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

有什么 prompt engineering 的好材料

Answer

以下是一些关于 prompt engineering 的好材料：

  • 文本类 Prompt 网站：
  • Claude 3.7 核心提示词相关：
    • 您可以在Anthropic/Release-Notes/System-Prompts中找到他们往期开源的更多系统提示词，涵盖了从 Claude 3 Haiku 到现在所有的模型。
    • 一泽 Eze 整理的相关学习资料：
      • Claude 3.5 sonnet 内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A
      • Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw
      • 往期 Claude AI 核心系统提示词：https://docs.anthropic.com/en/release-notes/system-prompts
      • Claude 官方用户手册 - 提示工程指南：https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview
      • Claude 官方提示库：https://docs.anthropic.com/en/prompt-library/library
  • 基本概念：
    • 简单的提示词可以包含指令、问题等信息，也可以包含上下文、输入或示例等详细信息，以更好地指导模型获得更好的结果。
    • 当使用 OpenAI 的聊天模型时，可以使用 system、user 和 assistant 三个不同的角色来构建 prompt，system 有助于设定 assistant 的整体行为。
    • 提示工程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。
Content generated by AI large model, please carefully verify (powered by aily)

References

Prompt网站精选

|站点名|网站介绍|地址|附件||-|-|-|-||Learning Prompt|授人以渔，非常详尽的Prompt学习资源，包括ChatGPT和MidJourney|[https://learningprompt.wiki/](https://learningprompt.wiki/)|||FlowGPT|国外做的最大的prompt站，内容超全面，更新快|[https://flowgpt.com/](https://flowgpt.com/)|||ChatGPT Shortcut|ChatGPT提示词网站，提供了非常多使用模板，简单修改即可指定输出|[https://www.aishort.top/](https://www.aishort.top/)|||ClickPrompt|轻松查看、分享和一键运行模型，创建Prompt并与其他人分享|[https://www.clickprompt.org/](https://www.clickprompt.org/zh-CN/)|||Prompt Extend|让AI帮你自动拓展Prompt|[https://huggingface.co/spaces/daspartho/prompt-extend](https://huggingface.co/spaces/daspartho/prompt-extend)|||PromptPerfect|帮你自动优化提示词，你可以看到优化前后的对比|[https://promptperfect.jinaai.cn/prompts](https://promptperfect.jinaai.cn/prompts)|||PromptKnit|The best playground for prompt designers|[https://promptknit.com/](https://promptknit.com/)|||PromptPort（支持中文）|AI Prompt百科辞典，其中prompts是聚合了市场上大部分优质的prompt的词库，快速的寻找到用户需求prompt|[https://promptport.ai/](https://promptport.ai/)|||Prompt Engineering Guide|GitHub上点赞量非常高的提示工程指南<br>基于对大语言模型的浓厚兴趣，我们编写了这份全新的提示工程指南，介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具。|[https://www.promptingguide.ai/zh](https://www.promptingguide.ai/zh)||

Claude 3.7 核心提示词曝光｜最懂提示词的大模型公司，现在怎么写 Prompt？

Anthropic确实履行了他们的声明“定期对外更新Claude AI的核心系统提示词”，为广大提示工程师提供了宝贵的提示工程学习资料。你也可以在[Anthropic/Release-Notes/System-Prompts](https://docs.anthropic.com/en/release-notes/system-prompts)中找到他们往期开源的更多系统提示词，涵盖了从Claude 3 Haiku到现在所有的模型。另外，为了方便你更好的学习，一泽Eze整理了更多Anthropic开源的相关提示词学习资料：Claude 3.5 sonnet内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4AAnthropic的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw往期Claude AI核心系统提示词：https://docs.anthropic.com/en/release-notes/system-promptsClaude官方用户手册-提示工程指南：https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overviewClaude官方提示库：https://docs.anthropic.com/en/prompt-library/library如果觉得有用或者还想继续看，期待你的随手关注（记得星标公众号）、点赞、转发，非常感激～谢谢你的阅读?

