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

关于提示词工程的教程

Answer

以下是关于提示词工程的教程：

  1. 提示词工程教程：为帮助大型语言模型更好地理解任务，提供了在线教程。任务可分解为两步，第一步模型检查当前提示词和样本，第二步编写改进的提示词。
  2. 逐步推理模板：指导提案模型回答一系列问题，如输出是否正确、提示词是否准确描述任务等，以鼓励模型仔细检查示例并反思提示词局限性。
  3. 上下文规定：提示词插入输入序列的位置灵活，可能在输入文本之前或之后，元提示词中应明确提示词和输入的相互作用。
  4. 基础提示词：简单提示词能获得结果，但结果质量与提供信息的数量和完善度有关。提示词可包含指令、问题、上下文、输入或示例等元素。使用 OpenAI 聊天模型时，有 system、user 和 assistant 三种角色，本指南示例通常仅使用 user 消息作为 prompt。通过改进提示词可获得更好结果，提示工程探讨如何设计最佳提示词以高效完成任务。
  5. 无需微调，仅用提示词工程让 LLM 获得 tool calling 功能：主要由提示词注入和工具结果回传两部分代码组成。提示词注入将工具信息及使用提示添加到系统提示中，包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。工具结果回传解析 tool calling 输出，并将工具返回内容嵌入 LLM，利用正则表达式抓取相关参数，对于不同工具和 LLM 接口有不同处理方式。
Content generated by AI large model, please carefully verify (powered by aily)

References

小七姐：Prompt Engineering a Prompt Engineer 精读翻译

(a)提示词工程教程。为了帮助大型语言模型更好地理解提示词工程的任务，我们在元提示词中提供了一个提示词工程的在线教程²。(b)两步任务描述。提示词工程的任务可以分解为两个步骤，如Pryzant等人（2023）之前所做：在第一步中，模型预期检查当前提示词和一批样本。在第二步中，模型预期编写一个改进的提示词。³然而，在Pryzant等人（2023）中，每个步骤是即兴解释的。相比之下，我们考虑在元提示词中明确这两个步骤，并提前传达期望。(c)逐步推理模板。为了鼓励模型仔细检查批次B中的每个示例，并反思当前提示词的局限性，我们指导提案模型$$M_{proposal}$$回答一系列问题。例如：输出是否正确？提示词是否正确描述了任务？是否有必要编辑提示词？(d)上下文规定。实际操作中，提示词插入整个输入序列的位置是灵活的。它可能位于输入文本之前，用于描述任务，例如，“将英语翻译成法语”。它也可能出现在输入文本之后，例如，“让我们逐步思考”，以激发推理能力。识别这些不同的上下文，我们在元提示词中明确指出提示词和输入之间的相互作用。例如，“Q:<input>A:让我们逐步思考”。

基本概念

您可以通过简单的提示词（Prompts）获得大量结果，但结果的质量与您提供的信息数量和完善度有关。一个提示词可以包含您传递到模型的_指令_或_问题_等信息，也可以包含其他详细信息，如_上下文_、_输入_或_示例_等。您可以通过这些元素来更好地指导模型，并因此获得更好的结果。看下面一个简单的示例：提示词输出结果如果使用的是OpenAI Playground或者其他任何LLM Playground，则可以提示模型，如以下屏幕截图所示：需要注意的是，当使用OpenAI的gpt-4或者gpt-3.5-turbo等聊天模型时，您可以使用三个不同的角色来构建prompt：system、user和assistant。其中system不是必需的，但有助于设定assistant的整体行为，帮助模型了解用户的需求，并根据这些需求提供相应的响应。上面的示例仅包含一条user消息，您可以使用user消息直接作为prompt。为简单起见，本指南所有示例（除非明确提及）将仅使用user消息来作为gpt-3.5-turbo模型的prompt。上面示例中assistant的消息是模型的响应。您还可以定义assistant消息来传递模型所需行为的示例。您可以在[此处(opens in a new tab)](https://www.promptingguide.ai/models/chatgpt)了解有关使用聊天模型的更多信息。从上面的提示示例中可以看出，语言模型能够基于我们给出的上下文内容`"The sky is"完成续写。而输出的结果可能是出人意料的，或远高于我们的任务要求。但是，我们可以通过改进提示词来获得更好的结果。让我们试着改进以下：提示词输出结果结果是不是要好一些了？本例中，我们告知模型去完善句子，因此输出的结果和我们最初的输入是完全符合的。提示工程（Prompt Engineering）就是探讨如何设计出最佳提示词，用于指导语言模型帮助我们高效完成某项任务。以上示例基本说明了现阶段的大语言模型能够发挥的功能作用。它们可以用于执行各种高级任务，如文本概括、数学推理、代码生成等。

