还在手搓提示词？这 5 个提示词生成工具，轻松帮你解放双手（全部免费）

于 2024-10-05 11:00:00 发布
阅读量393 收藏 6
点赞数 7
文章标签： 人工智能 chatgpt 自然语言处理 语言模型 LLM 提示词 大模型
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lyy2017175913/article/details/142649245
版权

刚开始接触 AI 的 小白总是会觉得 AI 很难学，提示词也很难，其实写提示词是有方法偷懒的——“用魔法打败魔法”。

艾康今天要给大家介绍这个 5 个AI 工具，可以让大家再也不会为写提示词发愁了。

只需告诉它，你需要达到什么目标，那他就会依据你的需求，给你定制出一套完整提示词，真的非常好用（全部免费）。

对于提示词祛魅，非常好用的工具，建议新手小白一定要上手试试。

老规矩，所有工具已经打包好，全部放在文末了～

LangGPT 提示词专家✍️

这个是 ChatGPT 的 GPTs，出自云中江树大佬。

使用非常简单，只需要尽可能清楚的描述你的需求即可，写出来的提示词，质量还是很高的。

例如：你不知道如何写一个小红书文案的提示词，那么就可以直接这么问👇：

我是一个小红书博主，
我的账号定位是美妆方向，
请你帮我生成一段用于创作小红书的提示词。

只需要几秒钟，一套结构非常清晰的提示词就出来了。

真的非常推荐。

自动结构化框架

这个是 ChatGPT 的 GPTs，出自于小七姐。

使用也是非常简单，和上面一样，将自己的需求尽可能描述清楚即可，描述得越清楚，生成的提示词可能越符合你的预期。

如果有条件，也是非常推荐使用这个自动化结构提示词。

Kimi 提示词专家

上面的两个提示词生成工具，都是需要用到 ChatGPT，对于一些新手小白来说，这个可能就是一道门槛了，所以下面介绍几个国内也能用的提示词生成工具。

因为 Kimi 本身已经很能打，Kimi 推出的这个提示词专家，也还不错，可以满足一些简单的需求。

如果没有条件用 ChatGPT，那 Kimi 就是非常好的选择了。

Prompt 提示词生成专家

下面这个是讯飞星火的提示词专家，

除了有文案生成的提示词，还有很多其他方面的提示词生成专家，例如：SD 提示词、MJ 提示词、通用 AI 绘图提示词。

测试了下，对于小白来说，还是不错的。

提示词优化大师

智谱清言推出的提示词优化大师，擅长在已有提示词的基础上进行优化。

当然也可以用于提示词创作，使用方式和上面是一样的，描述清楚自己的需求即可。

总结

  • • 提示词优化大师：https://chatglm.cn/main/gdetail/65b73c4179e9b94fd54f545a

  • • Kimi 提示词专家：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0

  • • Prompt 提示词生成专家：https://xinghuo.xfyun.cn/desk?sharebotId=e99d7b38a9665c12dcfa5a051ffbdd58

  • • LangGPT 提示词专家✍️：https://chatgpt.com/g/g-Apzuylaqk-langgpt-ti-shi-ci-zhuan-jia

  • • 自动结构化框架：https://chatgpt.com/g/g-kI5r8f57x-zi-dong-jie-gou-hua-kuang-jia

以上所有工具的使用链接都放在这里啦～👆

最推荐的还是 ChatGPT 的提示词专家，实测效果最好，如果实在没有条件，也可以使用 Kimi 作为平替。

作为新手小白，一定要祛魅，不要把一些事情想得太难，**只要开始了，你就成功了一半！**有了这些工具的协助，相信你也能写出很棒的提示词。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
在这里插入图片描述

