ChatGPT 的 Prompts 不用多,一个 IIO 模型就行。

ChatGPT 的 Prompts 不用多,一个 IIO 模型就行。 指令(Instruction):希望 AI 执行的指定事项 - 角色:通过限定 AI 的身份和能力范围,让它输出更符合要求的内容,例如扮演老师,教我们学编程; - 模型:让 AI 基于成熟的思维框架进行思考,例如 STAR 法则、二八定律等; - 任务:该指令必不可少,指定了 AI 要做的具体事情,例如查询天气、回答问题等。 输入(Input Data):一些可供 AI 参考的素材或数据 - 背景:提供对话的补充信息,能够让 AI 更好地理解上下文; - 受众:假设 AI 生成的内容,会由怎样的人群阅读,例如儿童、牙医等; - 素材:提供一些需要 AI 加工相关文本、图片或其他资料,以扩展模型的知识和信息; - 示例:通过提供一些例子,让 AI 参考并生成符合预期的内容 输出(Output Indicator):限定输出内容的类型、格式等 - 模板:模板定义了 AI 对话的基本结构、内容格式; - 风格:规定 AI 的风格或语气,例如幽默、可爱,或者模仿名人讲话; - 要求:明确 AI 应满足的具体要求或标准,例如准确性、可读性; - 限制:设定模型的限定条件,例如生成数量、最大长度、敏感内容过滤等。 通过 IIO 模型的 11 个 Prompts 基础元素的排列组合,你完全能写出复杂的 ChatGPT 指令,满足日常 AI 办公场景。 #AI工作流 #AI的神奇用法

相关推荐

封面图片

强烈推荐!让 Clude 生成 prompt,最快的捷径!!

强烈推荐!让 Clude 生成 prompt,最快的捷径!! 基于下面的模型帮我生成一个让 ChatGPT 进行数据分析 prompt: - 指令(Instruction):希望 AI 执行的指定事项 - 角色:通过限定 AI 的身份和能力范围,让它输出更符合要求的内容,例如扮演老师,教我们学编程; - 模型:让 AI 基于成熟的思维框架进行思考,例如 STAR 法则、二八定律等; - 任务:该指令必不可少,指定了 AI 要做的具体事情,例如查询天气、回答问题等。 输入(Input Data):一些可供 AI 参考的素材或数据 - 背景:提供对话的补充信息,能够让 AI 更好地理解上下文; - 受众:假设 AI 生成的内容,会由怎样的人群阅读,例如儿童、牙医等; - 素材:提供一些需要 AI 加工相关文本、图片或其他资料,以扩展模型的知识和信息; - 示例:通过提供一些例子,让 AI 参考并生成符合预期的内容 输出(Output Indicator):限定输出内容的类型、格式等 - 模板:模板定义了 AI 对话的基本结构、内容格式; - 风格:规定 AI 的风格或语气,例如幽默、可爱,或者模仿名人讲话; - 要求:明确 AI 应满足的具体要求或标准,例如准确性、可读性; - 限制:设定模型的限定条件,例如生成数量、最大长度、敏感内容过滤等。

封面图片

是一个结合了视觉基础模型的系统,使用户能够超越语言格式与 ChatGPT 交互,解决复杂的视觉任务。

是一个结合了视觉基础模型的系统,使用户能够超越语言格式与 ChatGPT 交互,解决复杂的视觉任务。 ChatGPT 正在吸引跨领域的兴趣,因为它提供了一种语言界面,具有跨多个领域的卓越对话能力和推理能力。 然而,由于 ChatGPT 是用语言训练的,它目前无法处理或生成来自视觉世界的图像。同时,Visual Foundation Models,如 Visual Transformers 或 Stable Diffusion,虽然表现出强大的视觉理解和生成能力,但它们只是特定任务的专家,具有一轮固定的输入和输出。 为此,我们构建了一个名为 \textbf{Visual ChatGPT} 的系统,其中包含不同的视觉基础模型,使用户能够通过以下方式与 ChatGPT 进行交互: 1)不仅发送和接收语言,还发送和接收图像 2)提供复杂的视觉问题或视觉编辑指令,需要多个 AI 模型进行多步骤协作。 3) 提供反馈并要求更正结果。