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。

Others are asking
学习Prompt Engineering
提示工程（Prompt Engineering）是人工智能领域中，特别是在自然语言处理（NLP）和大型语言模型（LLMs）的上下文中一个相对较新的概念。 其关键点包括： 1. 精确性：通过精确的提示，提高 AI 模型输出的相关性和准确性。 2. 创造性：需要创造性地思考如何构建问题或请求，以激发 AI 模型的特定能力。 3. 迭代：通常需要多次尝试和调整提示，以获得最佳结果。 4. 上下文理解：提示需要包含足够的上下文信息，以便 AI 模型能够理解并执行所需的任务。 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，它们是提示工程的一部分。提示词可以简单，也可以复杂。 提示工程与提示词的区别在于：提示词是实际输入到 AI 系统中的具体文本，用以引导模型的输出。提示工程则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，而提示词是实现这一目标的手段之一。 在实际应用中，提示工程的提示开发生命周期包括： 1. 开发测试用例：在定义任务和成功标准之后，创建一组多样化的测试用例，涵盖应用程序的预期用例，包括典型示例和边界情况，以确保提示具有鲁棒性。提前定义好的测试用例将使您能够客观地衡量提示与成功标准的表现。 2. 设计初步提示：制定一个初步的提示，概述任务定义、良好响应的特征，以及所需的上下文。理想情况下，添加一些规范输入和输出的示例供参考。这个初步提示将作为改进的起点。 3. 根据测试用例测试提示：使用初步提示将测试用例输入到模型中。仔细评估模型的响应与预期的输出和成功标准是否一致。使用一致的评分标准，无论是人工评估、与答案标准的比较，甚至是基于评分标准的模型判断。关键是要有一种系统性的评估性能的方式。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-03-25
prompt engineering
Prompt engineering（提示工程）包括以下几个方面： 1. 提示开发生命周期： 开发测试用例：在定义任务和成功标准后，创建涵盖应用程序预期用例的多样化测试用例，包括典型示例和边界情况，提前定义好的测试用例有助于客观衡量提示的性能。 设计初步提示：制定初步提示，概述任务定义、良好响应的特征及必要的上下文，理想情况下添加规范输入和输出的示例供 Claude 参考，此初步提示作为改进的起点。 根据测试用例测试提示：使用初步提示将测试用例输入到 Claude 中，仔细评估模型的响应与预期输出和成功标准的一致性，使用一致的评分标准，如人工评估、与答案标准的比较或 Claude 基于评分标准的判断，关键是要有系统性的评估性能方式。 2. Claude 的性能：Claude 开箱即提供高水平基线性能，提示工程可进一步提升其性能并微调响应以适应特定用例，这些技术虽非必需，但对提升输入和输出可能有用。可参阅提示入门（https://docs.anthropic.com/claude/docs/introtoprompting）快速开始使用提示或了解提示概念。 3. 使用例子中的迭代和改进：记住，提示工程是一个迭代过程，如果初始示例未产生完美结果，不要灰心，通过调整和实验，能够释放 Claude 的全部潜力，为应用程序取得出色结果。
2024-12-24
how AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation.请用中文和英文回答
中文回答： 人工智能在生命科学工程和信息学领域发挥着重要作用。例如，DeepMind 开发的 AI 技术能够预测几乎所有已知蛋白质的结构，这将加速科学研究和救命药物的开发，在对抗疟疾、抗生素耐药性和塑料垃圾等方面帮助科学家取得巨大进展。随着人工智能的发展，它能够扩大熟练劳动力或提升低技能劳动力的水平，例如可以提出答案或创意，让经过训练的人类选择最佳答案，筛选结果并跳过错误答案，自然地整合到现有的工作流程中。在合适的条件下，人工智能将改变生活的各个方面，刺激经济，创造新的就业机会并改善工作场所。 英文回答： Artificial intelligence plays significant roles in the field of life science engineering and informatics. For instance, an AI technology developed by DeepMind can predict the structure of almost every known protein to science, which will accelerate scientific research and the development of lifesaving medicines. It has already helped scientists make huge progress in combating malaria, antibiotic resistance, and plastic waste. As AI develops, it can expand the skilled labor force or enhance the level of lowskilled labor. For example, it can propose answers or ideas, allowing trained humans to select the best ones, filter the results and skip incorrect answers, and integrate naturally into the existing workflow. Under the right conditions, AI will transform all areas of life, stimulate the economy, create new jobs and improve the workplace.
