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

提示词工程入门

Answer

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

References

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。

小七姐：精读翻译《提示词设计和工程：入门与高级方法》

在生成式AI模型中，提示词工程是一门新兴的学科，它塑造了这些模型的交互和输出。提示词是用户与模型沟通愿望的文本界面，无论是在像DALLE-3或Midjourney这样的图像生成模型中描述图像，还是在像GPT-4和Gemini这样的LLM中提出复杂的问题。提示词可以是简单的问题到复杂的任务，包括指令、问题、输入数据和示例，以指导AI的响应。提示词工程的核心在于制作出能够实现特定目标的最佳提示词。这个过程不仅仅是指导模型，还涉及到对模型能力和局限性的深刻理解，以及它所处的上下文。例如，在图像生成模型中，提示词可能是对期望图像的详细描述，而在LLM中，它可能是一个包含各种类型数据的复杂查询。提示词工程不仅仅是构建提示词，它还需要结合领域知识、对AI模型的理解，以及一种系统化的方法来为不同情境定制提示词。这可能包括创建可以根据给定数据集或上下文进行程序化修改的模板。例如，基于用户数据生成个性化响应可能会使用一个动态填充相关信息的模板。此外，提示词工程是一个迭代和探索的过程，类似于传统软件工程实践，如版本控制和回归测试。这个领域的快速增长表明它有潜力彻底改变机器学习的某些方面，超越传统的特征或架构工程方法，尤其是在大型神经网络的背景下。另一方面，传统工程实践，如版本控制和回归测试，需要适应这个新范式，就像它们适应其他机器学习方法一样[1]。本文旨在深入探讨这个新兴领域，探索其基础方面和高级应用。我们将重点关注提示词工程在LLM中的应用。然而，大多数技术也可以应用于多模态生成式AI模型。

问：什么是提示词工程师（Prompt Engineer）

提示词工程师（Prompt Engineer）是指在与人工智能模型进行交互时，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。作为提示词工程师，他们需要具备一定的领域知识、理解人工智能模型的能力以及对用户需求的敏感性。提示词工程师的主要职责包括：设计提示:提示词工程师需要根据用户需求和模型能力设计有效的提示。他们需要考虑提示的长度、结构、措辞和信息量等因素，以确保提示能够清晰地传达用户意图并引导模型生成满意的结果。优化提示:提示词工程师需要不断优化提示，以提高模型的性能。他们可以通过收集用户反馈、分析模型结果和实验不同的提示策略等方式来优化提示。评估提示:提示词工程师需要评估提示的有效性。他们可以使用各种指标来评估提示，例如模型的准确率、流畅度和相关性等。提示词工程师需要具备以下技能和知识：领域知识:提示词工程师需要对他们所工作的领域有深入的了解，以便能够设计出有效的提示。自然语言处理(NLP):提示词工程师需要了解NLP的基本原理和技术，以便能够理解和生成自然语言文本。人工智能(AI):提示词工程师需要了解AI的基本原理和技术，以便能够理解和使用AI模型。沟通能力:提示词工程师需要具备良好的沟通能力，以便能够与用户、团队成员和其他利益相关者有效沟通。提示词工程师是一个新兴的职业，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。以下是一些提示词工程师工作的实际案例：