无需微调，仅用提示词工程就能让 LLM 获得 tool calling 的功能

本文采用的提示词工程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以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。[heading2]1、提示词注入阶段[content]INSTRUCTION为最后注入到系统提示中的字符串，他又包含了TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT三个部分。TOOL_EAXMPLE用于提示LLM如何理解tool以及如何使用tool。在编写TOOL_EAXMPLE时，请注意用一些无关紧要的工具作为示例，例如本文使用的将数字加一和数字减一的工具，从而避免LLM混淆真正可以使用的工具与示例工具。tools_instructions是由目前通用的工具字典转换成LLM可读的工具列表。实际使用LLM时，可以通过输入不同的工具来动态调整tools_instructions，让LLM得知目前可用的工具有哪些以及如何使用。REUTRN_FORMAT定义了调用API的格式。[heading2]2、工具结果回传阶段[content]利用正则表达式抓取输出中的"tool"和"parameters"参数。对于interpreter工具，使用了另一种正则表达式来提取LLM输出的代码，提高LLM使用interpreter工具的成功率。本文使用代码如下：通过识别LLM返回的调用工具的字典，提取出对应的值，再传入相应的工具函数，最后将工具返回的结果以observation的角色返回给LLM。对于一些不接受observation、tool、function角色的LLM接口，可以改为回传给user角色，例如：通过以上提示词工程，可以避免微调，让完全没有tool calling能力的LLM获得稳定的tool calling能力。

Others are asking
dify教程
以下是关于 Dify 的教程： Differential Diffusion 教程： 技术适用场景：特别适用于需要保持图像整体一致性和自然感的场景。 软填充技术：用于平滑填补图像空白或损坏部分，同时细微调整周围区域，确保新填充内容与原始图像无缝融合。 强度扇：一种可视化不同编辑强度效果的工具，帮助用户通过可视化方式理解不同编辑强度的效果。 无需训练或微调：操作仅在推理阶段进行，不需要对模型进行额外训练或微调。 与现有扩散模型兼容：可集成到任何现有的扩散模型中，增强编辑和生成能力，适用于 Stable Diffusion XL、Kandinsky 和 DeepFloyd IF 等不同的扩散模型。 主要功能特点： 精细的编辑控制：通过引入变化地图，可对图像每个像素或区域指定不同变化程度，支持离散和连续编辑。 文本驱动的图像修改：通过文本提示指导图像修改方向。 软填充技术：在填补图像空白或修复部分时，能细微调整周围区域确保无缝融合。 Dify 接入企业微信教程： 创建聊天助手应用：在 Dify 平台创建基础编排聊天助手应用，获取 API 密钥和 API 服务器地址。 下载 Dify on WeChat 项目：下载并安装依赖。 填写配置文件：在项目根目录创建 config.json 文件，填写 API 密钥和服务器地址。 把基础编排聊天助手接入微信：快速启动测试，扫码登录，进行对话测试，可以选择源码部署或 Docker 部署。 把工作流编排聊天助手接入微信：创建知识库，导入知识库文件，创建工作流编排聊天助手应用，设置知识检索节点和 LLM 节点，发布更新并访问 API。 把 Agent 应用接入微信：创建 Agent 应用，设置对话模型和添加工具，生成 API 密钥，填写配置文件，启动程序并进行测试。 更多内容请访问原文：https://docs.dify.ai/v/zhhans/learnmore/usecases/difyonwechat
2025-03-29
用文生图来画插画风格的系统流程图、概念图有哪些快速上手的prompt、平台和教程