2024-08-26
how AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation.请用中文描述一遍，英文描述一遍
中文描述： 用户询问：人工智能如何在生命科学工程和信息学领域发挥作用，以及它在我们的研究和创新中扮演何种角色。 英文描述： Quary: How AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation. 以下是为您找到的相关内容： 1. 人工智能（AI）已经在带来广泛的社会效益，从医疗进步到缓解气候变化。例如，DeepMind（一家英国企业）开发的一项 AI 技术现在能够预测几乎每种已知科学的蛋白质结构。这一突破将加速科学研究和救命药物的开发，已经帮助科学家在对抗疟疾、抗生素耐药性和塑料垃圾方面取得巨大进展。 2. 英国科学技术框架将 AI 列为五项关键技术之一，并指出监管在为 AI 创造繁荣环境方面的作用。在适当的条件下，AI 将改变生活的所有领域，并通过释放创新和提高生产力来刺激英国经济，创造新的就业机会并改善工作场所。 3. 相关法案提到支持跨多个机构和组织的跨学科研究和开发，包括物理学、工程学、数学科学、计算机和信息科学、机器人学、生物和认知科学、材料科学、社会和行为科学、网络安全和技术伦理等与人工智能研究和相关学科。
2024-08-26
how AI helps in the field of life science engineering and informatics, and which roles it plays in our research and innovation.
AI 在生命科学工程和信息学领域具有多方面的助力和重要作用，主要体现在以下几个方面： 1. 提升劳动力水平：随着人工智能的发展，它能够扩大熟练劳动力或提升低技能劳动力的水平。例如，可以提出答案或创意，让经过训练的人类选择最佳答案，筛选结果并跳过错误答案，自然地整合到现有的工作流程中。 2. 推动行业转变：生命科学和医疗保健领域正越来越多地受到工程技术的推动而发生转变。在生命科学领域，基因编辑、细胞生物学、干细胞、机器人实验等方面的进展使科学家能够以前所未有的方式操纵生物学，且随着人工智能嵌入生命科学实验中，存在着强大的反馈循环。医疗保健领域也在利用技术经历复兴，朝着价值导向的付费模式转变，为人工智能创造了深层次的效用。 3. 助力新疗法开发：在理解生物学方面，人工智能扮演着关键角色，成为揭示生物学复杂性的推动者。如今已有的关于人类疾病的人工智能模型，指引着更有效的药物的开发路径，能够更快地进入市场，并减少失败的次数，使研究超越当前主要依赖实验室人力劳动偶然发现的模式。 但也要注意潜在的担忧，早期人工智能模型在人类收集的数据上进行训练可能存在嵌入的偏见和其他失败。随着人工智能应用于新的行业，科学家、医疗保健提供者和监管机构需要保持警惕，以防止潜在的有害副作用。
2024-08-26
什么是prompt engineering
提示工程（Prompt Engineering）是人工智能领域中，特别是在自然语言处理（NLP）和大型语言模型（LLMs）的上下文中，一个相对较新的概念。它涉及设计和优化输入提示（prompts），以引导 AI 模型生成特定类型的输出或执行特定的任务。 提示工程是一门经验科学，涉及迭代和测试提示以优化性能。在提示工程周期中花费的大部分精力实际上并不是在编写提示上。相反，大部分提示工程时间都花在开发一组强大的评估上，然后针对这些评估进行测试和迭代。 提示工程的生命周期包括以下几个步骤： 1. 设计初步提示：制定一个初步的提示，概述任务定义、良好响应的特征，以及模型所需的任何上下文。理想情况下，应该添加一些规范输入和输出的示例供模型参考。这个初步提示将作为改进的起点。 2. 测试提示：使用初步提示将测试用例输入到模型中。仔细评估模型的响应与预期的输出和成功标准是否一致。使用一致的评分标准，无论是人工评估、与答案标准的比较，甚至是基于评分标准的模型判断的另一个实例。关键是要有一种系统性的评估性能的方式。 3. 优化提示：根据评估结果，对初步提示进行修改和优化。这可能涉及调整提示的内容、结构或格式，以提高模型的性能和准确性。 4. 验证和部署：经过优化的提示需要进行验证和部署。验证包括对模型在不同数据集和任务上的性能进行评估，以确保提示的有效性和泛化能力。部署则涉及将提示集成到实际应用中，以实现对用户的服务。 总之，提示工程是一种通过设计和优化输入提示来引导 AI 模型生成特定输出或执行特定任务的方法。它是 AI 模型开发和优化过程中的一个重要环节，对于提高模型的性能和准确性具有重要意义。
