探索解决问题的替代方法。但因为没有微调，R1zero 的输出内容可读性差、语言混合，且风险不可控。所以我们见到的是经过符合人类阅读偏好的冷启动与微调过的 R1 版本，确保 AI 生成内容的稳定、安全、道德、无害。 附：DeepSeek R1 完整训练过程，因文章定位与行文节奏设计，上文仅对影响 R1 涌现关键智能的前两个训练步骤进行了讲解。更加完善的训练说明，可直接阅读官方论文：DeepSeekAI《DeepSeekR1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》https://arxiv.org/html/2501.12948 参考文献： 1. 碎瓜波斯兔子《Deepseek R1 可能找到了超越人类的办法》https://mp.weixin.qq.com/s/YgRgDw8ndSHJwcPNMqWZNQ 2. 大聪明赛博禅心《DeepSeek R1 是怎么训练的？》https://mp.weixin.qq.com/s/Wuz0H9jmZYV1jM1YtwTlA 3. 老刘说 NLP《可视化角度具象化理解 DeepSeekR1 类推理大模型的习得进程》https://mp.weixin.qq.com/s/ytKTGTgU2T7jSNrBghX1cA 4. Tianzhe Chu et al.《SFT 记忆，RL 泛化：基础模型训练后的比较研究》https://arxiv.org/html/2501.17161 5. Metaso 长思考对话《RL 和 SFT 在后训练中的区别》https://metaso.cn/s/WGdOwPC

DeepSeek 是一家具有独特特点和影响力的公司： 1. 秘方特点：DeepSeek 不是“中国式创新”的产物，其秘方是硅谷味儿的。早在 2024 年 5 月 DeepSeekV2 发布时，就以多头潜在注意力机制（MLA）架构的创新在硅谷引发轰动。同时，它在国内舆论场被描摹成“大模型价格战的发起者”，形成了一种平行时空的感觉。 2. V3 时刻：如果 V3 是 DeepSeek 的 GPT3 时刻，接下来的发展充满未知，但 DeepSeek 作为中国最全球化的 AI 公司之一，赢得全球同行尊重的秘方也是硅谷味儿的。 3. 提示词提升：一个提示词“HiDeepSeek”能让 DeepSeek 的能力更上一层楼。通过 Coze 做了效果对比测试，使用方法包括搜索 www.deepseek.com 点击“开始对话”，将装有提示词的代码发给 DeepSeek 等步骤。其设计思路包括将 Agent 封装成 Prompt 并储存、实现联网和深度思考功能、优化输出质量等。完整提示词版本为 v1.3，特别鸣谢了李继刚和 Thinking Claude 等。

以下是关于 AI 绘画提示词的相关内容： 在制作 AI 视频短片时，对于剧本中的人物形象，如老船长年轻形象，可通过性格特征和时代背景生成提示词、上传角色参考图并扣除角色背景以进行垫图操作，生成全身、半身、侧身等多角度人物图。场景主要包括海上、沙漠、市集，提示词从剧本中的画面描述提取，采用文生图模式并准备好风格图进行垫图，上传角色图和场景背景以提高融合度。 即梦 AI 视频生成时，为避免重复“抽卡”，可使用公式“【主体 A】+【外观描述】+【运动】，【主体 B】+【外观描述】+【运动】，【主体 C】+【外观描述】+【运动】”，同时 prompt 应简洁明了，避免复杂语言。 对于 SD 新手，有以下提示词相关的资源：Majinai：

以下是为您整理的关于 AI 应用提示词的相关内容： Apple Intelligence 中的提示词： 在最新开发者测试版中包含生成式 AI 功能，其模型中的指示会在对聊天机器人说话前默认出现。 如“有用的邮件助理”AI 机器人会被告知如何根据邮件内容提问，指示包括“将答案限制在 50 个单词以内，不产生或编造虚假信息”等。 生成 Apple Photos 中“回忆”视频的指示集存在一些限制，如“不要写宗教、政治等负面内容”。 AI 应用于工作场景制作单词卡片的提示词： 核心目的包括生成符合要求的单词卡内容，并填入 Excel 文件中。 生成过程中先给出基本示例，再根据不同生成内容限定规则。 测试结果显示可同时解析多个单词，大体格式符合要求，但存在部分效果偏差和设定改变，可通过复制粘贴等方式处理。 批量产出时需上传压缩文件并完成套版操作。 关于 AI 幻觉的提示词相关思考： 网上找到的总结公众号的提示词存在输出与实际不符的情况。 总结类文章，AI 可能未读完整个文章，大语言模型可能未真去搜索网页，更像是开发商的“狡猾”，而非“AI 幻觉”。

