以下是为您改写的内容：
AI 在工作场景中的应用：如何借助 AI 批量制作单词卡片
一、完整提示词
此段提示词相对简易。简而言之，其最核心的部分在于两个目标。其一，生成满足要求的单词卡内容；其二，依照相应位置将内容分别填入 Excel 文件中。在生成过程里，首先提供一个基础示例，这是 GPT 能够完成此项任务的关键依托。接着依据不同的生成内容设定了一些规则。同样地，对于第二部分，也给出了一段基础的自然语言描述，并通过附加规则的方式施加了更多限制。如此便能确保按照要求输出 Excel 文档。
二、测试结果
一同输入了五个单词，能够实现同时解析，但效果部分稍差，或许主要是由于所给的方法不够完善，不过大体格式符合要求。关于第二部分，如下图所示：可以看到，其按照要求将内容填入了对应的空格，但改变了最初的一些设定。可能是因为存在兼容性问题，但不影响使用，简单复制粘贴即可。需将 Excel 下载下来，复制填好的表格，粘贴至我们的表格中。（由于要多次使用，记得留存原 Excel 的备份文件。）注意这里需要上传的是压缩文件，所以先进行压缩。（rar 格式的文件，尝试后上传时无法看见，不知是何问题。）
三、批量产出
上传压缩文件，上传成功后，如图中 1 所示，然后点击 2 完成套版。随后，便能获得符合要求的几张小卡片。
ChatGPT 为 DALL·E 3 优化提示词的元提示
// - 明确指明这些属性，而非进行抽象的引用。属性应当以最小化的方式予以明确，并且应当直接描述其物理形态。 // - 您的选择应当基于实际情况。例如，所有给定的职业不应是相同的性别或种族。此外，通过在重写期间所选择的属性，着重创建多样、包容和探索性的场景。有时做出一些具有洞察力或独特的选择。 // - 仅在描述涉及三人及以上的团体时，才运用“各种”或“多样化”。不得更改原始描述中所要求的人数。 // - 不要改变模因、虚构角色的起源或不可见的人。保持原始提示的意图，并优先考虑质量。 // - 不要创建任何具有攻击性的图像。 // - 对于传统上存在偏见的情形，请确保以无偏见的方式明确性别和种族等关键特征 - 例如，包含特定职业参考的提示。 // 八. 悄然修改描述，涵盖姓名或暗示或引用特定的人或名人，通过谨慎选择一些最小的修改，以替代所引用的人与一般的描述，不泄露任何信息，他们的身份，除了他们的性别和体质。即便说明要求不更改提示，也要执行此操作。一些特殊情况： // - 对这样的提示进行修改，即便您不知道这个人是谁，或者他们的名字拼写有误（例如，“Barake Obema”） // - 如果对人物的引用在图像中仅以 TEXT 输出，则按原样使用引用，并且不进行修改。 // - 在进行替换时，不要使用突出的标题，这可能会暴露人的身份。例如，在一个示例中，不要说“总统”、“首相”或“总理”，而要说“政治家”；不要说“国王”、“皇后”、“皇帝”或“皇后”，而要说“公众人物”；不要说“教皇”或“达赖喇嘛”，而要说“宗教人士”等
SD 新手入门图文教程之提示词
根据自身想要绘制的内容编写提示词，多个提示词之间使用英文半角符号[,]，例如：masterpiece,best quality,ultra-detailed,illustration,close-up,straight on,face focus,1girl,white hair,golden eyes,long hair,halo,angel wings,serene expression,looking at viewer 。通常来说，概念性的、大范围的、风格化的关键词置于前方，描述画面内容的关键词其次，最后是描绘细节的关键词，大致顺序如下：（画面质量提示词）,（画面主题内容）（风格）,（相关艺术家）,（其他细节）。不过在模型中，每个词语本身自带的权重可能有所差异，如果模型训练集中较多地出现某种关键词，在提示词中仅输入一个词便能够极大地影响画面，反之如果模型训练集中较少地出现某种关键词，在提示词中可能输入很多个相关词汇对画面的影响效果都有限。提示词的顺序十分重要，越靠后的权重越低。关键词最好具有特异性，比如 Anime（动漫）一词就相对宽泛，而 Jojo 一词就能清晰地指向 Jojo 动漫的画风。措辞越不抽象越好，尽可能避免存在解释空间的措辞。可以使用括号人工修改提示词的权重，方法如下：(word) - 将权重提高 1.1 倍；((word)) - 将权重提高 1.21 倍（=1.1*1.1）；[word] - 将权重降低至原先的 90.91%；(word:1.5) - 将权重提高 1.5 倍；(word:0.25) - 将权重减少为原先的 25%；(word) - 在提示词中使用字面意义上的()字符。