2024-05-26
整理会议纪要的prompt
以下是一些关于整理会议纪要的 prompt： 【?会议精要】整理生成高质量会议纪要，保证内容完整、准确且精炼。 会议记录员：将会议浓缩成简明摘要，包括讨论主题、重点内容、行动事项。 CEO 秘书会议纪要：专注于整理和生成高质量的会议纪要，确保会议目标和行动计划清晰明确。需严格遵守信息准确性，不对用户提供的信息做扩写，仅做信息整理，将一些明显的病句做微调。
2025-04-15
作为一个想要使用AI工具提升工作效率的AI小白，我已经学习了怎么编写prompt，接下来我应该学习什么
如果您已经学习了如何编写 prompt ，接下来可以学习以下内容： 1. 理解 Token 限制：形成“当前消耗了多少 Token”的自然体感，把握有效记忆长度，避免在超过限制时得到失忆的回答。同时，编写 Prompt 时要珍惜 Token ，秉承奥卡姆剃刀原理，精简表达，尤其是在连续多轮对话中。 熟练使用中英文切换，若 Prompt 太长可用英文设定并要求中文输出，节省 Token 用于更多对话。 了解自带方法论的英文短语或句子，如“Chain of thought”。 2. 学习精准控制生成式人工智能：重点学习提示词技术，编写更清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体（AI Agents），将工作单元切割开，赋予其特定角色和任务，协同工作提高效率。 在实际应用中遵循准则，如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升： 学习搭建专业知识库、构建系统知识体系，用于驱动工作和个人爱好创作。 注重个人能力提升，尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景，想一个能简单自动化的场景，如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写，比如从基础的“情境:”开始。
2025-04-15
对于用cursor来开发，有没有好好用prompt来使cursor变得更加好用
以下是关于如何用 prompt 使 Cursor 变得更好用的相关内容： 在 prompt 方面，Devin 有一个特别有帮助的文档（https://docs.devin.ai/learnaboutdevin/prompting），它会教您什么样的 prompt 在与 Devin 沟通时最有效，比如明确定义成功的标准，如跑通某个测试或访问某个链接能对得上等。将同样的原则应用到 Cursor 中，会发现 Cursor 变得聪明很多，能自主验证任务完成情况并进行迭代。 Cursor 在生成单测方面表现出色。相对 GPT 等工具，Cursor 解决了上下文缺失和难以实现增量更新的问题。它可以向量化整个代码仓库，在生成单测代码时能同时提供目标模块及对应的上下游模块代码，生成结果更精确。例如，使用适当的 Prompt 能返回基于 Vitest 的结果，调整成本较小。 Cursor 支持使用.cursorrules 文件设定项目的系统提示词，针对不同语言可设定不同的 Prompt。@AIChain 花生做了一个 Cursor 插件解决提示语管理问题，可选择不同的.cursorrules 文件，还可从 https://cursor.directory/ 和 https://cursorlist.com/ 寻找提示词。此外，还有一个提示语小技巧，给已有的提示语追加上特定规则，可使模型在搜索资源和思考时默认使用英语，回复转换成中文，或更灵活地根据提问语言进行回复。
2025-04-14
生成可视化网页的 prompt