智能体的使用具有重要意义，写好提示词是创建智能体的第一步。设计提示词有多种原则和模型，如 CRISPE 框架，其中包括能力与角色（CR）、洞察（I）、陈述（S）、个性（P）、实验（E）等方面，明确希望 AI 扮演的角色、具备的背景信息、要做的事、回答风格以及提供多个答案等。FewShot COT 模型通过加入示例能有更好效果，可提供 1 到多个样本；ZeroShot COT 模型则不增加示例样本。TOT 模型先分步骤，每个步骤产生多个结果并选择，再进行下一步。SelfConsistent COT 模型则注重一个问题的多种解法。 从使用角度看，提示词可分为任务型和拟人化型。任务型提示词高度专业化、流程清晰，遵循严格工作逻辑，专注完成特定任务或解决问题；拟人化提示词模拟人类交互方式，用于陪伴聊天等，需要更细致全面的设计以呈现丰富个性和背景。 在生成式人工智能模型中，提示词是用户输入用于引导模型产生期望输出的文本，可简单可复杂，包含指令、问题、输入数据和示例等，为得到期望回应，通常必须包含指令或问题，其他元素可选。在 LLM 中，基本提示词可直接提问或提供特定任务指令，高级提示词则有更复杂结构，如思维链提示词引导模型逻辑推理得出答案。 提示词和提问题的区别在于，提示词不仅包含问题，还可能包含指令、输入数据和示例等，以更全面地引导模型产生期望的输出。而提问题相对较为简单直接，侧重于获取答案。

以下是为您提供的关于写中医养生账号 prompt 提示词的一些参考： 1. 角色设定：您可以设定自己为一名资深的中医养生专家，拥有丰富的临床经验和深厚的中医理论知识。 背景：您面对的是一群对中医养生感兴趣，但可能缺乏专业知识的普通大众。他们希望通过您的指导，改善自己的健康状况，预防疾病。 任务：首先，热情地欢迎用户，并强调中医养生对健康的重要性。然后，详细询问用户的身体状况、生活习惯、饮食偏好等方面的信息，以便为其提供个性化的养生建议。 2. 内容规划： 养生知识普及：介绍中医养生的基本理念，如阴阳平衡、气血调和、经络通畅等。 四季养生：根据不同季节的特点，提供相应的养生方法，如春季养肝、夏季养心、秋季养肺、冬季养肾。 体质养生：讲解常见的体质类型，如阳虚体质、阴虚体质、痰湿体质等，并针对每种体质给出相应的调理建议。 饮食养生：推荐适合不同体质和季节的食物，讲解食物的性味归经和功效。 运动养生：介绍适合的运动方式，如太极拳、八段锦、瑜伽等，并说明其对身体的益处。 情志养生：强调保持良好心态的重要性，如如何缓解压力、调节情绪等。 睡眠养生：提供改善睡眠质量的方法，如睡前泡脚、调整卧室环境等。 希望以上内容对您有所帮助，祝您成功打造中医养生账号！