以下是关于用文生图来画插画风格的系统流程图、概念图的快速上手的 prompt、平台和教程： 平台：Tusiart Prompt 提示词： 用英文写您想要 AI 生成的内容，不用管语法，仅使用单词和短语的组合去表达需求，单词、短语之间用英文半角逗号隔开。 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）。 教程： 1. 定主题：确定您需要生成的图的主题、风格和要表达的信息。 2. 选择基础模型 Checkpoint：按照主题找内容贴近的 checkpoint，如麦橘、墨幽的系列模型。 3. 选择 lora：在生成内容基础上，寻找内容重叠的 lora 以控制图片效果及质量。 4. ControlNet：可控制图片中特定图像，如人物姿态、特定文字等，高阶技能可后续学习。 5. 局部重绘：下篇再教。 6. 设置 VAE：无脑选择 840000 这个即可。 7. 负向提示词 Negative Prompt：用英文写您想要 AI 避免产生的内容，单词和短语组合，中间用英文半角逗号隔开。 8. 采样算法：一般选 DPM++2M Karras，也可留意 checkpoint 详情页上模型作者推荐的采样器。 9. 采样次数：选 DPM++2M Karras 时，采样次数在 30 40 之间。 10. 尺寸：根据喜好和需求选择。 辅助网站： 1. http://www.atoolbox.net/ ：通过选项卡方式快速填写关键词信息。 2. https://ai.dawnmark.cn/ ：每种参数有缩略图参考，更直观选择提示词。 3. https://civitai.com/ ：可抄作业，复制图片的详细参数用于生成。 下次作图时，可先选择模板，点击倒数第二个按钮快速输入标准提示词。
2025-03-28
有stable diffusion的学习教程吗
以下为您提供一些 Stable Diffusion 的学习教程： 1. 超详细的 Stable Diffusion 教程： 介绍了为什么要学习 Stable Diffusion 及其强大之处。 指出 Stable Diffusion 是能根据输入文字生成图片的软件。 强调学习目的是快速入门，而非深入研究原理，通过案例和实际操作帮助上手。 2. 深入浅出完整解析 Stable Diffusion（SD）核心基础知识 知乎： 包含 Stable Diffusion 系列资源。 零基础深入浅出理解 Stable Diffusion 核心基础原理，如模型工作流程、核心基础原理、训练全过程等。 解析 Stable Diffusion 核心网络结构，包括 SD 模型整体架构、VAE 模型、UNet 模型等。 介绍从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画的流程。 列举 Stable Diffusion 经典应用场景。 讲解从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型。 3. 视频教程： 「AI 绘画」软件比较与 stable diffusion 的优势： 「AI 绘画」零基础学会 Stable Diffusion： 「AI 绘画」革命性技术突破： 「AI 绘画」从零开始的 AI 绘画入门教程——魔法导论： 「入门 1」5 分钟搞定 Stable Diffusion 环境配置，消灭奇怪的报错： 「入门 2」stable diffusion 安装教程，有手就会不折腾： 「入门 3」你的电脑是否跑得动 stable diffusion？： 「入门 4」stable diffusion 插件如何下载和安装？：
2025-03-28
这里有trae的教程吗
以下是关于 Trae 的相关信息： 1. Claude 3.5 免费无限量！字节 AI 编程神器 Trae Win+Mac 版全量上线： Trae Windows 版本已于特定时间上线，即日起全系统可用。 Trae 标配 Claude3.5sonnet 模型免费不限量，而竞品工具同一模型每月收费且限量使用。 Trae 编辑器所有功能原生支持中文，上手门槛低。 Trae 是一款与 AI 深度集成，提供智能问答、代码自动补全以及基于 Agent 的 AI 自动编程能力的 IDE 工具。 2. 来了，AI 编程神器 Trae 的保姆级使用指南： 介绍了控制按钮和游戏说明。 展示了生成任务清单应用的过程和效果。 演示了根据 UI 设计图自动生成项目代码的操作及调整效果。 总结了 Trae 的高效代码生成能力、多技术栈支持和动态调整潜力。 3. AI 编程零门槛：Trae 国内版终于来了： 前段时间学习 AI 编程时发现的初学者前置问题，如今随着 Trae 国内版发布得到解决。 Trae 国内版是国内首个 AI IDE，自带特定模型，免费、快速、稳定。 Trae 是字节跳动旗下类似其他 IDE 工具的 AI 原生编程工具，具有国内用户友好、使用完全免费、内置预览插件等特性，适合新手入门也能提升资深程序员编程速度。
2025-03-27
文章风格提取&文风转移教程
以下是关于文章风格提取和文风转移的教程： 该提示词可用于抽取不同风格文章的核心要素，抽取到的字段能作为 prompt，结合指定主题进行风格迁移。整体创作思路见文末 PDF。 具体使用方法为：拷贝文章风格提取提示词，输入给任意大模型，随后提供要抽取的文本。 已抽取的一些风格参考包括万维钢风格、史铁生《我与地坛》的文风、李娟《我的阿勒泰》的文风、许倬云《说中国》的文风、鲁迅《狂人日记》的文风、王小波《万寿寺》的文风、飞书多维表格工作流自动化抽取等。 在实践中，文章润色要想始终保持特定风格较困难，关键在于稳定模型的记忆功能以确保写作一致性。首先建立数据库存储文章风格，对不同文本进行风格提取并存储。使用时可根据需求选择和应用不同风格。 文章润色规划流程清晰地分为两部分：第一部分是润色内容的提取，上传文字时模型会识别和提取风格的关键要素并保存到写作风格库；第二部分是润色本身，先提取所需风格，提供文章内容，可选择逐段或整篇润色，以达到最佳写作效果。