以下是关于生成可视化网页的 prompt 相关内容： 1. 利用 AI 将 PDF 一键变成可视化网页： 整体思路来自归藏。 目前只有 Claude 3.7 Sonnet 效果最好，可将 prompt 发给能使用它的产品，如 Claude 自己的官网、trea 海外版、cursor 等。 Prompt 基本复制可用，但需将作者信息和媒体资源部分改成自己的内容。媒体资源若为网上现成图片，可复制图像链接；若为自己的图片，可使用图床服务生成公链，以 Markdown 格式贴到媒体资源处。 2. 为生成更漂亮的可视化网页编写的工具： 解决了模型生成结果过于随机的问题。 可在网页上自定义基础样式或随机生成，直到满意。 工具网址：https://60mcp23013.yourware.so/ 3. 3 月 25 日 AI 资讯汇总中的相关用例： 动态图表制作：输入“请给我输出红楼梦的人物关系，并与 html 的形式输出可视化图表，可以参考我给你的图表形式”，可添加参考的个性化图表示例，以 html 附件形式上传。 提供文案输出可视化网页：输入“来自归藏大大 我们输入我们的 AI 周刊内容”。 小红书卡片：输入“来自向阳乔木大大的提示词”。
2025-04-10
prompt 框架
以下是关于 prompt 框架的相关内容： 格式： 常见的格式包括 Markdown（兼容性强，适用于写公众号文章、百家号文章等）、无序列表、有序列表、表格（更清晰直观，适用于对比数据等）、图片（具有随机性，可搭配生成 PPT）、二维码（将链接以二维码图片展示）、Latex 公式（面对数学问题时使用，能渲染出美观的公式，但目前官网对于行内公式的渲染不稳定）、代码（适合程序员指定需要撰写的代码，也方便复制内容）、JSON 格式（ChatGPT 可以以结构化数据形式输出信息，方便应用程序处理和解析，常用于程序员开发应用程序调用 API 时）。 关键框架： ICIO 框架：包括指令（执行的具体任务）、背景信息（提供执行任务的背景和上下文）、输入信息（大模型需要用到的信息）、输出信息（明确输出的具体要求，如字数、风格、格式）。 BROKE 框架：通过 GPT 的设计提示提升整体反馈效率，包括提供足够背景信息、角色设定、目标明确、结果定义、调整。 CRISPIE 框架：包括能力和角色（期望大模型扮演的角色洞察，提供幕后洞察力、背景信息和上下文）、声明（简洁明了的说明希望完成的任务）、个性（回应的风格、个性或者方式）、实验（提供多个回答的示例）。 律师使用 Prompt 的建议框架及格式： CRISPE 框架： Capacity and Role（能力与角色）：例如，你是一名专注于民商事法律领域的律师，擅长案例研究、法律条文检索以及案件策略分析。 Insight（洞察）：提供背景信息和上下文，如处理一起复杂的合同纠纷案件，向 AI 提供案件的关键事实、相关法律以及案件涉及的背景。 Statement（陈述）：直接明确期望 AI 完成的任务，如要求 AI 总结此案件中双方的诉求、检索法条、预测可能的判决结果。 Personality（个性）：明确希望 AI 以什么风格或方式回答。 Experiment（举例）。 零样本思维链（Zero Shot Chain of Thought，ZeroshotCoT）：研究了 CoT prompting 的后续发展，引入了一种简单的零样本提示方法。在问题结尾添加相关提示词，能让大语言模型生成回答问题的思维链，并从中提取出更准确的答案。
2025-04-10
1.2Prompts 市场营销类
以下是关于市场营销类的 1.2 Prompts（提示词）相关内容： 专业推特新闻小编（作者：Carl）：提取文本里的关键信息，整理所有信息并用浅显易懂的方式重新说一遍，让没有技术背景的人也能听懂，同时要写得吸引眼球。使用 Unicode 符号和 Emoji 表情符号来优化排版，提供更好的阅读体验。目标包括提取新闻关键信息并用浅显方式重新表述、为用户提供更好阅读体验让信息更易理解、增强信息可读性提高用户专注度。约束条件为不会偏离原始信息，只基于原有信息收集的消息做合理改编，只使用 Unicode 符号和 Emoji 表情符号进行排版。参考链接： 给 Prompt 打分（作者：李继刚）：类似 Prompt 药剂师，通过对用户的 Prompt 进行分析，给出评分和改进建议，帮助用户提升 Prompt 的效果。用户基于当下认知写完 Prompt，不知现在的写法有什么问题，需要帮忙分析。要提供准确的评分和改进建议，避免胡编乱造的信息。参考链接：
2025-04-09
我是一个AI Agent初学者，现在我想要捏一款Agent，目的是喂给Agent固定材料之后对其做提问，让Agent学习完我的材料之后，在不联网的情况下对我问出的问题做出贴切材料的回答，现在请你告诉我如何操作
