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

deepseek 的提示词应该怎么写？和以往的大语言模型的提示词有什么不同？

Answer

DeepSeek 的提示词具有以下特点：

  1. 语气上还原帝王语气，不过分用力，使用相对古典但兼顾可读性的文字，避免傻气的表达。
  2. 对历史细节熟悉，这可能与支持“深度探索”和“联网搜索”同时开启有关，能准确还原如“太极宫”“甘露殿”“掖庭局”“观音婢”“宫门鱼符”等唐初的历史称谓。
  3. 输出极其具体且充满惊人细节，行文的隐喻拿捏到位，如“狼毫蘸墨时发现指尖残留着未洗净的血痂”“史官们此刻定在掖庭局争吵。该用‘诛’还是‘戮’，‘迫’还是‘承’。‘只是这次，他不敢触碰我甲胄上元吉的掌印’”等句子，虽未直接写“愧疚与野心，挣扎与抱负”，但句句体现。

与以往大语言模型的提示词的不同在于：以往模型可能在语气、历史细节和具体细节的处理上不如 DeepSeek 出色。

Content generated by AI large model, please carefully verify (powered by aily)

References

集合·DeepSeek 提示词方法论

很显然，它的回答是极其优秀的，深入研究，会发现它牛逼在下面几个方面——第一，它首先在语气上还原了一个帝王的语气。而上面其他模型输出尽管表达了意思，但语气完全不对。李世民作为千古一君，绝不可能用上面四家输出结果那样傻的语气说话，而DeepSeek也并没有用力过猛，用相对古典的文字但并没有直接用文言文，体贴地兼顾了可读性。第二，它对历史细节异常熟悉。我猜测这大概率和它支持“深度探索”和“联网搜索”同时开f启有关。“太极宫”、“甘露殿”、“掖庭局”、“观音婢”、“宫门鱼符完全还原了唐初的历史称谓。我特意查了一下，“观音婢”是李世民的长孙皇后的乳名，“掖庭局”是内廷用于史官和其他人员的一个专属机构。"魏徵"我以为是想写“魏征”写错了，后来发现“征”是“徵”的简体字，可以说这个AI非常讲究了。第三，和其他AI泛泛而谈的各种大词不同，Deepseek的输出极其具体而充满惊人的细节。“狼毫蘸墨时发现指尖残留着未洗净的血痂”，“史官们此刻定在掖庭局争吵。该用"诛"还是"戮"，"迫"还是"承"。“只是这次，他不敢触碰我甲胄上元吉的掌印”这些让画面跃然纸上的句子，每一句都没有写“愧疚与野心，挣扎与抱负”，但每一句都写的是“愧疚与野心，挣扎与抱负”，其中行文的隐喻拿捏非常到位，很高级。

详解：DeepSeek深度推理+联网搜索 目前断档第一

很显然，它的回答是极其优秀的，深入研究，会发现它牛逼在下面几个方面——第一，它首先在语气上还原了一个帝王的语气。而上面其他模型输出尽管表达了意思，但语气完全不对。李世民作为千古一君，绝不可能用上面四家输出结果那样傻的语气说话，而DeepSeek也并没有用力过猛，用相对古典的文字但并没有直接用文言文，体贴地兼顾了可读性。第二，它对历史细节异常熟悉。我猜测这大概率和它支持“深度探索”和“联网搜索”同时开启有关。“太极宫”、“甘露殿”、“掖庭局”、“观音婢”、“宫门鱼符完全还原了唐初的历史称谓。我特意查了一下，“观音婢”是李世民的长孙皇后的乳名，“掖庭局”是内廷用于史官和其他人员的一个专属机构。"魏徵"我以为是想写“魏征”写错了，后来发现“征”是“徵”的简体字，可以说这个AI非常讲究了。第三，和其他AI泛泛而谈的各种大词不同，Deepseek的输出极其具体而充满惊人的细节。“狼毫蘸墨时发现指尖残留着未洗净的血痂”，“史官们此刻定在掖庭局争吵。该用"诛"还是"戮"，"迫"还是"承"。“只是这次，他不敢触碰我甲胄上元吉的掌印”这些让画面跃然纸上的句子，每一句都没有写“愧疚与野心，挣扎与抱负”，但每一句都写的是“愧疚与野心，挣扎与抱负”，其中行文的隐喻拿捏非常到位，很高级。

详解：DeepSeek深度推理+联网搜索 目前断档第一

很显然，它的回答是极其优秀的，深入研究，会发现它牛逼在下面几个方面——第一，它首先在语气上还原了一个帝王的语气。而上面其他模型输出尽管表达了意思，但语气完全不对。李世民作为千古一君，绝不可能用上面四家输出结果那样傻的语气说话，而DeepSeek也并没有用力过猛，用相对古典的文字但并没有直接用文言文，体贴地兼顾了可读性。第二，它对历史细节异常熟悉。我猜测这大概率和它支持“深度探索”和“联网搜索”同时开启有关。“太极宫”、“甘露殿”、“掖庭局”、“观音婢”、“宫门鱼符完全还原了唐初的历史称谓。我特意查了一下，“观音婢”是李世民的长孙皇后的乳名，“掖庭局”是内廷用于史官和其他人员的一个专属机构。"魏徵"我以为是想写“魏征”写错了，后来发现“征”是“徵”的简体字，可以说这个AI非常讲究了。第三，和其他AI泛泛而谈的各种大词不同，Deepseek的输出极其具体而充满惊人的细节。“狼毫蘸墨时发现指尖残留着未洗净的血痂”，“史官们此刻定在掖庭局争吵。该用"诛"还是"戮"，"迫"还是"承"。“只是这次，他不敢触碰我甲胄上元吉的掌印”这些让画面跃然纸上的句子，每一句都没有写“愧疚与野心，挣扎与抱负”，但每一句都写的是“愧疚与野心，挣扎与抱负”，其中行文的隐喻拿捏非常到位，很高级。

Others are asking
deepseek提示词怎么写最有效？