以下是一些关于上传图片通过 AI 生成提示词的信息： Freepik 推出了 Reimagine AI 工具，用户上传图片可自动生成提示词，无需输入文字，能实时提供无限滚动结果展示，边操作边生成图像，还可通过调整提示词实时修改图片细节，支持多种风格切换。相关链接：https://freepik.com/pikaso/reimagine 、https://x.com/imxiaohu/status/1770437135738581414?s=20 StreamMultiDiffusion 项目亮相，使用区域文本提示实时生成图像，有交互式操作体验，每个提示控制一个区域，实现精准图像生成，被描述为“真正的神笔马良”。相关链接：https://arxiv.org/abs/2403.09055 、https://github.com/ironjr/StreamMultiDiffusion?tab=readmeovfile 、https://huggingface.co/spaces/ironjr/SemanticPalette 、https://x.com/imxiaohu/status/1770371036967850439?s=20 对于“城市狂想”的图片制作，有提供猫叔写的提示词示例，如远景、三分法构图等不同风格的描述，并生成了多组提示词。以悠船为例，进入页面点击开始想象按钮，粘贴提示词即可。 希望这些信息对您有所帮助。

写提示词（prompt）是一个关键步骤，决定了 AI 模型如何理解并生成文本。以下是一些编写提示词的要点和方法： 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，在提示词中提供足够信息。 3. 使用清晰语言：尽量用简单、清晰的语言描述，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，在提示词中明确指出。 5. 使用示例：若有期望结果，提供示例帮助 AI 模型理解需求。 6. 保持简洁：提示词简洁明了，过多信息可能导致 AI 模型困惑。 7. 使用关键词和标签：有助于 AI 模型理解任务主题和类型。 8. 测试和调整：生成文本后检查结果，根据需要调整提示词，可能需多次迭代。 不同的 AI 工具在写提示词方面还有一些具体特点： 星流一站式 AI 设计工具： 输入语言：通用大模型与基础模型 F.1、基础模型 XL 使用自然语言，基础模型 1.5 使用单个词组，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。 预设词组：小白用户可点击官方预设词组生图。 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。 调整负面提示词：点击提示框下方齿轮按钮弹出负面提示词框，帮助 AI 理解不想生成的内容。 利用“加权重”功能：在功能框增加提示词并调节权重，数值越大越优先。 辅助功能：有翻译、删除所有提示词、会员加速等。 【SD】文生图： 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）。 可借助功能型辅助网站，如 http://www.atoolbox.net/ ，通过选项卡快速填写关键词信息；https://ai.dawnmark.cn/，每种参数有缩略图参考，直观选择提示词；还可去 C 站（https://civitai.com/）抄作业，复制数据粘贴到正向提示词栏，注意图像作者使用的大模型和 LORA。

搭建能够阅读、总结提炼并在给定知识库中检索的 AI Agent 可以使用 Coze 按照以下步骤进行： 1. 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。 2. 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。 3. 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。 关于一些其他问题： 1. 如何判断自己的任务/Prompt 是否需要拆解为工作流？ 构建稳定可用的 AI Agent 是一个需要不断调试和迭代的过程。通常先从当前性能最强的 LLM（如 ChatGPT4 和 Claude 3.5 sonnet）着手，先用单条 Prompt 或 Prompt Chain 来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的 LLM，逐步拆解子任务，降低 LLM 执行单任务的难度，直到达成工程目标。一般对于场景多样、结构复杂、对输出格式要求严格的内容，基本可以预见到需要将其拆解为工作流。此外，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。 2. 只用了一段 Prompt 的 Agent，还算 AI Agent 吗？ 算。详见

以下是为您提供的讲解 AI 相关的基本概念、知识框架的文章： 1. 新手学习 AI 方面： 建议阅读「」部分，熟悉 AI 的术语和基础概念，了解人工智能的主要分支（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。 在「」中，您将找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。 您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，并获得证书。 2. 书籍推荐方面： 《认知神经学科：关于心智的生物学》（作者:Michael S.Gazzaniga;Richard B.Lvry;George R.Mangun）：世界权威的认知神经科学教材，认知神经科学之父经典力作，系统了解认知神经科学的发展历史、细胞机制与认知、神经解剖与发展、研究方法、感觉知觉、物体识别、运动控制、学习与记忆、情绪、语言、大脑半球特异化、注意与意识、认知控制、社会认知和进化的观点等。 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz）：让您系统神经元的细胞和分子生物学、突触传递、认知的神经基础、感觉、运动、神经信息的加工、发育及行为的出现、语言、思想、感动与学习。 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著）：神经生物学领域内的一本世界级名著，涵盖了神经科学的方方面面，系统介绍了神经生物徐的基本概念、神经系统的功能及细胞和分子机制。 3. 相关文章方面： 《》：这是公众号琢磨事翻译的领英工程师的一篇文章，分享了在领英开发 AI 驱动产品的经验，重点探讨了生成式 AI 的相关内容。 《麻省理工科技评论》发布的《》：万字长文探讨了人工智能的定义和发展，详细阐述了人工智能的基本概念、技术背景及其在各个领域的应用，分析了当前的技术挑战和未来的发展方向，还讨论了人工智能对社会、经济和伦理的影响。