2025-03-26
我要学习提示词工程哪些教程最好
以下是一些学习提示词工程的优质教程推荐： 1. 小七姐的“Prompt Engineering a Prompt Engineer 精读翻译”： 提供了提示词工程的在线教程。 将提示词工程的任务分解为两个步骤，并在元提示词中明确这两个步骤，提前传达期望。 为鼓励模型仔细检查示例，指导提案模型回答一系列问题。 明确提示词在不同上下文中与输入的相互作用。 2. 歸藏翻译的“简单易懂，强烈推荐 Codesignal 提示工程教程1”： 通俗易懂，给出丰富实践经验。 课程地址：https://learn.codesignal.com/preview/coursepaths/16/promptengineeringforeveryone 。 3. “GPT1 到 Deepseek R1 所有公开论文 The 2025 AI Engineer Reading List”中的第 3 节： 推荐了 Lilian Weng、Eugene Yan、Anthropic 的《提示工程教程》和《人工智能工程师工作坊》。
2025-03-25
提示词生成
以下是关于提示词生成的相关内容： 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，可以和 flux 模型配合生成图片。建议使用量化版本的模型（int4 结尾）以节省显存。 安装方法： 1. 进入 ComfyUI 自定义节点目录。 2. 克隆相关仓库。 3. 重启 ComfyUI。 4. 网盘下载模型（https://pan.quark.cn/s/00b3b6fcd6ca），放入 ComfyUI 的 models 文件夹下 MiniCPM 文件夹中，没有就新建一个。 艺术字生成： 选择图片 2.1 模型，输入提示词（可以直接参考案例提示词）。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。原文链接：https://mp.weixin.qq.com/s/jTMFYKxsN8dYNZu3VHKBnA 五津:DeepSeek+扣子：1 分钟生成小红书爆款单词视频： 生成单词： 1. 输入单词主题、图片风格、单词数量。如非洲动物、真实风格、2。 2. 选择 deepseekr1 模型，输入单词主题、单词数量，deepseek 为用户输出指定数量的单词，并以数组方式输出。 角色：是一个专业的单词生成助手，擅长围绕各种主题挖掘相关英语单词，为用户提供精准且实用的单词、中文、美式音标内容。 技能： 1. 输出关联英语单词：当用户输入主题时，分析主题内涵，运用专业知识，输出指定数量个与该主题紧密关联的英语单词、中文翻译、美式音标，将该单词用于一句英文中（不超过 15 个单词），并将这句英文句子翻译成中文句子，并以数组形式呈现。 限制：仅围绕用户输入主题输出相关英语单词、中文翻译、美式音标，不涉及其他领域内容。输出必须为符合要求的数组形式，英文单词对应变量 yingwen，中文翻译对应变量 zhongwen，美式音标对应变量 yinbiao，英文句子对应变量 juzi_yingwen，中文句子翻译对应变量 juzi_zhongwen，不得有其他格式偏差。
2025-03-29
提示词生成
以下是关于提示词生成的相关内容： 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，可以和 flux 模型配合生成图片。建议使用量化版本的模型（int4 结尾）以节省显存。 安装方法： 1. 进入 ComfyUI 自定义节点目录。 2. 克隆相关仓库。 3. 重启 ComfyUI。 模型网盘：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。 艺术字生成： 模型选择图片 2.1，输入提示词（可以直接参考案例提示词）。 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。 原文链接：https://mp.weixin.qq.com/s/jTMFYKxsN8dYNZu3VHKBnA 五津:DeepSeek+扣子：1 分钟生成小红书爆款单词视频： 生成单词： 1. 开始：输入单词主题、图片风格、单词数量。如非洲动物、真实风格、2。 2. 生成单词数组：选择 deepseekr1 模型，输入单词主题、单词数量，这样 deepseek 就可以为用户输出指定数量的几个单词，并以数组方式输出。 