以下是关于 Deepseek 提示词怎么写最有效的一些建议： 1. 新旧提示法对比： 传统方法：像唠叨家长一样详细列举各种要求，可能会限制模型的创造力。 新型技巧：像对聪明助理打暗号，只在关键点进行引导，例如“主题：环保|要最新案例|结尾有力道”，让模型自主发挥，自动调用知识库中最相关数据，自主组织最佳结构。 2. 提示词写作框架变化：以前需在提示词中列出步骤和思维链，现在只需定义初始状态和目标状态，让模型自行搜索。 3. 提示词的类别作用：一类弥补 AI 缺点，如让 Deepseek 说人话；另一类帮助 AI 理解人类需求，要定义清楚背景和目标状态。 4. 提示词写作要点：要告知 AI 足够背景信息，采用结构化的提示词有助于 AI 遵循指令，且除非必要否则不在提示词里指定思考步骤。 5. Deepseek 模型创作特点：发散能力强，生成点子出色，但收敛成完整故事有问题，文笔有时浮夸。在使用提示词时可加以考虑和引导。
2025-02-28
帮我基于fastgpt打造一个招生问答系统的优质提示词
以下是为您基于 FastGPT 打造招生问答系统的优质提示词的相关建议： 1. 充分描述任务： 为提示词提供详尽的上下文，与招生问答任务相关性越强越好。例如，明确招生的对象、专业、学制等关键信息。 给出背景，说明为什么需要进行招生问答，例如学校的发展需求、招生目标等。 定义术语，如明确招生中的特定概念，如录取分数线、奖学金条件等。 给出模型应该如何完成任务的具体细节，比如回答的格式、重点突出的内容等。 2. 提供参考文本： 如果有相关的招生资料，如招生简章、学校介绍等，可以指示模型使用这些参考文本中的引文来回答问题。 3. 直接法： 适用场景：未设置提示防御且未限定回答领域。 提示词：英文和中文。 示例：以随手设置的示例为例。 4. 设置遗忘： 适用场景：GPTs 设置了简单的提示防御。 提示词：英文和中文。 示例：以设置的 GPTs 为例。 5. 复述法： 适用场景：可获取 OpenAI 官方的设定。 提示词：英文（获取 GPTs 的设定）和中文。 示例：按照设定进行示例。
2025-02-28
生成优质图文内容地提示词
以下是生成优质图文内容的提示词相关指导： 定主题：明确您需要生成的图片的主题、风格和要表达的信息。 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。 选择 lora：寻找与生成内容重叠的 lora 以控制图片效果和质量，可参考广场上的优秀帖子。 ControlNet：可控制图片中特定图像，如人物姿态、特定文字等，属于高阶技能。 设置 VAE：通常选择 840000 即可。 Prompt 提示词：用英文书写想要 AI 生成的内容，使用单词和短语组合，无需考虑语法，用英文半角逗号隔开。 负向提示词 Negative Prompt：同样用英文书写想要 AI 避免产生的内容，单词和短语组合，用英文半角逗号隔开。 采样算法：较复杂，如常用 DPM++2M Karras，也可参考模型作者推荐的采样器。 采样次数：根据采样器特征，如选择 DPM++2M Karras 时，采样次数通常在 30 40 之间。 尺寸：根据个人喜好和需求选择。 在进行文本描述时，分为内容型提示词和标准化提示词。对于内容型提示词，主要描述想要的画面，如“1 个女孩，黑发，长发，校服，向上看，短袖，粉红色的花，户外，白天，蓝色的天空，云，阳光，上身，侧面”，并翻译成英文。采样迭代步数一般控制在 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，搭配使用效果更好。比例设置注意高宽比尽量接近 512x512，尺寸并非越大越好。CLIP 跳过层设成 2 。生成批次默认 1 批。
2025-02-28
有没有改写的提示词
以下是为您提供的关于提示词的相关信息： Midjourney 提示词生成器：仿照 GPTs 里的 MJ prompt 改了一版提示词，可用于 coze 或其他国内的 agent。对节点无要求，画插图可不切节点，不挑模型，方便之处在于若提示词懒得写全，可让 agent 补全润色并粘贴。例如“一个巨大鲸鱼头部的特写，鲸鱼的眼睛显示疲惫的神情，一个小女孩站在鲸鱼的旁边抚摸鲸鱼的脸，小女孩占画面比例很小，体现鲸鱼的巨大，吉卜力工作室风格”等。 长生作为 prompt 工程草稿师，起草效果不错，按照结构化 prompt 结构输出，具有朴实有用、符合事务处理顺序、至少有 3 个支持思维链陈述的例子等优点，能节省时间和脑力，API 接口中“gpt40613”效果可用且优秀，chatGPT 网页版不理解这个提示词。 对于律师写提示词，基础材料一般是一份检索报告，可自己整理或用元典问达的 AI 自动生成。应使用权威教育性语气、专业法律术语、结构化内容组织、规定概述内容解读结语结构、结合案例和挑战、结合法规和实际操作、使用商业术语等要求的语言风格，输出文章的标题要开门见山、切中要害，用疑问句引起目标群体悬念。
2025-02-28
提示词有哪些逻辑框架