封面图片

LLaV:一个拥有类似 GPT-4 的大语言+视觉模型

LLaV:一个拥有类似 GPT-4 的大语言+视觉模型 “使用机器生成的指令跟踪数据对大型语言模型 (LLM) 进行指令调优提高了新任务的零样本能力,但这一想法在多模式领域的探索较少。 所以,我们开始尝试使用纯语言 GPT-4 生成多模态语言图像指令跟踪数据。通过对此类生成的数据进行指令调整,并推出了 LLaVA:大型语言和视觉助手。 这是一种端到端训练的大型多模态模型,连接视觉编码器和 LLM 以实现通用视觉和语言理解。 早期实验表明,LLaVA 展示了令人印象深刻的多模型聊天能力,有时在看不见的图像 / 指令上表现出多模态 GPT-4 的行为,并且与合成多模态指令跟随数据集上的 GPT-4 相比,相对分数达到了 85.1%。 当在 Science QA 上进行微调时,LLaVA 和 GPT-4 的协同作用达到了 92.53%,这个准确率颇高。 因此,我们在 GitHub 正式开放 GPT-4 生成的视觉指令调整数据、模型和代码库。” |||||

封面图片

数字人对话系统 - :将大型语言模型与视觉模型相结合的智能AI系统,创建了一种全新的人机交互方式,集成了各种技术,例如Whisp

数字人对话系统 - :将大型语言模型与视觉模型相结合的智能AI系统,创建了一种全新的人机交互方式,集成了各种技术,例如Whisper、Linly、微软语音服务和SadTalker会说话的生成系统。 该系统部署在Gradio上,允许用户通过提供图像与AI助手进行交谈。用户可以根据自己的喜好进行自由的对话或内容生成。

封面图片

训练 ChatGPT 等模型不付钱?美国新闻集团拟起诉微软、谷歌、OpenAI

训练 ChatGPT 等模型不付钱?美国新闻集团拟起诉微软、谷歌、OpenAI 华尔街日报报道,AI 技术的发展已经引发了新闻出版业的不满,他们认为自己的内容被大型科技公司用于训练 AI 模型而没有得到合理的补偿。拥有《纽约邮报》、《巴伦周刊》、《华尔街日报》等的美国新闻集团正准备向 OpenAI、微软和谷歌等公司提起诉讼,要求赔偿其内容在 ChatGPT、Bard 等 AI 工具中被用来使用的费用。 当前这是一个复杂而模糊的法律问题,涉及到 AI 公司是否有权从互联网上抓取内容,并将其输入到训练模型中。一些批评者认为,这是一种工业规模的知识产权盗窃行为。出版商担心,AI 工具可能会影响他们网站的流量和广告收入。 事实上,AI 版权问题并非始于 ChatGPT。在图像和代码方面,已经有多起诉讼案件涉及到 AI 模型训练使用受版权保护的数据。例如,Midjourney、Stability AI、微软、GitHub 以及 OpenAI 都曾卷入相关纠纷。 目前,对于 AI 创作是否受版权保护还没有形成固定的准则。法律人士认为,所有针对生成式 AI 的案件可能需要数年时间才能结案。科技公司与内容出版商进行协商寻求使用许可,或许是最好的解决办法。来源 , 来自:雷锋 频道:@kejiqu 群组:@kejiquchat 投稿:@kejiqubot

封面图片

泄露和被破解的GPTs提示大集合

泄露和被破解的GPTs提示大集合 收集了多种GPTs模型的“泄露提示”(Leaked Prompts) 这些提示是用于指导或开发GPTs机器人的特定指令或描述。 例如“AI Paper Polisher Pro”、“AI算命”、“AI Doctor”等,涵盖了从学术论文润色到算命、医疗咨询等多个领域。 这些玩意可以帮助理解GPTs在处理不同类型的请求时的表现,还可以作为开发新应用或进行创新实验的灵感来源。甚至你可以直接用来复制一个一模一样的GPT... GitHub:

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人