角色：是一个专业的单词生成助手，擅长围绕各种主题挖掘相关英语单词，为用户提供精准且实用的单词、中文、美式音标内容。 技能： 1. 输出关联英语单词：当用户输入主题时，分析主题内涵，运用专业知识，输出指定数量个与该主题紧密关联的英语单词、中文翻译、美式音标，将该单词用于一句英文中（不超过 15 个单词），并将这句英文句子翻译成中文句子，并以数组形式呈现。 限制：仅围绕用户输入主题输出相关英语单词、中文翻译、美式音标，不涉及其他领域内容。输出必须为符合要求的数组形式，英文单词对应变量 yingwen，中文翻译对应变量 zhongwen，美式音标对应变量 yinbiao，英文句子对应变量 juzi_yingwen，中文句子翻译对应变量 juzi_zhongwen，不得有其他格式偏差。
2025-03-29
论文写作相关的提示词
以下是关于论文写作相关的提示词的全面介绍： 论文内容总结： 大模型结合有效的提示词能迅速总结概括论文内容，节省时间。例如 GLM4Plus 结合良好的提示词可帮助学生快速总结。 示例： 论文内容翻译： 大模型能弥补翻译软件的不足，帮助学生快速翻译论文内容，提高阅读效率。如 GLM 结合良好的提示词可实现。 示例： 论文内容扩写润色： 可将论文内容转化为社交媒体的科普内容，将学术知识普及化。精心设计的润色提示词能根据特定场景调整，生成多样化润色结果。如针对小红书使用场景，调整提示词以匹配其口语化、轻松愉快的氛围。 示例： Chain of Density： 目标明确：确保每步目标清晰，AI 需明确指导产生相关有价值输出。 逻辑性：在所有提示策略中，逻辑性关键，清晰结构化提示助 AI 有效生成输出。 分步骤：确保提示按清晰步骤进行，如进行深度分析或遵循特定结构。 考虑变量：在某些情境中需考虑影响结果的所有因素。 运用 CoD 将文章做摘要： 个人观点认为，以英文提示词最后加上中文输出的方式效果较好，密度等级 4 的结果较让人满意。 示例： 提示词的基本示例： 提示词通过结合指令、问题、输入数据和示例构建，必须包含指令或问题，其他元素可选。如询问如何撰写大学入学申请论文，并提出希望答案包含的方面建议。 示例：“我该如何撰写我的大学入学申请论文？请给我一些建议，包括我应该包含的不同部分、我应该使用什么样的语气，以及我应该避免使用的表达。”
2025-03-29
关于图片生成人物衣服的提示词
以下是关于图片生成人物衣服的一些提示词相关内容： 在使用 Segment Anything 时，启用 GroundingDINO 可自动下载模型，将其放到特定文件目录下，在检测提示词中输入相关内容，如“eye”，可自动检测并设置蒙版。通过预览箱体获取编号，可选择调整单一部分。例如，只想调整左边眼睛，勾选 1 即可。还可给人物换背景，如大模型选择 revAnimated_v122，正向提示词为简单背景、花、国画、工笔，蒙版模式选择“重绘非蒙版内容”。将生成的图片放入图生图中，使用 tile 模型能给人物衣服添加国风元素。 设置模型和提示词时，例如大模型为 ghostmix_v20Bakedvae，正向提示词包含人物特征、服饰等描述，负向提示词包含 EasyNegative、badhandsv5neg 等。生成图片后可进行细节微调。 使用 cutoff 插件时，点击启用后按提示词顺序依次填入颜色提示词，中间用逗号分开，能准确显示颜色。如创建双人物构图，设置好人物形象和提示词，先在不开启插件时生成图片可能有颜色污染，开启插件并输入颜色信息后能保证颜色与提示词的关联性。
2025-03-28
在哪里写提示词
以下是关于写提示词的一些信息： 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（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）。 可通过以下方式获取和参考提示词： 功能型辅助网站，如 http://www.atoolbox.net/，通过选项卡方式快速填写关键词信息。 https://ai.dawnmark.cn/，每种参数有缩略图可参考。 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，如人物描写、背景描述、小元素或画面质感。 在星流一站式 AI 设计工具中： 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，支持中英文输入。不同基础模型对输入语言有要求，如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。 写好提示词的方法包括： 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，输入不想生成的内容，如“不好的质量、低像素、模糊、水印”。 利用“加权重”功能，在功能框增加提示词并调节权重，权重数值越大越优先。 小白用户可点击提示词上方官方预设词组生图。 辅助功能有翻译功能（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）。 在 Cursor AI 中： 在 cursor chat 界面中输入相关 prompt（提示词），再输入想了解的概念新词，如“python 编程”。 点击左上角文件，新建文本文件按钮，将得到的内容输入对话框，保存为后缀为.svg 的文件。其他版本提示词可得到不一样的回复。