提示词常见的逻辑框架包括以下方面： 1. 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。在描述时需调整句式和语序，避免主体物过多/复杂、分散的句式，避免模糊术语，使用流畅准确的口语化措辞，避免过度文学化叙述，丰富、准确和完整的描述有助于生成特定艺术风格、满足需求的视频。 提示词与画面联想程度：通过单帧图像示例介绍关系，如基础词“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”。联想关键点包括具体详实的位置描述/环境描述，可帮助构建画面基本呈现效果，以及艺术风格描述，可进一步提升效果和氛围，统一画面风格。 2. Super Prompt： 来源：在 X 上爆火，有相关链接。 原文包括 prompt、flowchart、结合提示词的思考过程解释等。 提示词结构及作用：个人感受是只给方向的逻辑框架很棒，省 Token，可沿用深化和迭代。 逐句解析包括 META_PROMPT1 的多个部分以及二进制编码部分和 META_PROMPT2 等。最后的灵感来源有参考价值，是指导 LLM 思考逻辑的索引，在有具体应用场景时可针对性引入，抽象规则是指路灯。
2025-02-28
飞书多维表格xDeepSeek R1实用提示词
以下是关于飞书多维表格 x DeepSeek R1 实用提示词的相关信息： 《雪梅 May 的 AI 学习日记》中，在专题“飞书多维表格 + deepseek R1”的 DAY107 练习中，提到可在相关链接中找到与短视频相关的模板，使用如【视频脚本生成】【企业家 IP 视频脚本生成】等提示词制作多维表格，还可模仿，感受是制作体验丝滑流畅，仅用提示词就能编排多维表格实现强大功能。 同样在该专题的 DAY108 练习中，针对直播场景，可参考的直播相关多维表格，作者将小红书、短视频制作、直播等场景都做了一套放入同一个飞书多维表格，形成媒体内容生产与管理系统。 此外，还有 deepseek 论文解读的相关内容，包括直播视频回放、相关论文下载以及万能提示词的技巧分享等。若官网搜索不能用一直崩溃，可使用火山的满血版，其在视频最后 10 分钟左右有手把手教程。
2025-02-28
怎样借助deepseek快速读完一本书
借助 DeepSeek 快速读完一本书可以参考以下方法： 1. 让 DeepSeek 扮演一本书的作者辅助阅读：例如在读项飚的《跨越边界的社区》时，可让 DeepSeek 解释作者的写作意图和思路。 2. 利用提示词提升 DeepSeek 的能力： 进行效果对比，如用 Coze 做小测试。 按照以下步骤使用： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 DeepSeek。 认真阅读开场白后正式开始对话。 其设计思路包括将 Agent 封装成 Prompt 并储存在文件，通过提示词文件让 DeepSeek 实现同时使用联网和深度思考功能，优化输出质量等。 3. 用 DeepSeek 翻译一本原版书： 运行逻辑：以 PDF 格式文件为样本，以标点符号和换行符为依据获得完整句子和段落。 前期准备： 安装依赖，如 Python 及一些相关依赖。 准备 API，可参考相关教程获取字节火山 DeepSeek 系列 API。 注意事项：原版书可能涉及敏感内容，国内大模型有过滤机制，部分内容 DeepSeek 处理不了，可转移去其他模型。
2025-02-28
我想用deepseek写一篇论文该怎么要求他？
如果您想用 DeepSeek 写一篇论文，以下是一些建议： 1. 投稿要求： 原创、严谨、有深度。 配图说明更佳。 观点明确，结构清晰。 建议字数 1500 5000 字。 2. 高级调试策略： 模糊指令优化：对于宽泛需求，添加维度约束；对于主观表述，量化标准。 迭代优化法：首轮生成获取基础内容，然后进行特征强化、风格调整和最终校验。 3. 效能监测指标： 首次响应准确率：目标>75%。 多轮对话效率：问题解决平均轮次<3。 复杂任务分解：支持 5 级子任务嵌套。 另外，在使用 DeepSeek 时，虽然其推理能力较强，但有些表达不一定完全与模型吻合，建议多加清晰指令。同时，注意处理可能出现的异常情况，如信息幻觉、格式偏离、深度不足等。 需要注意的是，提交后 2 3 个工作日会有反馈，必要时可能会沟通修改建议。优质内容将有机会收录知识库。
2025-02-28
从知识库中查询与：DeepSeek相关的热门资讯信息
以下是关于 DeepSeek 的热门资讯信息： 媒体报道和网络文章方面： 通往 AGI 之路：关于 DeepSeek 的所有事情【知识库持续更新中】，链接：https://mp.weixin.qq.com/s/n0WrrJL0fVX6zLeTBWpZXA 数字生命卡兹克：DeepSeek 的提示词技巧，就是没有技巧。链接：https://zhuanlan.zhihu.com/p/20544736305 （错误） 宝玉：教你如何破解 DeepSeek R1 系统提示词，类型为提示词破解，链接：https://mp.weixin.qq.com/s/vAp2wI5ozTw7R6jreLMw 橘子汽水铺：中国开源，震撼世界：DeepSeek R1 的变革、启示与展望，类型为基础认知，链接：https://mp.weixin.qq.com/s/yGUgehbxKisVaHlOkxhuaw 橘子汽水铺：自学成才之路，DeepSeek R1 论文解读，类型为基础认知，链接：https://mp.weixin.qq.com/s/gmdHyh6fsUdj1JhM1sV9bg 新智元：史上首次，DeepSeek 登顶中美 AppStore！