以下是捏制一个满足您需求的 AI Agent 的操作步骤： 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。 AI Agent 相关概念： AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 常见的 AI Agent 类型包括： Responser Agent：主 agent，用于回复用户（伪多模态）。 Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 Background Agent 每隔一段时间运行一次（默认 3 分钟），分析期间的历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。
2025-03-23
我是一个AI Agent初学者，现在我想要捏一款Agent，目的是喂给Agent固定材料之后对其做提问，让Agent学习完我的材料之后，在不联网的情况下对我问出的问题做出贴切材料的回答
以下是为您提供的关于捏制 AI Agent 的相关知识： 一、手捏 AI Agent 的思路 在 Coze 中创建工作流驱动的 AI Agent，简单情况可分为 3 个步骤： 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。 二、AI Agent 的概念 AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 同时，需要三个 Agent： Responser Agent：主 agent，用于回复用户（伪多模态）。 Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 三、Agent 的“明斯基时刻” 心灵社会理论认为，智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。 其特点包括： 1. 多重层次：心灵社会将智能划分为多个层次，从低层次的感知和反应到高层次的规划和决策，每个层次由多个 Agent 负责。 2. 功能模块：每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务，如视觉处理、语言理解、运动控制等。 3. 分布式智能：智能不是集中在单一的核心处理单元，而是通过多个相互关联的 Agent 共同实现。这种分布式智能能够提高系统的灵活性和鲁棒性，应对复杂和多变的环境。 同时，在《心灵社会》中，明斯基还详细描述了不同类型的 Agent 及其功能： 专家 Agent：拥有特定领域知识和技能的 Agent，负责处理复杂的任务和解决特定问题。 管理 Agent：协调和控制其他 Agent 的活动，确保整体系统协调一致地运行。 学习 Agent：通过经验和交互，不断调整和优化自身行为，提高系统在不断变化环境中的适应能力。
2025-03-23
我想找最新的关于大模型发展趋势的材料
以下是为您找到的关于大模型发展趋势的最新材料： 基础通识课中提到了 AI 模型及相关进展，包括视频生成模型、相关论文，以及 AI 在诺奖和蛋白质研究领域的应用等。还介绍了人工智能的发展历程，从早期到如今大模型和多模态模型百花齐放的阶段。同时提到大模型由数据、算法、算力构成，算法有技术架构的迭代，数据质量对生成理想的大模型至关重要，以及针对弱智 8 的问题对大模型进行测试等相关内容。 2023 年度中文大模型基准测评报告.pdf 中包含 2023 年国内大模型发展趋势、测评体系、方法说明、综合测评结果、SuperCLUE2.0 升级、四大维度测评分析及示例介绍、优秀模型案例介绍等内容。 2024 年历史更新（归档）中，有《探讨大模型未来：从 Scaling Law 到数据红利再到终极 Token 工厂》，探讨了大模型的未来，包括规模化法则、数据红利和 Token 工厂概念。还有《【AI 学习笔记】小白如何理解技术原理与建立框架（通俗易懂内容推荐）》《智变时代/全面理解机器智能与生成式 AI 加速的新工业革命》《文生图大模型基准测评首期榜单公布，DALLE 3 取得最高 76.94 分》等相关文章。
2025-03-23
帮我找下提示词学习材料