2025-03-28
提示词
提示词相关知识如下： 1. 什么是提示词： 用于描绘您想生成的画面。 输入语言方面，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。 启用提示词优化后，能帮您扩展提示词，更生动地描述画面内容。 2. 如何写好提示词： 可以点击提示词上方官方预设词组进行生图。 提示词内容要准确，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 理解我们不想生成的内容，比如：不好的质量、低像素、模糊、水印。 利用“加权重”功能，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，越优先，也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）。 3. 提示词要素： 提示词可以包含指令（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）。 4. 提示工程与提示词的区别： 提示工程是人工智能领域中，特别是在自然语言处理和大型语言模型的上下文中，一个相对较新的概念，涉及设计和优化输入提示，以引导 AI 模型生成特定类型的输出或执行特定的任务。 提示词通常指的是直接输入到 AI 模型中的问题、请求或指示，是提示工程的一部分。 提示工程是一个更广泛的概念，不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能、以及创造性地探索模型的潜在应用。提示工程的目标是最大化 AI 模型的效用和性能，提示词是实现这一目标的手段之一。在实际应用中，提示工程可能包括对 AI 模型的深入分析、用户研究、以及对特定任务的定制化提示设计。
2025-03-28
提示词工程
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。他们的目标是通过精心构造的提示，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设计有效的提示，考虑提示的长度、结构、措辞和信息量等因素，确保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的提示策略等方式不断优化提示，以提高模型性能。 3. 评估提示：使用各种指标如模型的准确率、流畅度和相关性等来评估提示的有效性。 提示词工程师需要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，以便设计出有效的提示。 2. 自然语言处理（NLP）：了解 NLP 的基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 的基本原理和技术，能够理解和使用 AI 模型。 4. 沟通能力：具备良好的沟通能力，与用户、团队成员和其他利益相关者有效沟通。 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以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。 在生成式 AI 模型中，提示词工程是一门新兴的学科。提示词是用户与模型沟通愿望的文本界面，可从简单问题到复杂任务。提示词工程的核心在于制作出能实现特定目标的最佳提示词，这不仅要指导模型，还涉及对模型能力和局限性的深刻理解及所处的上下文。提示词工程还需要结合领域知识、对 AI 模型的理解及系统化方法为不同情境定制提示词，是一个迭代和探索的过程。本文旨在深入探讨这个新兴领域，重点关注其在 LLM 中的应用，且大多数技术也可应用于多模态生成式 AI 模型。 随着人工智能技术的不断发展，对提示词工程师的需求将会越来越大。
2025-03-27
提示词工程入门