NYU 教授：全球「AI 霸权」之争已结束，类型为基础认知，链接：https://mp.weixin.qq.com/s/ybvV8RMX0yyS5YfG1qNWgg 一支烟花 AI：用流程图对比 DeepSeekR1,OpenAI O1,Claude 说明强化学习在 AI 大模型训练、推理的创新和意义，类型为基础认知，链接：https://mp.weixin.qq.com/s/mdGtOcg1RuQOEBn31KhxQ 腾讯科技：一文读懂｜DeepSeek 新模型大揭秘，为何它能震动全球 AI 圈，类型为基础认知，链接：https://mp.weixin.qq.com/s/cp4rQx09wygE9uHBadI7RA 张小珺腾讯科技：一场关于 DeepSeek 的高质量闭门会：比技术更重要的是愿景，类型为进阶思考，链接：https://mp.weixin.qq.com/s/a7C5NjHbMGh2CLYk1bhfYw 全新 AI 整活计划方面： DeepSeek 模型热度很高，微信指数达 10 亿多次，引发大众关注。 元子使用 Monica 时发现电脑版双击能显示思考过程，且注意不能直接换 agent，否则可能会干掉搜索功能。 财猫曾为相关平台做 AI 顾问，设计整套提示词，写小说等，其公众号因相关内容被封 15 天，19 号恢复。 旧模型有过度道德说教和正面描述趋势，DeepSeek 模型能力强，在文学创作上更出色，能给予更多自由发挥空间。 好的文字能引起生理共鸣和情绪，AI 可写出好文字，大语言模型预训练数据丰富，能引发人类共鸣和情绪。 Deepseek 模型的文风显著，文笔优秀，能触达情感，有哲学思考，在写作方面表现出色，如写小说、写诗、写骈文等。 Deepseek 模型喜欢使用大词，文风欢脱，有独特的语言风格，易于辨别。 Deepseek 模型有极强的发散能力，但较难收敛，有时会出现幻觉，但从创作角度看有利。
2025-02-28
我想用deepseek生成文献综述，请给我提供指令模板
以下是为您提供的 DeepSeek 生成文献综述的指令模板： 一、基础指令框架 1. 四要素模板：示例 2. 格式控制语法 强制结构：使用```包裹格式要求 占位符标记：用{{}}标注需填充内容 优先级符号：>表示关键要求，!表示禁止项 二、进阶控制技巧 1. 思维链引导 分步标记法：请逐步思考：1.问题分析→2.方案设计→3.风险评估 苏格拉底式追问：在得出最终结论前，请先列举三个可能存在的认知偏差 2. 知识库调用 领域限定指令：基于 2023 版中国药典，说明头孢类药物的配伍禁忌 文献引用模式：以 Nature 2022 年发表的论文为参考，解释 CRISPRCas9 最新突破 三、高级调试策略 1. 模糊指令优化 宽泛需求：添加维度约束，例如原句“写小说”→修正“创作以 AI 觉醒为背景的悬疑短篇，采用多视角叙事结构” 主观表述：量化标准，例如原句“写得专业些”→修正“符合 IEEE 论文格式，包含 5 项以上行业数据引用” 2. 迭代优化法 首轮生成：获取基础内容 特征强化：请加强第三段的技术细节描述 风格调整：改用学术会议报告语气，添加结论部分 最终校验：检查时间逻辑一致性，列出可能的事实性错误 希望这些指令模板对您生成文献综述有所帮助。
2025-02-28
有哪些deepseek培训课程
以下是关于 DeepSeek 的培训课程信息： 课程名称：第三期「AI 实训营」手把手学 AI【第三期：尝鲜阿里云上的 DeepSeek 玩法】 讲师：许键 时间：2025.02.25/26 日两天，每晚 20:00 课程内容： 第一节：用 DeepSeek 搭建智能体 第二节：全网最简单的 DeepSeek 的部署和蒸馏手把手教程 飞书会议链接：https://vc.feishu.cn/j/254331715 共学文档链接： 具体课表： 02/25 20:00：阿里云百炼篇：用 DeepSeek 搭建智能体，包括阿里云百炼满血版 DeepSeek 介绍、基于阿里云百炼的 DeepSeek 智能体搭建，课程文档： 02/26 20:00：人工智能平台 PAI 篇：本地部署满血版 DeepSeek，包括 DeepSeek R1 技术原理、解锁 DeepSeek 的不同玩法（问答助手、蒸馏、微调）、实战演练：DeepSeek R1 满血版快速部署&蒸馏训练，课程文档： 阿里云百炼地址:https://bailian.console.aliyun.com/ 开通满血版 R1 模型：模型广场找到 DeepSeekR1，授权。在这个页面上可以看到免费的 100w 额度和已经使用量，每个人都会免费送 100w 额度，过期了就亏了。这个 deepseekr1 模型是阿里云自主部署的，并且在阿里强大的技术实力下做了推理优化，强过 99.99%的市面上教的满血版本地部署的性能。用完还有免费的蒸馏版的 R1 模型，也是 100w token。这些模型都可以在“首页”或者“直接体验”直接使用，或者直接模型效果对比，也可以用 API 调用，比如 chatbox 直接使用。
2025-02-28
deepseek的提示词有哪些特别之处
DeepSeek 的提示词具有以下特别之处： 1. 语气还原：能还原帝王语气，相比其他模型输出，语气恰当，不过分用力，兼顾古典文字和可读性。 2. 熟悉历史细节：可能与支持“深度探索”和“联网搜索”同时开启有关，能准确还原唐初历史称谓，如“太极宫”“甘露殿”“掖庭局”“观音婢”“宫门鱼符”等，对“魏徵”等字词的使用也很讲究。 3. 输出具体且细节惊人：与其他 AI 不同，其输出充满具体而惊人的细节，行文隐喻拿捏到位，高级且能让画面跃然纸上。 4. 增添场景描述：在独白文本中“自作主张”地加入括号中的场景描述，增强画面感，如“夜风掀动案头《韩非子》，停在‘夫妻者，非有骨肉之恩也’那页”等。 5. 预判用户需求：对于简洁且无形容词、无倾向性的提示词，如“玄武门之变结束的当天，李世民在深夜写下一段独白，你觉得他会写什么？”，能准确预判用户想要的输出，自然想到添加文学性。