Others are asking
TRAE编程快速入门
以下是 Trae 编程的快速入门指南： 一、Trae 简介 Trae 是字节跳动推出的智能编程助手，提供基于 Agent 的 AI 自动编程能力，通过自然语言对话就能实现代码编写。 二、Trae 的功能 1. 传统 IDE 功能，如代码编写、项目管理、插件管理、源代码管理等。 2. 智能问答：在编写代码时可随时与 AI 助手对话，获得代码解释、注释和错误修复帮助。 3. 实时代码建议：AI 助手能理解当前代码并实时提供建议，提升编程效率。 4. 代码片段生成：通过自然语言描述需求生成相应代码片段，甚至能编写项目级或跨文件代码。 5. 从 0 到 1 开发项目：告知想开发的程序，AI 助手提供相关代码或自动创建所需文件。 三、下载 Trae 官网下载地址：https://www.trae.ai/download ，支持 Mac 系统、Windows 系统，未来支持 Linux 系统。 四、使用方法 1. 安装：下载完成后按界面提示一步步安装。 2. 登录：安装完成后点击右侧登录按钮，程序会自动打开网页提示登录，无账号需先注册。登录完若出现“App Unavailable”提示，因 Trae 仅在部分地区可用，此时需开启科学上网。网页登录成功后可关闭科学上网，再点击中间大按钮。 3. 进入客户端后，查看对话框右下角，有三种大模型可选：Claude3.5Sonnet、Claude3.7Sonnet、GPT4o。Trae 提供两种模式： Chat 模式：根据描述进行代码生成、解释、分析问题或解决问题。 Builder 模式：可让 Trae 从 0 开发完整项目，对代码文件的任何更改会自动保存。 五、使用案例 1. 生成一个贪吃蛇游戏：打开 Builder 模式，输入“使用 web 技术栈生成一个贪吃蛇游戏”，排队完成后，Trae 开始思考和代码编写，期间需手动接入进行文件审查，点击“全部接受”。代码生成完成后，Trae 自动运行命令启动页面，点击运行，在 Webview 中可看到实现的游戏效果，试玩基本无 Bug。Trae 还进行了工作总结，说明了已实现的功能，如游戏包含的特性、主要功能和游戏界面等。 2. 生成一个任务清单应用：输入“使用 Web 技术开发一个任务清单应用”，过程类似。 3. 根据 UI 设计图自动生成项目代码：从站酷上找设计图，输入提示生成，虽不完美但能根据反馈调整。 六、总结 从实际体验看，Trae 表现出色，具有高效代码生成能力、多技术栈支持和动态调整潜力。
2025-03-30
ai入门教学
以下是为新手提供的 AI 入门教学： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，能找到为初学者设计的课程，特别推荐李宏毅老师的课程。 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，还有机会获得证书。 3. 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，可根据自己的兴趣选择特定模块深入学习。建议掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。知识库中有很多实践后的作品、文章分享，欢迎您实践后也进行分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 如果您对 AI 绘画感兴趣，这里有从 0 入门的 AI 绘画教程： 🔥强烈推荐，学完变大神系列章节教学视频： 第一节课：AI 绘画原理与基础界面 第二节课：20 分钟搞懂 Prompt 与参数设置，你的 AI 绘画“咒语”学明白了吗？ 第三节课：打破次元壁！用 AI“重绘”照片和 CG 第四节课：AI 绘画模型，“画风”自由切换 第五节课：提高 AI 绘画分辨率的方式 第六节课：LoRa|Hypernetwork 概念简析 第七节课：定向修手修脸，手把手教你玩转局部重绘！ 第八节课：提示词补全翻译反推，“终极”放大脚本与细节优化插件 第九节课：LoRA 从原理到实践 第十节课：零基础掌握 ControlNet！
2025-03-28
ai学习入门
新手学习 AI 可以按照以下步骤入门： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（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。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 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。 3. 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，根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 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作品。 在知识库中有很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，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，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，对于入门强化学习，可参考以下内容： 像这个链接里面：https://github.com/ty4z2008/Qix/blob/master/dl.md 有很多资料，但需明确学习目的。比如入门强化学习，很多强化学习里面，学习深度强化学习的第一个算法都是 DQN，以搞懂它做为目标，表示入门。 通往 AGI 之路的介绍中提到，学习 AI 可从记忆（了解历史、基本术语等）、理解（进一步了解主要思想）、应用（选择适合自己的 AI 产品解决实际问题）、分析（阅读各类文章、视频等理解知识关系）、评价（通过课程与书籍深入学习）、创造（尝试新想法）等方面进行。我们阅读、思考、选择，不求多，只求精，只求有更高的价值。保持新鲜度，每天为 AI 添加新的维度。