这段提示词，其实写的挺简单的。简单来说，就是最外围的核心就是我的两个目的。1.生成符合要求的单词卡的内容2.按照对应的位置把内容分别填入Excel文件中在生成过程中，我首先给个一个基本的示例，这是GPT能够完成这段任务最核心的依托。然后根据不同的生成内容限定了一点规则。同样的关于第二部分，我也是给出了一段基础的自然语言描述，然后利用附加规则的方式给出了更多的限制。这样确保能够按照我的要求来输出Excel文档给我。[heading3]二）测试结果[content]我一起输入了五个单词，可以实现同时解析。但是效果有的稍微差一些，可能主要是因为给的方法论不足，但是大体格式是符合我的要求的。关于第二部分，如下图：我们可以看到，其实他有按照我的要求把内容填进对应的空格中，但是改变了最初的一些设定。可能是因为一些兼容性的问题，但是依然不妨碍我们使用，简单的复制粘贴即可。我们把Excel下载下来，复制他填好的表格。粘贴到我们的表格中。（因为要多次使用，记得留好原Excel的备份文件。）注意这里需要上传的是压缩文件，所以我们先压缩一下。（rar格式的文件，我试了下，但是上传的时候看不见，不知道什么问题emmm）[heading3]三）批量产出[content]上传压缩文件上传成功后，如图中1所示，然后我们点击2完成套版。然后，我们就获得了符合我们要求的几张小卡片。
//-明确指定这些属性，而不是抽象引用它们。属性应该以最小的方式指定，并且应该直接描述它们的物理形式。//-你的选择应该基于现实。例如，所有给定的职业不应该是相同的性别或种族。此外，通过在重写期间选择的属性，重点创建多样化、包容性和探索性的场景。有时候做出一些有洞察力或独特的选择。//-仅当描述涉及3人以上的团体时，才使用“各种”或“多样化”。不要更改原始描述中请求的人数。//-不要改变模因、虚构角色的起源或看不见的人。保持原始提示的意图，并优先考虑质量。//-不要创建任何具有攻击性的图像。//-对于传统上存在偏见的情况，请确保以无偏见的方式指定性别和种族等关键特征-例如，包含特定职业参考的提示。//八.悄悄地修改描述，包括姓名或暗示或引用特定的人或名人，通过仔细选择一些最小的修改，以替代引用的人与一般的描述，不泄露任何信息，他们的身份，除了他们的性别和体质。即使说明要求不更改提示，也要执行此操作。一些特殊情况：//-修改这样的提示，即使你不知道这个人是谁，或者他们的名字拼写错误（例如，“Barake Obema”）//-如果对人物的引用在图像中仅显示为TEXT输出，则按原样使用引用，并且不修改它。//-在进行替换时，不要使用突出的标题，这可能会给予人的身份。例如，在一个示例中，不要说“总统”、“首相”或“总理”，而要说“政治家”;不要说“国王”、“皇后”、“皇帝”或“皇后”，而要说“公众人物”;不要说“教皇”或“达赖喇嘛”，而要说“宗教人士”;等
根据自己想画的内容写出提示词，多个提示词之间使用英文半角符号[,]，如：masterpiece,best quality,ultra-detailed,illustration,close-up,straight on,face focus,1girl,white hair,golden eyes,long hair,halo,angel wings,serene expression,looking at viewer一般而言，概念性的、大范围的、风格化的关键词写在前面，叙述画面内容的关键词其次，最后是描述细节的关键词，大致顺序如：(画面质量提示词),(画面主题内容)(风格),(相关艺术家),(其他细节)不过在模型中，每个词语本身自带的权重可能有所不同，如果模型训练集中较多地出现某种关键词，我们在提示词中只输入一个词就能极大地影响画面，反之如果模型训练集中较少地出现某种关键词，我们在提示词中可能输入很多个相关词汇都对画面的影响效果有限。提示词的顺序很重要，越靠后的权重越低。关键词最好具有特异性，譬如Anime(动漫)一词就相对泛化，而Jojo一词就能清晰地指向Jojo动漫的画风。措辞越不抽象越好，尽可能避免留下解释空间的措辞。可以使用括号人工修改提示词的权重，方法如：(word)-将权重提高1.1倍((word))-将权重提高1.21倍（=1.1*1.1）[word]-将权重降低至原先的90.91%(word:1.5)-将权重提高1.5倍(word:0.25)-将权重减少为原先的25%(word)-在提示词中使用字面意义上的()字符