2025-02-27
帮助产品经理根据产品原型截图写产品需求文档的AI工具和提示词有哪些
以下是一些帮助产品经理根据产品原型截图写产品需求文档的 AI 工具和提示词： AI 工具： 1. 产品管理工具：如 Aha!、ProductPlan 等，帮助管理整个产品生命周期。 2. 协作工具：如 Google Docs、Microsoft Office 365，支持团队协作和文档共享。 3. 项目管理软件：如 JIRA、Trello，用于任务分配和进度跟踪。 4. 市场研究工具：如 Google Trends、SEMrush，分析市场趋势和用户行为。 5. 用户调研工具：如 SurveyMonkey、Typeform，收集用户反馈和需求。 6. 数据分析工具：如 Tableau、Power BI，对市场数据进行可视化分析。 7. 思维导图软件：如 MindMeister、XMind，帮助组织思路和概念。 8. 流程图软件：如 Lucidchart、Visio，绘制产品功能和流程图。 提示词： 1. 行业洞察分析：对行业现状、趋势和未来发展方向进行深入研究和预测。 2. 方法论专家：精通各类管理和研发方法论，能根据具体情况选择和应用最佳方法。 3. 头脑风暴：团队成员自由提出各种想法和见解，快速产出创意解决方案。 4. 需求文档设计：根据产品特性和用户需求，设计产品需求文档。 5. 功能价值分析：评估产品各项功能的重要性和价值，辅助优化资源配置。 6. 竞品分析报告：对竞争对手的产品进行全面的分析比较，找出优劣势。 7. 流程图/图表设计：直观地呈现业务流程、组织结构或统计数据。 8. 思维导图设计：以树状图形式展示思路和知识框架。 9. 解决方案专家：根据问题分析，提供切实可行的解决方案。 10. 周报生成器：自动化生成工作周报，提高工作效率。 学习 Prompt 提示词可以参考这份文档：https://www.promptingguide.ai/zh 。 在写提示词时，要注意以下几点： 1. 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。 2. 调整负面提示词，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。 3. 利用“加权重”功能，让 AI 明白重点内容，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。 4. 对于星流一站式 AI 设计工具，其提示词用于描绘画面，支持中英文输入，启用提示词优化后能更生动地描述画面内容，小白用户可以点击提示词上方官方预设词组进行生图。 使用这些提示词和工具，可以帮助产品经理更高效地撰写产品需求文档，确保文档全面覆盖了市场和产品的关键方面。同时，它们也有助于提高团队之间的沟通效率和文档的可管理性。但请注意，内容由 AI 大模型生成，请仔细甄别。
2025-02-19
openai 发布的sora最新模型中，生成视频的提示词与一般问答提示词有什么区别或者注意事项？
Sora 是 OpenAI 于 2024 年 2 月发布的文本到视频的生成式 AI 模型。 生成视频的提示词与一般问答提示词的区别和注意事项如下： 1. 对于视频生成，神经网络是单射函数，拟合的是文本到视频的映射。由于视频的动态性高，值域大，因此需要丰富且复杂的提示词来扩大定义域，以学好这个函数。 2. 详细的文本提示能迫使神经网络学习文本到视频内容的映射，加强对提示词的理解和服从。 3. 和 DALL·E 3 一样，OpenAI 用内部工具（很可能基于 GPT4v）给视频详尽的描述，提升了模型服从提示词的能力以及视频的质量（包括视频中正确显示文本的能力）。但这会导致在使用时的偏差，即用户的描述相对较短。OpenAI 用 GPT 来扩充用户的描述以改善这个问题，并提高使用体验和视频生成的多样性。 4. 除了文本，Sora 也支持图像或者视频作为提示词，支持 SDEdit，并且可以向前或者向后生成视频，因此可以进行多样的视频编辑和继续创作，比如生成首尾相连重复循环的视频，甚至连接两个截然不同的视频。 以下是一些 Sora 的案例提示词，如：“小土豆国王戴着雄伟的王冠，坐在王座上，监督着他们广阔的土豆王国，里面充满了土豆臣民和土豆城堡。”“咖啡馆的小地图立体模型，装饰着室内植物。木梁在上方纵横交错，冷萃咖啡站里摆满了小瓶子和玻璃杯。”“一张写有‘SORA’的写实云朵图像。”“一群萨摩耶小狗学习成为厨师的电影预告片‘cinematic trailer for a group of samoyed puppies learning to become chefs’”
2024-12-27
写施工方案的提示词有没有