2025-03-28
ai学习入门
以下是新手学习 AI 的入门建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（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。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 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。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，还有以下入门相关内容： 入门指南：强化学习 原文地址：https://mp.weixin.qq.com/s/pOO0llKRKL1HKG8uz_Nm0A 作者在未学过机器学习、对 AI 一窍不通的情况下开启学习之旅，学习前先明确目的，如本文以搞懂 DQN 算法作为入门强化学习的目标，并给出学习计划。 写给不会代码的你：20 分钟上手 Python+AI 在深入学习 AI 时，编程可能会带来困难，此教程旨在让大家更快掌握 Python 和 AI 的相互调用，并在 20 分钟内完成简单程序、爬虫应用抓取公众号文章、为公众号文章生成概述等任务。 介绍了 Python 像哆拉 A 梦，拥有标准库，还可通过 pip 工具和 GitHub 平台获取更多资源。 OpenAI 通过 ChatGPT 提供开箱即用的服务，通过 OpenAI API 提供更加灵活的服务，可通过代码调用完成更多自动化任务。
2025-03-27
入门
以下是为您提供的 AI 入门相关内容： 强化学习入门： 学习之前先明确目的。 学习深度强化学习的第一个算法通常是 DQN，以搞懂它作为入门目标。 参考资料：https://github.com/ty4z2008/Qix/blob/master/dl.md 。 Stable Diffusion 入门： 基本介绍：https://waytoagi.feishu.cn/wiki/CeOvwZPwCijV79kt9jccfkRan5e 。 运作方式：https://waytoagi.feishu.cn/wiki/TNIRw7qsViYNVgkPaazcuaVfndc 。 新人视频教程：https://waytoagi.feishu.cn/wiki/O5jEwgZIRiQ10xkqGOQcKtSBnSe 。 文字教程：https://zhuanlan.zhihu.com/p/622238031 。 模型网站： C 站SD 模型网站：https://civitai.com/ 。 Liblibai模型+在线 SD：https://www.liblib.ai/ 。 huggingface：https://huggingface.co/models?pipeline_tag=texttoimage&sort=trending 。 吐司站：https://tusiart.com/ 。 人像摄影模型介绍：https://www.bilibili.com/video/BV1DP41167bZ 。 扣子“AI 应用”入门： 讲师韦恩是智能体创业者、WayToAGI 共建者、微软提示词工程师、多平台 Agent 开发者、企业级 AI Agent 定制专家，荣获多家 AI 开发平台的比赛奖项，有 12 年程序开发背景，是多家企业的 AI 落地顾问。 课程计划： DAY1：入门，搭建证件照应用，需要有一定的智能体搭建基础。 DAY2：进阶，邮票收藏馆搭建，需要有第一天的 AI 应用搭建基础，传送门：https://waytoagi.feishu.cn/wiki/NiXNwxVtHiP68Pk7bKmcNRDon6d?from=from_copylink 。 您将收获： 全面认识扣子的 AI 应用的底层逻辑。 解决 AI 应用核心卡点：工具栏、表单使用、加载动图、界面布局等卡点。 收获一个价值千元的 AI 应用证件照。
2025-03-26
AI 入门
以下是关于 AI 入门的一些指导： 适用于 JavaScript 的 AI 堆栈入门： 路线图： 提供交互式 CLI 用于 createaistack，让开发人员能选择项目脚手架和依赖项。 增加用于高级用例的事务性数据库，例如在问答中保留问题、用户偏好等。 提供更多的向量数据库和部署平台选项。 推出用于开源模型的轻量级微调步骤。 感谢 Tailwind、ai sdk、dotenv、Next.js、langchain.js 等开源项目在创建过程中的重要作用。 写给不会代码的你：20 分钟上手 Python+AI： 在深入学习 AI 时，编程可能会让新手感到困难，此教程旨在让大家在 20 分钟内掌握 Python 和 AI 的相互调用。 完成任务：包括完成一个简单程序、一个爬虫应用以抓取公众号文章、一个 AI 应用为公众号文章生成概述。 背景知识： Python 拥有丰富的标准库，若不够用还可通过 pip 工具从类似 GitHub 的平台订购新道具，在 AI 领域被广泛使用。 OpenAI 通过 ChatGPT 提供开箱即用的服务，也通过 OpenAI API 提供更灵活的代码调用服务以完成更多自动化任务。 新手如何学习 AI： 了解 AI 基本概念： 阅读「」熟悉术语和基础概念，了解其主要分支及联系，浏览入门文章。 开始 AI 学习之旅： 在「」中找到初学者课程，推荐李宏毅老师的课程，通过在线教育平台按自己节奏学习并获取证书。 选择感兴趣的模块深入学习： AI 领域广泛，可根据兴趣选择特定模块，如掌握提示词技巧。 实践和尝试： 实践是巩固知识的关键，尝试使用各种产品并分享实践成果。 体验 AI 产品： 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式。
