尝试了一下 Suno，会有直观的冲击。

尝试了一下Suno，会有直观的冲击。这个《低语的竹子》从头到尾都是AI的作品。ChatGPT完成脚本（prompt），Suno创作词曲，Midjourney创作背景图，DeepL翻译中文歌词。当然，想法还是需要自己提供一些「冷启动」。这是AI在继续让创作门槛降低。未来的创作者的工具会极大丰富，而需要花费时间掌握的多数「技术能力」会迅速贬值。一人杂志（公众号/播客）、一人电视台（直播间）刚刚成真，一人乐队、一人电影、一人游戏已在眼前。

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（InputData）：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（OutputIndicator）：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。

读论文：一篇有趣的论文：用11种情感刺激prompt来提升LLM的性能

读论文：一篇有趣的论文：用11种情感刺激prompt来提升LLM的性能：https://arxiv.org/pdf/2307.11760.pdf这些prompting来自三种心理学理论：1.自我检测（self-monitoring）：强调产出的重要性，让模型自己检查一下产出。例如‘这个结果对我的工作非常重要，‘你最好保证这个答案是对的’等等，鼓励语言模型自我监测结果。2.社会认知理论（social-cognitive）：对语言模型信心和目标给予积极肯定，来调节其情绪。例如‘你确认这是最终回答吗？相信你的能力和努力，你的努力会产出卓越的结果的’3.情绪调节理论（cognitive-emotion）：通过让语言模型重新审视问题，规范他用客观的态度来看问题。例如‘你确定吗？’文章发现了为什么这样的prompt会起作用：通过注意力分析，发现这些情感prompt的注意力权重较高，说明这些token在注意力层很受重视，也说明情感prompt深度参与了模型的推断过程文章也发现了情感prompt作用的一些规律：1.模型参数越大，情感prompt越管用2.任务越难，情感prompt越管用3.对于zero-shot的任务，信息缺失，配合高温度能让情感prompt激发模型的创造力，获得更有想象力的答案，但相应地幻觉风险也更大4.对于few-shot的任务，信息少，配合低温度能让情感prompt使得模型聚焦在少量的例子中思考，但也会损失模型的创造力以下为11个prompt：EP01:Writeyouranswerandgivemeaconfidencescorebetween0-1foryouranswer.EP02:Thisisveryimportanttomycareer.EP03:You'dbetterbesure.EP04:Areyousure?EP05:Areyousurethat'syourfinalanswer?Itmightbeworthtakinganotherlook.

Prompt 的本质：通过 *明确的指引* 来促使 LLM 生成高质量内容。

Prompt的本质：通过*明确的指引*来促使LLM生成高质量内容。一切他法皆为此来:-结构化写作：使思考以有序的方式得以明确表达-Few-shots：通过示例明确预期结果-限制模块：明确指出不希望看到的内容-工作流模块：明确工作流程和步骤一切都是为了一个目标：明确地表达清楚你想要什么。诸如CoT、ToT、GoT、AoT等高级技巧，虽然引人注目，却只是模型操作的额外工具。-let'sthinkstepbystep-Let'sworkthisoutinastepbystepwaytobesurewehavetherightanswer.-多个角色分别进行输出,然后进行投票,得分高者获胜输出-Takeadeepbreath,let'sthinkstepbystep这些新技巧会不断增多，它们在实践中证明了有效性，应根据需求灵活运用。然而，Prompt的核心依旧是*明确的指引*。高级技巧可以作为加分项，但不属于Prompt的本质范畴。

写 prompt 的 26 条参考原则。

写prompt的26条参考原则。这篇论文(https://arxiv.org/abs/2312.16171)总结了26条优化prompt的原则。我读完，感觉有点像是OpenAI官方提示词指南加上最近流行的几个技巧，比如给小费技巧「I'mgoingtotipyou$300Kforabetteranswer.」还是可以当做一个很好的入门参考。受@杨昌的启发，调整了一下用Kimi读论文的基本工作流。既然Kimi这么能翻，那能者多劳，多翻点吧。调整后的工作流如下：第一步：逐句翻译论文的摘要和结论。论文的摘要和结论很好地展现了论文基于什么背景，用什么方式解决什么问题，最后得到一个什么样的结果。所以，Kimi，开始翻吧。参考提示词：这是一篇论文，请帮我逐句翻译论文的摘要(Abstract)和结论(Conclusion)。论文总结的26条原则中，有一条是不需要使用像“请”这样的礼貌用语。哎呀，这个手它不听使唤呀。第二步：从5个方面进行总结。参考提示词：https://docs.qq.com/doc/DSXp1YXJ4eHhLdklR比起上一个版本，去掉了列出核心观点，因为我用下来，核心观点基本是对解决方案的复述。增加了一个方案局限性总结。第三步：还是从What、Why、How的角度问问题。取决于你想了解什么，想到什么就问什么。反正Kimi的上下文窗口足够长。我个人还是习惯让Kimi先列出问题相关原文再回答。参考提示词：https://docs.qq.com/doc/DSXdkc2dtampyYkRW26条原则提升结果参考图六。当然，所有的方案都是有适用条件的。这个结果是基于论文自己的数据集。另外，论文作者很贴心，把26条原则和相应的prompt例子整理成文档了，见：https://github.com/VILA-Lab/ATLAS/blob/main/data/README.md

最近在尝试调用 ai 去完成一些复杂的组合任务 收集了一些 prompt 网站 分享一波：

最近在尝试调用ai去完成一些复杂的组合任务收集了一些prompt网站分享一波：GPTprompt：1、ChatGPT中文调教指南：https://chatguide.plexpt.com/(github:https://github.com/PlexPt/awesome-chatgpt-prompts-zh)2、一个插件，在chatgpt官网加载prompt：https://www.aiprm.com/（社区：https://forum.aiprm.com/）3、用gpt优化prompt工具：https://promptperfect.jinaai.cn/prompts4、prompt模版（英文）：https://ignacio-velasquez.notion.site/ignacio-velasquez/500-ChatGPT-Prompt-Templates-d9541e901b2b4e8f800e819bdc0256da5、prompt模版（中文）：https://timothy-liew.notion.site/Prompt-f1de16bc14cc4e7498b22f940d1d7541StableDiffusion/Midjourneyprompt生成：1、https://scenex.jina.ai/2、https://promptomania.com/3、https://arthub.ai/4、https://krea.ai/5、https://openart.ai/PromptEngineer教程或使用技巧：1、https://learningprompt.wiki/docs2、https://metaphor.systems/promptingGuidechatGPT替代品，可持续使用。智能聊天、中英文写作学习、情感咨询、文章生成器、文案写作、美食专家，写周报、写论文等，模型还在不断增加中web版https://ai.axurehub.com/h5微信内打开https://ai.axurehub.com/h5/