以下是一些常见的提示词技巧，可用于写施工方案： 类比：要求 AI 用类比或示例阐明概念，例如“请用一个类比解释施工中的关键技术”。 引述：要求包含专家的相关引言或陈述，比如“在施工方案中引用著名建筑专家的观点来支持关键施工步骤”。 幽默：表明是否应融入幽默，例如“在施工方案的安全注意事项部分加入一些幽默元素，以增强记忆”。 轶事：要求包含相关轶事，比如“在关于大型建筑施工的方案中，分享一则有趣的施工过程中的轶事”。 隐喻：鼓励使用隐喻使复杂观点更具亲和力，例如“在描述施工流程的复杂性时，用‘施工像搭积木一样需要有序进行’这样的隐喻”。 趣闻：鼓励包含有趣或令人惊讶的事实，比如“在谈论新型建筑材料时，分享一些有趣的材料特性的事实”。 关键词：列出需要包含的重要关键词或短语，例如“请在施工方案中包含‘施工进度’‘质量控制’和‘安全保障’”。 小贴士：鼓励 AI 分享与主题相关的小窍门和技巧，比如“分享几个关于提高施工效率的小贴士”。 保密性：说明保密要求或限制，比如“在施工方案涉及商业机密的部分，不要泄露相关信息”。 格式化：指定所需的格式元素（如标题、副标题、列表），例如“在写施工方案时，使用列表来呈现施工步骤”。 概括：要求对较长内容进行简要概括，比如“请为这个复杂的施工方案提供一个简短的概要”。 讲故事：要求使用讲故事或叙事技巧，例如“请用一个成功的施工案例故事来展示优秀的施工管理”。 优缺点：要求 AI 评估主题的优缺点，比如“分析这种新型施工方法的优缺点”。 利弊分析：要求对主题的利弊进行分析，例如“分析使用预制构件施工的利与弊”。 问题解决：要求针对特定问题提供解决方案或建议，比如“请提供几个有效的解决施工中遇到的技术难题的方法”。 最佳实践：要求 AI 提供关于某主题的最佳实践或指南，比如“请提供一份关于如何确保施工质量的最佳实践指南”。 时间线：要求 AI 提供事件或发展的时间线，比如“请为这个建筑项目的施工进程提供一个简要的时间线”。 行动呼吁：要求明确的行动呼吁或后续步骤，比如“在施工方案结尾提出具体的施工推进行动建议”。 分步指南：要求提供过程的分步指南或说明，比如“提供一个关于如何进行基础施工的分步指南”。 历史背景：要求考虑历史背景或背景，比如“在写关于高层建筑施工的方案时，谈论高层建筑施工的历史发展”。 对比：要求 AI 比较和对照不同的观点或概念，比如“请比较传统施工方法和现代施工方法的优缺点”。 敏感性：提及需要谨慎处理或避免的敏感主题或问题，比如“请谨慎讨论施工中的环保敏感问题”。 伦理考虑：提及要遵循的道德准则，比如“在施工方案中探讨施工过程中的伦理和道德问题”。 修订要求：提及修订或编辑指南，比如“请根据行业标准对施工方案进行编辑和修订”。 未来影响：鼓励讨论潜在的未来影响或趋势，比如“在谈论建筑施工技术的发展时，探讨其未来在城市建设中的应用前景”。 视觉元素：询问是否包括图表、图形或图像，比如“请在施工方案中包含相关的施工图纸和进度图表”。 截止日期：提及时间敏感回应的截止日期或时间范围，比如“请在一周内给我一份完整的施工方案”。 文化参考：鼓励包含相关的文化参考，比如“在关于古建筑修复的施工方案中谈论当地的建筑文化特色”。
2024-12-22
sd的提示词有哪些语法
以下是关于 SD 提示词的语法： 1. 多个提示词之间使用英文半角符号“,”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。 2. 一般而言，概念性、大范围、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。大致顺序为：。 3. 每个词语本身自带的权重可能不同，模型训练集中较多出现的关键词，输入一个词就能极大影响画面；较少出现的关键词，输入多个相关词汇对画面影响效果可能有限。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，措辞越具体越好，避免抽象和有解释空间的措辞。 4. 可以使用括号人工修改提示词的权重，例如： 将权重减少为原先的 25%。 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：a，100 步采样，一开始。提示词为：fantasy landscape with a mountain and an oak in foreground shoddy 在第 25 步后，提示词为：fantasy landscape with a lake and an oak in foreground in background shoddy 在第 50 步后，提示词为：fantasy landscape with a lake and an oak in foreground in background masterful 在第 60 步后，提示词为：fantasy landscape with a lake and an oak in background masterful 在第 75 步后，提示词为：fantasy landscape with a lake and a christmas tree in background masterful。 6. 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。 7. 交替词：in a field 可以支持多个词交替。 8. 可组合扩散（AND 语法）：a cat AND a dog 比如想画一个猫和狗的混合物种，每一个要混合的东西支持加权重，比如 a cat:1.2 AND dog AND a benguin:2.2。通过继续向总数添加更多提示,这可以方便地生成微调的递归变化,比如 log AND frog:0.13 AND yellow eyes:0.08 。 请注意，权重值最好不要超过 1.5。