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

在这里插入图片描述

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
在这里插入图片描述
在这里插入图片描述

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
在这里插入图片描述

程序员丸子
关注
【用unity实现100个游戏之4】手搓一个网格放置功能，及装修建造种植功能（2d3d通用，附源码）
向宇
07-13 5761
今天我们要实现一个unity的网格放置系统，及装修建造种植功能，我们可以在网格上放置对像，并可以将其移除首先，我先放出最终效果，以决定你是否想要继续往下学习源码见文章末尾。
凉宫春日的阴谋7
热门推荐
weejjscsh的专栏
09-09 2万+
序曲 凉宫春日很安分。 虽然看似忧郁，有时也唉声叹气，可事实上，她看起来并不寂寞。不过，最近总让人感觉到出奇的安静。那股莫名的不知由来的安分连我这号人都感到很害怕。 当然，并不只是外表安静，更不是心境变得安分。春日从不怀疑自己，哪怕就像早已形成的性格有一丁点或是悄悄地改变那样，她丝毫不会质疑自己。总之要是发生了那样的事，结果我可能会变得很为难。因此，事到如今我也不想去矫正她。怎么说呢，有一种就像终
移动端（H5）手搓弹框
人间草木
12-03 752
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta http-equiv="X-UA-Compatible" content="IE=edge"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>D.
全手搓一个简单的机器学习算法
09-16
全手搓一个简单的机器学习算法
手搓一个用于MNIST深度学习网络
08-24
代码内容
【unity实战】手搓一个网格放置功能，及装修建造种植功能源码（2d3d通用)
07-14
【unity实战】手搓一个网格放置功能，及装修建造种植功能源码（2d3d通用) 介绍：https://blog.csdn.net/qq_36303853/article/details/131670628
扩散模型（2）--1
m0_63860007的博客
09-29 880
生成模型通过学习并建模输入数据的分布，从而采集生成新的样木，该模型广泛运用于图片视频生成、文本生成和药物分子生成。扩散模型是一类概率生成模型，扩散模型通过向数据中逐步。
基于Keras的U-Net模型在图像分割与计数中的应用
最新发布
深度学习实战训练营，一起交流探索深度学习
10-04 755
网络结构优化：项目基于经典的U-Net模型进行改进，采用了更深的网络层次结构，使模型能够在多尺度上捕捉到图像中的细节信息。特别是针对医学图像分割，项目通过增加卷积层数和引入Dropout层来增强模型的特征提取能力，并有效防止过拟合，从而提高模型在训练数据较少情况下的表现。项目中采用了he_normal初始化器和relu激活函数组合，使得网络在训练时能够更快地收敛，降低梯度消失的风险。自定义数据增强策略：在中实现了一个自定义的图像增强类。
深度学习每周学习总结J1（ResNet-50算法实战与解析 - 鸟类识别）
qq_33489955的博客
10-04 756
数据导入及处理部分：本次数据导入没有使用torchvision自带的数据集，需要将原始数据进行处理包括数据导入，查看数据分类情况，定义transforms，进行数据类型转换等操作。划分数据集：划定训练集测试集后，再使用torch.utils.data中的DataLoader()分别加载上一步处理好的训练及测试数据，查看批处理维度.模型构建部分：resnet-50。
大模型~合集5
whaosoft~aiotの开发板商城
10-02 1311
FLock 的机制设计受到了证明权益（PoS）区块链共识机制和桌面游戏《The Resistance》（一种角色扮演类游戏，该游戏的一个变种叫阿瓦隆）的启发。《The Resistance》游戏则通过投票机制，每轮游戏中玩家独立推理并投票，从而实现全局共识。《The Resistance》有两个不匹配的竞争方，其中较大的一方被称为抵抗力量，另一方被称为间谍。在《The Resistance》中，有一个投票机制，在每一轮中，每个玩家进行独立推理并为一个玩家投票，得票最多的玩家将被视为「间谍」并被踢出游戏。
Linux嵌入式有发展吗，以及对uboot，kernel，rootfs的领悟
rjszcb的博客
09-30 710
上一份工作是2022,11—2023，11年底，汽车公司，底层修修改改，编译镜像，修改后，客户给东西，重新编译给他，客制化配置启动参数，环境，支持应用部门，不懂怎么使用某些驱动。uboot到底是干嘛的，想想，emmc的镜像文件是怎么被读到ddr的，emmc为啥可以被分区，烧录镜像，tftp网络命令为啥可以运行，启动设备时，为啥lcd可以看到图像，kernel还没启动，怎么出图像的。不管做应用开发，驱动开发也好，知道，系统原理，驱动框架，进程管理调度，内核竞争，信号，中断，锁，这些就够了。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1105