2025-03-25
3月最新的文章创作提示词
以下是 3 月最新的文章创作提示词相关内容： 云舒的文章总结卡 2.0 提示词：全面支持 DeepseekV3，效果媲美 Claude3.7，新增竖版卡片方便手机阅读。支持 Claude3.7 及 DeepseekV3，V3 需要为 0324 更新的版本，DS 官网及 API 已更新，如调用其它平台 API 需要查看 DS 版本号。提示词复制链接：。包括横版（1080 x 800 卡片提示词）和竖版（750 x 不限高卡片提示词）。抽卡平台方面，各平台均需下载 html 文件，打开后才能查看真实效果，平台自带预览因兼容性问题无法正常展示效果。Claude 使用平台包括 Claude3.7 官网、API、Cursor，使用时需要下载为 HTML 文件打开查看效果，Claude 的预览暂时无法支持查看真实效果。Deepseek 使用平台包括 Deepseek 官网、API（V3 需要为 0324 更新的版本，DS 官网及 API 已更新，如调用其它平台 API 需要查看 DS 版本号），Deepseek 需要复制代码到 html 文件里，然后保存进行查看。Cursor 微调增加图片时，将下载的 html 文件及图片放到同一个文件夹即可。 2025 年 3 月 12 日的更新：《》归藏的这篇文章介绍了一套简单易用的提示词，可以将任何文档快速转化为精美的网页杂志，适合各行各业。只需复制文本并添加图片、视频链接，即可轻松生成视觉吸引力强的作品。无论是旅行攻略、求职简历还是明星介绍，这些网页都能让信息更直观、条理更清晰。 韦恩用 DeepSeek V3 做的实验：作者好奇 DeepSeek V3 能否很好地遵循设计，输出确定性的内容，于是做了一个企业交付相关的实验。创作过程包括想法到动手、改变策略、寻求建议、基本满意了等阶段。开始效果不稳定，下载封面图片会变形，后来改为 HTML 转图片，效果比较稳定，并在公众号里测试效果良好，解决了公众号水印影响美观的问题。
2025-03-31
如何写出有效且规范的输入命令提示词
以下是关于如何写出有效且规范的输入命令提示词的相关内容： Claude 官方文档的提示词优化建议： 更明确地编写规则或添加新规则。 在提示词中包含明确的“输入规范输出”示例，向 Claude 展示如何正确处理。 当 Claude 在一种输入类型上表现良好时，尝试用另一种输入类型，包括边缘案例。 不断完善提示词，添加规则和示例，直至在代表性输入组上获得良好性能，并进行“保留测试”。 安迪提出的 ICIO 框架： ICIO 框架由四个关键部分构成，分别是 Instruction（指令）、Context（背景信息）、Input Data（输入数据）和 Output Indicator（输出引导）。 Instruction（指令）：应简洁明了、具体详细、行动导向、专注单一任务。 Context（背景信息）：包括任务目的、目标受众、相关背景、限制条件、角色扮演等。 Input Data（输入数据）：为 AI 提供执行任务所需的具体信息或数据，并非所有任务都需要。 Output Indicator（输出引导）：涵盖格式要求、语气和风格、长度限制、结构指引、特殊要求、评估标准等。 星流一站式 AI 设计工具中的提示词相关内容： 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，基础模型 1.5 使用单个词组，支持中英文输入。 写好提示词的方法： 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，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。 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。启用提示词优化可扩展提示词，更生动地描述画面内容。
2025-03-31
项目申报书提示词
以下是关于项目申报书提示词的相关信息： 方案扩写助手： 作为乙方，经常需要为客户写方案申报材料的文档并达到字数要求，“水文字”很痛苦。 方案扩写助手在扩写方案提示词方面做了效果提升，不抑制模型表达，编写的方案“生产端能作为素材直接用”，而非充满“AI 味”和不理解业务。 产品提示词修改了 20 多次，并在日常工作中持续迭代，最终用简短、有效、清晰的提示词实现了目前扩写方案的最佳效果（因模型不同效果有差异，可换模型尝试）。 SD 新手入门图文教程中的提示词相关资源： Majinai： 词图： Black Lily： Danbooru 标签超市： 魔咒百科词典： AI 词汇加速器： NovelAI 魔导书： 鳖哲法典： Danbooru tag： AIBooru： 星流一站式 AI 设计工具中的提示词： 在 prompt 输入框中可输入提示词，使用图生图功能辅助创作。 什么是提示词：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。 如何写好提示词： 预设词组：小白用户可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，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，负面提示词可帮助 AI 理解不想生成的内容，如不好的质量、低像素、模糊、水印。 利用“加权重”功能：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：翻译功能可一键将提示词翻译成英文；删除所有提示词可清空提示词框；会员加速能加速图像生图速度，提升效率。
