AI以极高的效率和还可以的输出质量,得到了许多写作人的青睐,Prompt作为AI写作的核心,通过简短的提示来引导AI生成文本,让写作新手也能轻松自如。
1. 看不下去的行业乱状
让人不禁遗憾的是,国外的开发者都在忙着搞AI科研或者做各种AI应用,而国内的开发者都在忙着捣腾各种“所谓的AI课程”来割韭菜。当然,也不能一棒子打死,有些精品课程的收费我觉得有必要,有些简易的课程或者简易的训练营 吃相就比较难看。
比如,市面上有些类似《如何利用AI进行写作》的付费课程或者付费训练营,他们把一项简单的知识工具过度的商业化,使得一个本应易学易用的工具变得不必要地昂贵。
这些“所谓的课程”无外乎就几个套路:贩卖焦虑、无厘头的收费、教别人所谓的搞流量、给一些所谓的单子。在这里我想对这些课程的卖主
说几句:
- 如果你是贩卖焦虑,真没必要。现在的社会风气已经很浮躁了,少传播些焦虑,多传播些有意义的事情。
- 如果你是教别人搞流量,真没必要。普通人搞流量无非就是在 某宝、某鱼 上开店,流量也有限。如果想从别的渠道搞流量,那么时间、精力、成本的投入,也不适合普通人。
- 如果你是收费,一些简单的课程真没必要收费,把简单的东西普惠给大众,一起推动行业发展不是更好嘛。
- 如果你是给别人所谓的单子,那你的流量也不是白来的,你不可能免费给别人吧,所以你没必要做挂羊头卖狗肉的事情。
2. Prompt提示词简介
Prompt说白了就是人机对话,你更好的向机器提问,机器才能更好的回答你的问题。
所以与AI对话也是一门艺术哦,提问的策略和技巧能很大程度上影响AI的输出。
笔者觉得吧,在AI极速发展的年代,Prompt是一个人人都要学的东西,是一种必备的素养。
不能因为你不懂Prompt的技巧而不去学习它,甚至你还去懒惰地
、付费地
把这个练习和学习的机会交给了别人。你完全可以通过网络搜索、简单的练习就可以轻松掌握Prompt常用技巧。
什么是Prompt?
Prompt是一种指令或提示,它告诉AI系统我们期望它做什么,或者以什么样的方式思考问题。Prompt可以分为问答式Prompt
、描述式Prompt
和命令式Prompt
三种主要类型。
- 问答式Prompt:通过提出问题来引导AI生成答案。例如,“什么是黑客精神?”
- 描述式Prompt:通过描述一个场景或主题,要求AI继续创作。例如,“描述一个未来城市的样子。”
- 命令式Prompt:通过命令AI执行某个任务。例如,“写一篇关于网络安全的文章。”
通过这些不同类型的Prompt,我们可以引导AI以我们期望的方式进行创作,无论是撰写一篇科技博客,还是编写一个企业的年度报告,或者写一篇推广软文。
3. Prompt在AI写作中的应用
笔者作为一个普通的AI使用者,也经常使用AI进行创作,提高了质量和效率。
比如当我们需要撰写一篇技术博客时,只需输入相关的Prompt,AI便能快速生成初稿。然后在技术文档编写过程中,通过提供明确的技术细节和要求,AI可以生成专业详细的内容。
4. 如何自定义有效的Prompt
一个好的Prompt能够引导AI生成高质量的内容。但要想设计出这样的Prompt,你就要提供明确、具体的Prompt提示词,不能模糊和宽泛。以下是构建有效Prompt的一些技巧:
-
信息简单且丰富具体:信息简单且丰富具体*,信息简单且丰富具体,信息简单且丰富具体。*重要的事情说3遍,这是最重要也是最简易技巧。只有你给AI提供足够的简单清晰的信息,才可以帮助AI更准确地理解你的预期。提供信息的技巧如下,然后在看下2种提问方式AI给出的完全不同的回复内容。
- 向AI讲清楚你的角色、背景、任务、任务要求、输出格式等。
- 如果你是写作场景的话,你要告诉AI,让它使用什么写作手法、使用什么写作风格(比如,风格是将复杂的技术概念讲的通俗易懂)。
- 如果你是技术博客的场景,你可以要求AI写出原理、示例代码。
- 如果你是创作故事,你要告诉AI,故事情节的走向。
- 如果AI写的东西太宽泛,你可以让AI输出的内容更形象(比如,字数不够让他继续写、比如让他举例子和口语化)。
-
AI生成提示词:如果你不知道什么样的提示词合适,你可以让AI帮你生成提示词。
-
角色扮演:在与AI的交互中,可以要求AI扮演一个指定的角色,我们将角色描述得更具体,AI就能提供更准确的答案。
- 比如,我们要求AI扮演一个“Java开发专家”,AI就能够结合该角色,提供更专业的编程技术解决方案。
- 当然,除了要求AI扮演角色之外,用户也可以指定一个角色身份与AI对话。比如用户自己扮演一个“没学过编程的初学者”,让AI把一些技术概念讲的简单易懂。