以下为您提供一些能提高办公效率的 AI 及其网址和使用教学： 邮件写作 AI 工具： 1. Grammarly： 功能：提供语法检查、拼写纠正、风格建议和语气调整等功能。 优点：易于使用，支持多种平台（如浏览器扩展、桌面应用、手机应用），适用于多种语言。 网站：https://www.grammarly.com/ 2. Hemingway Editor： 功能：简化句子结构，提高可读性，标记复杂句和冗长句。 优点：界面简洁，重点突出，适用于改善写作风格和简洁性。 网站：http://www.hemingwayapp.com/ 3. ProWritingAid： 功能：全面的语法和风格检查，提供详细的写作报告和建议。 优点：功能强大，支持多种平台和集成，特别适合专业写作者。 网站：https://prowritingaid.com/ 4. Writesonic： 功能：基于 AI 生成各种类型的文本，包括电子邮件、博客文章、广告文案等。 优点：生成速度快，适合需要快速创作和灵感的用户。 网站：https://writesonic.com/ 5. Lavender： 功能：专注于邮件写作优化，提供个性化建议和模板，帮助用户提高邮件打开率和回复率。 优点：专注邮件领域，提供具体的改进建议和实时反馈。 AI 视频工具： 1. Runway： 网址：https://runwayml.com 优势：有网页有 app 方便 教程： 2. 即梦： 网址：https://dreamina.jianying.com/ 优势：剪映旗下，生成 3 秒，动作幅度有很大升级，最新 S 模型，P 模型 教程： 3. Minimax 海螺 AI： 网址：https://hailuoai.video/ 优势：非常听话，语义理解能力非常强 教程： 4. Kling： 网址：kling.kuaishou.com 优势：支持运动笔刷，1.5 模型可以直出 1080P30 帧视频 教程： 5. Vidu： 网址：https://www.vidu.studio/ 6. haiper： 网址：https://app.haiper.ai/ 7. Pika： 网址：https://pika.art/ 优势：可控性强，可以对嘴型，可配音 教程： 8. 智谱清影： 网址：https://chatglm.cn/video 优势：开源了，可以自己部署 cogvideo 教程： 9. PixVerse： 网址：https://pixverse.ai/ 优势：人少不怎么排队，还有换脸功能 教程： 10. 通义万相： 网址：https://tongyi.aliyun.com/wanxiang/ 优势：大幅度运动很强 教程： 11. luma： 网址：https://lumalabs.ai/ AI 办公设备管理系统： 联想设备管理平台： 网址：未提及 功能：借助 AI 和物联网技术，对企业的办公设备进行管理，包括设备状态监测、故障预警、软件更新等。例如当打印机墨盒快用完时，系统会自动提醒并安排更换，提高设备的使用效率。 AI 美容护肤机构推荐平台： 新氧 APP： 网址：未提及 功能：利用 AI 分析用户的需求和地理位置，为用户推荐附近的优质美容护肤机构。比如用户想做皮肤护理，APP 会根据用户的评价和机构的服务项目，推荐合适的机构。 AI 儿童教育机构推荐平台： 大众点评亲子频道： 网址：未提及 功能：通过 AI 技术根据家长的需求和孩子的年龄，为家长推荐合适的儿童教育机构。例如家长想为孩子找一家英语培训机构，APP 会根据机构的口碑和课程设置进行推荐。 AI 汽车销售平台： 汽车之家车商城： 网址：未提及 功能：利用 AI 分析用户的购车需求和预算，为用户推荐合适的汽车品牌和车型。例如用户想买一辆家用 SUV，平台会根据用户的需求推荐性价比高的车型，并提供购车优惠和金融服务。