2025-03-31
我想学提示词工程
提示词工程是指在与人工智能模型进行交互时，负责设计和优化提示的专业领域。 提示词工程师的职责包括： 1. 设计提示：根据用户需求和模型能力，考虑提示的长度、结构、措辞和信息量等因素，设计有效的提示，清晰传达用户意图，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策略等方式，不断优化提示，提高模型性能。 3. 评估提示：使用准确率、流畅度和相关性等指标评估提示的有效性。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对工作领域有深入了解，以便设计有效提示。 2. 自然语言处理（NLP）：了解 NLP 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 基本原理和技术，能够理解和使用 AI 模型。 4. 沟通能力：与用户、团队成员和其他利益相关者有效沟通。 提示工程是在人工智能领域，特别是自然语言处理和大型语言模型的背景下，一个相对较新的概念。它涉及设计和优化输入提示，以引导 AI 模型生成特定输出或执行特定任务。其关键点包括精确性、创造性、迭代和上下文理解。提示词通常指直接输入到 AI 模型中的问题、请求或指示，是提示工程的一部分。提示工程不仅包括创建提示词，还涉及理解模型行为、优化提示以获得更好性能、探索模型潜在应用等。 目前提示词工程发展火热，出现了各种流派和框架，但结构化虽降低沟通难度、提高结果准确度，却也限制了更多可能性，且大部分框架不太适合解决过于主观、个人情绪或过于简单的问题，一个框架往往难以完全满足需求。
2025-03-31
ai思维导图提示词
以下是关于 AI 思维导图提示词的相关内容： 在文生图的提示词中，例如“”，来告诉 AI 不要的内容。 在 AI 作图的创作中，有以下要点： 1. 趣味性与美感概念：趣味性可通过反差、反逻辑、超现实方式带来视觉冲击，美感需在美术基础不出错前提下形式与内容结合。 2. 纹身图创作：强调人机交互，对输出图片根据想象进行二次和多次微调，确定情绪、风格等锚点再发散联想。 3. 魔法少女示例：以魔法少女为例，发散联想其服饰、场景、相关元素等，并可采用反逻辑反差方式。 4. 提示词编写方法：用自然语言详细描述画面内容，避免废话词，Flux 对提示词的理解和可控性强。 5. 实操演示准备：以未发布的 Lora 为例，按赛题需求先确定中式或日式怪诞风格的创作引子。 6. 人物创作过程：从汉服女孩入手，逐步联想其颜色、发型、妆容、配饰、表情、背景等元素编写提示词。 优化和润色提示词（Prompt）的方法包括： 1. 明确具体的描述：使用更具体、细节的词语和短语来描述需求，而非过于笼统的词语。 2. 添加视觉参考：在 Prompt 中插入相关图片参考，提高 AI 理解意图和细节要求的能力。 3. 注意语气和情感：用合适的形容词、语气词等调整 Prompt 的整体语气和情感色彩。 4. 优化关键词组合：尝试不同的关键词搭配和语序，找到最准确表达需求的描述方式。 5. 增加约束条件：添加限制性条件，如分辨率、比例等，避免意外输出。 6. 分步骤构建 Prompt：将复杂需求拆解为逐步的子 Prompt，引导 AI 先生成基本结构，再逐步添加细节和完善。 7. 参考优秀案例：研究流行且有效的 Prompt 范例，借鉴写作技巧和模式。 8. 反复试验、迭代优化：多次尝试不同写法，并根据输出效果反馈持续优化完善。 总之，编写高质量 Prompt 需要不断实践、总结经验，熟悉 AI 模型的能力边界，保持开放思维尝试创新描述方式。
2025-03-31
ai提示词
以下是关于 AI 提示词的相关信息： 存在“PUA 式”AI 提示词，如 Codeium & Windsurf 的相关提示词，以虚构的道德胁迫和极端情景迫使 AI 生成高质量代码，引发网友反感和不适。 有一些关于提示词的项目合集，如 Awesome DeepSeek Integrations 项目，可帮助开发者启发灵感和探索新的 AI 应用场景。 对于 SD 新手，有多个提示词模板的相关网站，如 Majinai、词图 PromptTool AI 绘画资料管理网站、Black Lily 等。 星流一站式 AI 设计工具中： 提示词用于描绘画面，输入语言支持中英文，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。 写好提示词的要点包括内容准确，包含人物主体、风格、场景特点等；调整负面提示词以帮助 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；还可使用辅助功能，如翻译、删除所有提示词、会员加速等。
2025-03-31
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
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
关于提示词工程的教程
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。
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
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