-
指定任务步骤:比如告诉AI,完成某项任务,需要哪几步,让他把每个步骤细化。
-
使用常用的分隔符:在处理长文本时,可以添加分隔符,让AI更好的理解输入的内容。比如让AI总结(
"""
、<xml>
)里的内容。 -
根据少量样本生成内容:让AI根据你给的一些例子,生成内容。看下以下2个截图的对比。
-
保持耐心:保持耐心,保持耐心,保持耐心,重要的内容说3遍,AI生成内容并不是一蹴而就的,想生成一篇合适的文章,需要与AI进行多轮有效对话。
总之,以上总总,都不是一门收费课程能教会你的,更多的是需要你自己的实践和练习。
5. 工具推荐
笔者主要使用ChatGPT、Coze进行AI写作,偶尔使用文心一言,其余的大模型几乎不用。这里可以根据自己的情况选择合适的工具。
6. 总结
对于程序员、写作者、以及各个岗位工作者来说,掌握Prompt技术至关重要。积极拥抱AI,拥抱Prompt,让AI助力我们成为超级个体!!!
同时,不能过度依赖AI,不能忽视自身能力的提升。保持创造力和不断学习,才是应对未来挑战的关键。
如何系统的去学习大模型LLM ?
作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的 AI大模型资料
包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
😝有需要的小伙伴,可以V扫描下方二维码免费领取🆓
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
阶段1:AI大模型时代的基础理解
- 目标:了解AI大模型的基本概念、发展历程和核心原理。
- 内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践 - L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
- 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
- 内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例 - L2.2 Prompt框架
- L2.2.1 什么是Prompt
- L2.2.2 Prompt框架应用现状
- L2.2.3 基于GPTAS的Prompt框架
- L2.2.4 Prompt框架与Thought
- L2.2.5 Prompt框架与提示词 - L2.3 流水线工程
- L2.3.1 流水线工程的概念
- L2.3.2 流水线工程的优点
- L2.3.3 流水线工程的应用 - L2.4 总结与展望
- L2.1 API接口
阶段3:AI大模型应用架构实践
- 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
- 内容:
- L3.1 Agent模型框架
- L3.1.1 Agent模型框架的设计理念
- L3.1.2 Agent模型框架的核心组件
- L3.1.3 Agent模型框架的实现细节 - L3.2 MetaGPT
- L3.2.1 MetaGPT的基本概念
- L3.2.2 MetaGPT的工作原理
- L3.2.3 MetaGPT的应用场景 - L3.3 ChatGLM
- L3.3.1 ChatGLM的特点
- L3.3.2 ChatGLM的开发环境
- L3.3.3 ChatGLM的使用示例 - L3.4 LLAMA
- L3.4.1 LLAMA的特点
- L3.4.2 LLAMA的开发环境
- L3.4.3 LLAMA的使用示例 - L3.5 其他大模型介绍
- L3.1 Agent模型框架
阶段4:AI大模型私有化部署
- 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
- 内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
学习计划:
- 阶段1:1-2个月,建立AI大模型的基础知识体系。
- 阶段2:2-3个月,专注于API应用开发能力的提升。
- 阶段3:3-4个月,深入实践AI大模型的应用架构和私有化部署。
- 阶段4:4-5个月,专注于高级模型的应用和部署。
这份完整版的大模型 LLM 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