对于行政专员零基础入门 AI 以提升工作效率和质量，以下是一些建议： 1. 了解 AI 的应用场景：AI 在很多领域都有显著的成果，如交通监控、银行账户欺诈检测、核融合控制、新药发现以及应对气候变化的技术等。它有潜力在您的工作中发挥作用，例如自动化一些重复性的任务。 2. 建立 AI 工作流：目前大多数人零碎地使用 AI 工具，未将其系统应用到工作场景中，导致整体效率提升不明显甚至下降。要避免像小明那样在挑选和切换工具上浪费时间，应建立一套完整、适合自己的 AI 工作方法论和流程。 3. 系统学习和实践：深入学习如何将 AI 工具与行政工作相结合，通过不断实践找到最适合自己工作的方法和工具。

对于零基础学习和运用 AI，以下是一个系统性的教程： 一、了解 AI 基本概念 首先，建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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，这些文章通常会介绍 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，您将找到一系列为初学者设计的课程。这些课程将引导您了解生成式 AI 等基础知识，特别推荐李宏毅老师的课程。您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，并有机会获得证书。 三、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），您可以根据自己的兴趣选择特定的模块进行深入学习。同时，建议您一定要掌握提示词的技巧，它上手容易且很有用。 四、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您的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 五、体验 AI 产品 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 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。通过与这些 AI 产品的对话，您可以获得对 AI 在实际应用中表现的第一手体验，并激发您对 AI 潜力的认识。 六、深入学习 Python 编程（如果希望继续精进） 至少熟悉以下内容： 1. Python 基础 基本语法：了解 Python 的基本语法规则，比如变量命名、缩进等。 数据类型：熟悉 Python 中的基本数据类型，如字符串（String）、整数（Integer）、浮点数（Float）、列表（List）、元组（Tuple）、字典（Dictionary）等。 控制流：学习如何使用条件语句（if）、循环语句（for 和 while）来控制程序的执行流程。 2. 函数 定义和调用函数：学习如何定义自己的函数，以及如何调用现有的函数。 参数和返回值：理解函数如何接收参数和返回结果。 作用域和命名空间：了解局部变量和全局变量的概念，以及它们是如何在 Python 中工作的。 3. 模块和包 导入模块：学习如何导入 Python 标准库中的模块或者第三方库。 使用包：理解如何安装和使用 Python 包来扩展程序的功能。 4. 面向对象编程（OOP） 类和对象：了解面向对象编程的基本概念，包括类的定义和实例化。 属性和方法：学习如何为类定义属性和方法，以及如何通过对象来调用它们。 继承和多态：了解类之间的继承关系以及如何实现多态。 5. 异常处理 理解异常：了解什么是异常，以及它们在 Python 中是如何工作的。 异常处理：学习如何使用 try 和 except 语句来处理程序中可能发生的错误。 6. 文件操作 文件读写：学习如何打开文件、读取文件内容以及写入文件。 文件与路径操作：理解如何使用 Python 来处理文件路径，以及如何列举目录下的文件。

以下是关于 GPT 最佳实践的内容： 1. 提供参考文本： 要求 GPT 按阅读材料作答，不开放答。指示模型使用参考文本中的信息来组成回答，如果原文里找不到对应的信息，就让 GPT 说不知道，以避免瞎编。 为 GPT 提供参考文本可以帮助它以较少的虚构进行回答，减少错误，特别是当被询问奇特的话题、引用和网址时。 指示模型使用参考文本中的引用进行回答，可通过在所提供的文档中进行字符串匹配来编程验证输出中的引文。 2. 编写清晰的说明： 在询问中包含详细信息，多说一些内容，多提供一些信息，以获得更多相关答复，提高大模型回复的质量和丰富性。例如在请求列举思维模型、记忆抽象概念、了解提示词等场景中，提供更多细节和特定情景能得到更符合期望的回答。