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
【AIGC】2022-NIPS-视频扩散模型
weixin_42475026的博客
10-04 757
生成时间连贯的高保真视频是生成模型研究的一个重要里程碑。我们提出了一种视频生成扩散模型，并取得了非常有希望的初步结果，朝着这一里程碑迈进了一步。我们的模型是标准图像扩散架构的自然延伸，它能够从图像和视频数据进行联合训练，我们发现这可以减少小批量梯度的方差并加快优化速度。为了生成长视频和高分辨率视频，我们引入了一种新的条件采样技术，用于空间和时间视频扩展，其性能优于以前提出的方法。我们展示了大型文本条件视频生成任务的第一批结果，以及视频预测和无条件视频生成的既定基准的最新结果。
GraphEval: A Knowledge-Graph Based LLM Hallucination Evaluation Framework
weixin_43961909的博客
10-02 1209
评估大型语言模型(LLM)响应和检测不一致性(也称为幻觉)的方法对于LLM应用变得越来越重要。当前的度量标准在提供可解释的决策、系统地检查响应中的所有信息片段的能力方面存在不足，并且通常计算成本太高而无法在实践中使用。我们提出GraphEval:一个基于知识图(KG)结构表示信息的幻觉评估框架。我们的方法识别了KG中易于产生幻觉的特定三联体，因此比以前的方法提供了对反应中幻觉发生位置的更多了解。
pytorch搭建神经网络(手搓方法)
2303_77275067的博客
10-02 605
假如我们有一个数据集形状为(348,14)。即有348个记录，每个记录有14个特征值。
OpenCV视频I/O(13）视频采集类VideoCapture之等待多个视频流中的任意一个变为可用状态函数waitAny()的使用
jndingxin的专栏
09-29 551
cv::VideoCapture::waitAny 是一个静态成员函数，用于等待多个视频流中的任意一个变为可用状态。这个函数可以用于同步多个视频流，直到其中一个流准备好为止。
【YOLO目标检测吸烟检测数据集】共6097张、已标注txt格式、有训练好的yolov5的模型
LINBONB的博客
10-03 402
标注数量(txt文件个数)：6097。训练好的yolov5检测模型。数据集格式：YOLO格式。标注类别名称：smoke。
2024年OpenAI DevDay发布实时 API、提示缓存等新功能
李孟的博客
10-03 227
就在几天前，一些重要人物如前 CTO Mira Murati 离开了 OpenAI。因此，看到 Sam Altman 在上登台，讨论开发者的新产品，感觉有点奇怪。但这不是重点。让我们先把这些戏剧性事件放在一边，看看 Dev Day 的真正主题——OpenAI 刚刚为开发者宣布的新工具。尽管领导层的变动令人担忧，但显然公司仍在向前推进。事实上，这次活动中有许多值得细细探讨的进展。如果你错过了去年的 DevDay 2023，这里是自那时以来的一些最新进展：从 GPT-4 到 4o mini，显著的。
全部手搓，不要库文件
09-20
全部手搓一个基础的图片处理功能可能会涉及到像素级别的操作，比如读取图像数据、修改像素值，然后保存修改后的图像。以下是一个简化的例子，使用Python字典存储像素信息，假设图片是以二维数组的形式表示的： ```python class ImageProcessor: def __init__(self, width, height): self.image_data = {} # 以像素坐标 (x, y) 为键，颜色（通常是 RGB 格式）为值 for x in range(width): for y in range(height): self.image_data[(x, y)] = [0, 0, 0] # 初始所有像素为黑色 def set_pixel(self, x, y, color): if 0 <= x < len(self.image_data) and 0 <= y < len(self.image_data[x]): self.image_data[(x, y)] = list(color) def get_pixel(self, x, y): if (x, y) in self.image_data: return self.image_data[(x, y)] else: return None # 返回默认颜色或异常 def save_image(self, filename): with open(filename, 'w') as f: for row in self.image_data.values(): f.write(','.join(map(str, row)) + '\n') # 示例： processor = ImageProcessor(10, 10) processor.set_pixel(5, 5, [255, 0, 0]) # 设置一个红点 processor.save_image('output.txt') # 保存到文本文件 ``` 请注意，这只是一个非常基础的实现，对于大型或复杂图像处理任务来说，这样的“手搓”方式效率低下且难以维护。实际应用中，我们会利用专门的图像处理库如numpy或opencv。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值