以下是为您提供的提示词学习材料： 一、关于提示词的一般理解 提示词（Prompt）是给大语言模型的输入文本，用于指定模型应执行的任务和生成的输出。它发挥着“提示”模型的作用，设计高质量的提示词需根据目标任务和模型能力精心设计，良好的提示词能让模型正确理解需求并给出符合预期的结果。示例包括直接提问型、策略建议型、翻译型、算数型、概念解释型等。 二、系统学习 Stable Diffusion 提示词的步骤 1. 学习基本概念 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程 通读 Stable Diffusion 官方文档，了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧 学习如何组合多个词条来精确描述想要的效果。 掌握使用“（）”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果，分析原因，总结经验教训。 在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库 根据主题、风格等维度，建立自己的高质量提示词库。 将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。 三、Claude 3.7 核心提示词相关资源 Anthropic 定期对外更新 Claude AI 的核心系统提示词，为广大提示工程师提供了宝贵的学习资料。您可以在以下链接中找到更多相关内容： 1. 中找到他们往期开源的更多系统提示词，涵盖了从 Claude 3 Haiku 到现在所有的模型。 2. Claude 3.5 sonnet 内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A 3. Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw 4. 往期 Claude AI 核心系统提示词：https://docs.anthropic.com/en/releasenotes/systemprompts 5. Claude 官方用户手册 提示工程指南：https://docs.anthropic.com/en/docs/buildwithclaude/promptengineering/overview 6. Claude 官方提示库：https://docs.anthropic.com/en/promptlibrary/library
2025-03-15
AI音乐发布要准备哪些材料
发布 AI 音乐通常需要准备以下材料： 1. 音频文件：确保音频质量良好。 2. 歌词： 文本歌词需做成 TXT 格式上传。 可通过自带功能将文本歌词同步为逐字歌词 TRC，修正错别字后提交。 3. 描述音乐风格：如民谣、流行、嘻哈、国风等。 4. 若为人声歌曲，还需准备歌词：可以自己创作，也可让 AI 帮忙写作。 5. 选择音乐库中的合适音乐。 此外，在一些相关教程中还提到： 收藏过的满意音乐素材、音效素材以及抖音里收藏的音乐。 音效库方面，可通过搜索相应音效，如开门声，并添加到音轨。
2025-03-11
mpc相关材料
以下是关于 MPC 的相关材料： Claude 直接连接到 GitHub、创建新存储库并通过简单的 MCP 集成创建 PR。Anthropic 推出模型上下文协议（MCP），Claude Desktop 现在可以直接连接到 GitHub、创建新的存储库并创建 PR。 具身智能算法层中，模型预测控制（MPC）通过预测未来系统行为来做出决策，在未来的一个给定时间窗口内解决一个最优化问题，以寻找控制输入，最小化成本并满足约束。MPC 需要系统模型、成本函数、预测时间段、约束和反馈来运作，通过预测未来情况，机器人可产生相应动作进行“预判”，一定程度上加大机器人实用性。以足式机器人为例，可将 MPC 用于全身控制，能协调身体各部分，通过观测地面环境提前给出控制量，减缓欠驱动状态下系统的不稳定性，减少接触模态干扰，增强四足稳定性。此类路线的代表为波士顿动力，优点是传统算法可靠性高、可解释性强，缺点是对于 corner case（如光滑地面）处理不好。 11 月 25 日，Anthropic 发布开源 MCP 协议，其亮点是定义了一套标准且相对完善的协议，对大模型和应用的生态协同有很大指导意义，本质上是对 LLM 和 API 调用层的优化。
2025-03-09