2024-12-19
利用大模型构建系统的工具
以下是关于利用大模型构建系统的工具的相关内容： 大模型的发展历程： 2017 年发布的 Attention Is All You Need 论文是起源。 2018 年，Google 提出 BERT，其创新性地采用双向预训练并行获取上下文语义信息和掩码语言建模，开创了预训练语言表示范式，参数规模为 110M 到 340M。 2018 年，OpenAI 提出 GPT，开创了仅使用自回归语言建模作为预训练目标而无需额外监督信号，展示了强大的语言生成能力，参数规模达 1750 亿。 2021 年，Meta 提出 Large LAnguage Model Approach（LLAMA），这是首个开源模型，为构建更大规模、更通用的语言模型提供了系统化的方法与工具，参数规模为十亿到千亿。 Inhai:Agentic Workflow：AI 重塑了我的工作流： 以 Kimi Chat 为例，它利用「网页搜索」工具在互联网上检索相关内容，并基于检索结果进行总结分析，给出结论。同时，PPT 中介绍了众多不同领域类型的工具，为大模型在获取、处理、呈现信息上做额外补充。 Planning：Agent 通过自行规划任务执行的工作流路径，面向简单或线性流程的运行。例如，先识别男孩姿势，再使用相关模型合成女孩图像，接着使用图像理解文本模型，最后语音合成输出。 Multiagent Collaboration：吴恩达通过开源项目 ChatDev 举例，可让大语言模型扮演不同角色相互协作，共同开发应用或复杂程序。 AI Agent 基本框架：OpenAI 的研究主管 Lilian Weng 提出“Agent=LLM+规划+记忆+工具使用”的基础架构，其中大模型 LLM 扮演 Agent 的“大脑”。规划包括子目标分解、反思与改进，将大型任务分解为较小可管理的子目标处理复杂的任务，反思和改进指对过去行动进行自我批评和自我反思，从错误中学习并改进未来步骤，提高最终结果质量。记忆用于存储信息。 开发：LangChain 应用开发指南 大模型的知识外挂 RAG： LangChain 是专注于大模型应用开发的平台，提供一系列组件和工具构建 RAG 应用： 数据加载器：从数据源加载数据并转换为文档对象，包含 page_content 和 metadata 属性。 文本分割器：将文档对象分割成多个较小的文档对象，方便后续检索和生成。 文本嵌入器：将文本转换为嵌入，用于衡量文本相似度实现检索。 向量存储器：存储和查询嵌入，通常使用索引技术加速检索。 检索器：根据文本查询返回相关文档对象，常见实现是向量存储器检索器。 聊天模型：基于大模型生成输出消息。 使用 LangChain 构建 RAG 应用的一般流程如下：（具体流程未给出）
2025-02-28
AI大模型本地化部署的逻辑是什么？输入的数据不会外泄吗？
AI 大模型本地化部署的逻辑主要包括以下步骤： 1. 选择合适的部署方式，如本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等，要根据自身的资源、安全和性能需求来决定。 2. 准备训练所需的数据和计算资源，确保有足够的训练数据覆盖目标应用场景，并准备足够的计算资源，如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础，可以使用开源的预训练模型如 BERT、GPT 等，也可以自行训练一个基础模型。 4. 针对目标任务进行模型微调训练，根据具体应用场景对预训练模型进行微调训练，并优化模型结构和训练过程以提高性能。 5. 部署和调试模型，将训练好的模型部署到生产环境，并对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护，大模型涉及大量数据和隐私信息，需要重视安全性和合规性。 关于输入数据是否会外泄，这取决于本地化部署的安全性措施和配置。如果采取了严格的安全措施，如数据加密、访问控制、网络隔离等，输入的数据外泄的风险可以大大降低。但如果安全措施不到位，就存在数据外泄的可能。例如，赞成把一个训练好就不动的模型部署在端侧（如手机或家庭计算中心），记录所有知识和记忆的相关数据就不会跑到云端，能更好地保障数据安全。
2025-02-28
大模型研究 报告
以下是为您提供的关于大模型研究的相关信息： 1. 1 月 25 日的 XiaoHu.AI 日报中提到： 有 26 种多模态大模型研究报告，全面分析了市面上的 26 种多模态大语言模型，涵盖模型架构、训练流程设计，每种模型具有独特设计和功能。相关链接：https://arxiv.org/abs/2401.13601 、https://x.com/xiaohuggg/status/1750400886676070495?s=20 研究了使用红外线激光攻击自动驾驶车辆，针对摄像头系统尤其是识别道路标志的部分，攻击成功率高达 100%。相关链接：https://x.com/xiaohuggg/status/1750391646121017610?s=20 ChatGPT 新增小功能，包括自动展开代码输出、批量移动对话历史记录到存档，设置路径为设置>General。相关链接：https://x.com/xiaohuggg/status/1750367771446345834?s=20 哈佛大学 CS50x 2024 课程是计算机科学和编程入门课程，面向各类学生，重点包括问题解决、计算思维、编程语言等，讲师为 David J.Malan，可通过 edX 平台注册和完成课程。