提示词工程入门： 基本概念： 简单的提示词能获得结果，但结果质量与提供信息的数量和完善度有关。提示词可包含指令、问题、上下文、输入、示例等元素，以更好地指导模型获得更好结果。 如使用 OpenAI 的聊天模型，有 system、user 和 assistant 三种角色，system 非必需但有助于设定 assistant 行为。本指南示例通常仅用 user 消息作 prompt。 语言模型能基于给出的上下文续写，可通过改进提示词获得更好结果。提示工程探讨如何设计最佳提示词以高效完成任务，可用于多种高级任务。 相关精读： 在生成式 AI 模型中，提示词工程是新兴学科，塑造模型交互和输出。提示词是用户与模型沟通的文本界面，涵盖简单问题到复杂任务。 提示词工程核心是制作实现特定目标的最佳提示词，涉及对模型能力和局限性的理解及所处上下文。 提示词工程不仅构建提示词，还需结合领域知识、对 AI 模型理解和系统化方法定制提示词，是迭代和探索过程。 关于提示词工程师： 是负责设计和优化提示的专业人员，目标是引导模型产生准确、有用和相关回答。 主要职责包括设计、优化、评估提示，需具备领域知识、自然语言处理、人工智能、沟通能力等。 是新兴职业，随着人工智能发展需求将增大，有实际工作案例。
2025-03-27
我是一个没有技术背景且对AI感兴趣的互联网产品经理，目标是希望理解AI的实现原理并且能够跟开发算法工程师沟通交流，请给我举出AI模型或者机器学习的分类吧。
以下是 AI 模型和机器学习的分类： 1. AI（人工智能）：是一个广泛的概念，旨在使计算机系统能够模拟人类智能。 2. 机器学习：是人工智能的一个子领域，让计算机通过数据学习来提高性能。包括以下几种类型： 监督学习：使用有标签的训练数据，算法学习输入和输出之间的映射关系，包括分类和回归任务。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训练小狗。 3. 深度学习：是机器学习的一个子领域，模拟人脑创建人工神经网络处理数据，包含多个处理层，在图像识别、语音识别和自然语言处理等任务中表现出色。 4. 大语言模型：是深度学习在自然语言处理领域的应用，目标是理解和生成人类语言，如 ChatGPT、文心一言等。同时具有生成式 AI 的特点，能够生成文本、图像、音频和视频等内容。 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它基于自注意力机制处理序列数据，不依赖循环神经网络或卷积神经网络。生成式 AI 生成的内容称为 AIGC。
2025-03-26
我是一名硬件工程师 如何让ai快速理解我的原理图并优化
以下是关于让 AI 理解原理图并优化的相关知识： 1. 在 AI 硬件发展方面，存算一体的方式是未来的趋势。对比人脑，其能耗低，使用存算一体的芯片有望诞生全新算法，运行几百亿参数的大模型的最佳架构也是存算一体，因其避免了数据搬运。 2. 大模型在通用知识方面较强，但对专业领域知识了解不足。将大模型与私域知识结合有 5 种方法：重新训练（拿私域数据重新训练大模型）、微调（拿私有数据 finetuning 大模型）、RAG（将知识库里的知识搜索送进大模型）、关键词工程（写好提示词）、加长 Context（当 Context 能无限长时，可将知识和记忆 prefill 到 Context 里）。学术界中，做深度学习的人偏向于用 RAG，做过搜索的人偏向于用 Long Context。 3. 在 Trae 优化代码方面，当请求“帮我把当前的代码给优化一下”时，请求先到 Trae 自己的服务器，服务器再请求对应模型返回数据。不会发送本地代码文件，只发送“文件名”加“问题”，且在最开始 Trae 打开项目进行索引构建时，已在云端构建好项目文件。 对于您作为硬件工程师让 AI 快速理解原理图并优化的需求，目前可能需要进一步探索如何将原理图的特征和相关信息转化为适合 AI 处理和理解的形式，或许可以借鉴上述将专业知识与大模型结合的方法，以及利用高效的数据库和模型架构来提高处理效率。
2025-03-23
生成式人工智能的提示词工程
生成式人工智能的提示词工程是一门新兴学科，在生成式 AI 模型中具有重要作用。 提示词是用户与模型沟通愿望的文本界面，适用于图像生成模型（如 DALLE3、Midjourney）和语言模型（如 GPT4、Gemini）等。它可以是简单的问题，也可以是复杂的任务，包括指令、问题、输入数据和示例，以引导 AI 的响应。 提示词工程的核心是制作能实现特定目标的最佳提示词，这不仅要指导模型，还需深刻理解模型的能力和局限性及所处上下文。例如，在图像生成模型中是对期望图像的详细描述，在语言模型中可能是复杂查询。 提示词工程不仅是构建提示词，还需结合领域知识、对 AI 模型的理解及系统化方法为不同情境定制提示词，可能包括创建可根据数据集或上下文程序化修改的模板。 此外，提示词工程是迭代和探索的过程，类似于传统软件工程实践，如版本控制和回归测试。该领域发展迅速，有潜力改变机器学习的某些方面。 在商业和社会中，提示词工程师是被炒作的职位，实际可能承担了机器学习工程师的部分职责。提示词工程是一切生成式 AI 的基础，不管用于学习、写作、绘画、编程还是玩音乐等。 在使用提示词时，要记住几个基本关键点： 1. 角色/身份：告诉 AI 它需要扮演的身份，提升其“职业素养”。 2. 目标/任务以及背景：所有对话都有目的性，要交代目标背后的逻辑，包括为什么要实现目标、希望达到的结果等。
2025-03-19