经常有小伙伴跑过来给我吐槽AI
哎呀,为什么我的AI就这么的笨拙,别人的AI就那么聪明。
网上那些讲解如何使用AI的技巧也看了好多,但是到自己去用AI的时候感觉它总是那么的笨,不听指挥,给出的内容不满意。
然后就问我,有没有那种,不用学习各种提问框架,也不用费尽心思的描述一个事物,同时又适用于大部分场景下的技巧。
答案是有的!
今天就给大家介绍一个这样的技巧,在主流的AI工具和大部分场景下都可以使用的一个AI提示词技巧。
给AI提供示例
AI有一个非常强大的能力:学习能力。它会快速「学习和吸收」人类提供给它的信息,然后现学现卖。
类似于上学的时候班级里边的学霸,好多知识学霸看一眼就能记住并理解,然后就直接能灵活运用了。
很多时候,当我们在AI提示词中费尽心思的敲了一大堆文字,试图描述清楚我们想要表达的意思,都不如给它一个高质量的示例效果更好。
这就像我们在平常给同事或者朋友描述一件事情的时候时常觉得词不达意,对方也不能很好的理解,但是这个时候如果举一个生动形象的例子,对方很快就能明白。
接下来通过一个实操案例介绍如何使用【提供示例】这个技巧,才能让自己的AI更加聪明。
我们小时候都学过鲁迅先生的文章,其中《狂人日记》里边关于「吃人」的文风可是相当经典了。我们就让AI来模仿这段文风,来评论现在职场打工人“主动”加班的现象。
段落原文如下:
“我翻开历史一查,这历史没有年代,歪歪斜斜的每页上都写着‘仁义道德’几个字。我横竖睡不着,仔细看了半夜,才从字缝里看出字来,满本都写着两个字是‘吃人’!”
先看一下不使用【提供示例】这个技巧的效果,在AI中输入提示词:请你使用《狂人日记》里边关于「吃人」的文风,评论当代打工人被加班现象。
效果如下图,AI给出的效果并不好,它并没有真正理解「吃人」的文风是什么样的,而是自己在那里脑补。
然后再来试一下使用【提供示例】技巧的方式,看一下AI的效果。提示词如下:
`请你理解并模仿以下文章内容的文风,评论当代打工人被加班现象。文章内容如下:--- 把示例内容粘贴进来 ---`
效果如下图所示,非常棒,很好的学习了鲁迅先生的这段文风,并模仿文风输出了高质量的内容。
输出的内容文字版:
我翻开当代职场一查,这职场没有时间界限,歪歪斜斜的每页上都写着“努力奋斗”几个字。我横竖睡不着,仔细看了半夜,才从字缝里看出字来,满本都写着两个字是“加班”!
最后做一个小总结,在很多应用场景下,其实单纯的文字描述需求AI并不能很好的理解我们的意图。
就像是我们在自己的行业里面呆久了,有一些专业的术语和行业黑话外行人是听不懂的。不能理所当然的认为【我认为应该是常识的东西AI却不懂】
AI 它并不是什么都懂,当你在使用AI的过程中发现它不能理解你的意思,那就尝试一下【提供示例】这个技巧,并且提供的示例质量越高越好,让它现学现卖!
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
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。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。