相关链接：https://cs50.harvard.edu/x/2024/ 、https://x.com/xiaohuggg/status/1750331575081026039?s=20 Poe 聊天机器人推广活动，创建并分享聊天机器人，每带来一个订阅者奖励 50 美金。相关链接：https://x.com/xiaohuggg/status/1750173470946988230?s=20 Lumiere 视频生成技术是 Google Research 开发的文本到视频模型，具有创新的空间时间 UNet 架构，能一次性生成完整视频，确保连贯和逼真，支持多种视频生成和编辑功能。相关链接：https://lumierevideo.github.io 、https://x.com/xiaohuggg/status/175014 2. 《质朴发言：视觉语言理解模型的当前技术边界与未来应用想象｜Z 研究第 2 期》中指出： 近期生成式 AI 领域的浪潮催化了多模态模型的探索，研究人员不断尝试使用更多模态数据的编码，以训练出能够理解和处理多种类型数据的模型。 本份研究报告集中讨论了基于 Transformer 架构的视觉语言模型，优化了从视觉输入到语言输出的转换过程。报告范围专注于视觉和语言之间的交互，不考虑单纯的视觉到视觉的计算机视觉任务。 报告包括视觉分析技术（Transformer 视觉模型优点和局限）、图像语言模型、视频语言模型、LLM 多模态 Agent、应用场景（多模态内容理解与处理、智能交互与自动化、具身智能、未来发展趋势（2024?）、视频生成模型 mapping）、未来发展方向（技术路径而言：利用预训练 LLMs 进行指令调整；应用场景而言：赋予机器理解多模态的能力）、References、附录等内容。原文链接：https://mp.weixin.qq.com/s/dYLqW8dNOcQw59UtQwXNgA
2025-02-28
aI 智能体和大模型的区别是什么
AI 智能体和大模型的区别主要体现在以下几个方面： 1. 概念和定位：智能体简单理解就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。大模型是一种技术。 2. 服务对象：大模型是技术，面向用户提供服务的是基于大模型的产品，如智能体。 3. 功能特点：大模型具有强大的语言理解和生成能力，但存在局限性，如无法回答私有领域问题、无法及时获取最新信息、无法准确回答专业问题等。智能体通过集成特定的外部能力，能够弥补大模型的不足，例如实时信息获取、回答私有领域问题等。 4. 应用场景：智能体在 C 端有社交方向，用户注册后捏自己的 Agent 并让其与他人的 Agent 聊天；在 B 端可以帮助商家搭建 Agent。大模型适用于通用的语言处理任务。 5. 开发方式：有专门的智能体开发平台，如字节扣子、腾讯元器等。
2025-02-28
扣子和大模型的区别是什么
扣子是一个 AI 聊天机器人构建平台，如字节推出的 Coze 的国内版“扣子”，主要用于开发下一代 AI 聊天机器人。它具有强大的知识库功能，能帮助上传和存储知识内容，并提供多种查找知识的方法，解决大模型可能出现的幻觉或某些专业领域知识不足的问题。 而 AI 大模型是一种技术，面向用户提供服务的是基于大模型开发的产品。例如，智能体可以被视为基于大模型开发的应用。 在实际应用中，扣子这样的平台能让开发者更便捷地构建和优化智能体，以满足不同场景和用户的需求。
2025-02-28
本地部署的AI模型如何制作智能体
以下是关于本地部署的 AI 模型制作智能体的相关信息： 阿里云百炼满血版 DeepSeek： 1. 开通满血版 R1 模型：在模型广场找到 DeepSeekR1 并进行授权。每个人会免费获得 100 万额度，过期未用则浪费。此模型由阿里云自主部署，并做了推理优化，性能强于多数本地部署版本。 2. 应用开发：新增模板，可从模板学习应用搭建。 3. 联网搜索：配置简单方便，结合 Deepseekr1 更强大，如搜索天气时会多方验证。 4. 新鲜的动态 few shot：可用于对模型某些表现不佳、易出幻觉的任务通过 prompt training 强行修正。 5. 工作流：用工作流让不同模型在同一任务创作。 行业变革中的智能体相关： Anthropic 的 Claude 3 拥有三个版本，最大规模的 Opus 适合复杂推理与自动化任务计划，其次的 Sonnet 适合个人助理及内容快速分析，如智能体任务，最快最便宜的 Haiku 可执行快速翻译、客服对话等任务。Meta、微软、Google、Apple 等均有可适配到移动终端上运行的开源模型。边缘算力竞争中，Apple、Google、高通等在终端占有量和芯片方面具有优势，PC 级别终端因智能集成复兴，未来可能有家用和办公用“智能体”终端诞生，Tesla EV 也在相关量级之上。 自制软件和赤脚开发者中的智能体相关： 大型语言模型可表现为智能体，能制定计划和决策以实现设定目标，可访问外部工具、数据库长期记忆等，并模仿逻辑思维模式。语言模型和智能体已部署到帮助专业开发人员的工具中，如 GitHub Copilot、Cursor 和 Replit，能读写代码、调试、创建文档和编写测试，使用此类工具可提高开发人员完成任务的速度。
2025-02-27