除了提示词库之外他们还更新了 Anthropic Cookbook 可以让你使用 Claude 3 新的能力的代码和提示词例子：

除了提示词库之外他们还更新了 Anthropic Cookbook 可以让你使用 Claude 3 新的能力的代码和提示词例子： 在Claude中使用图像：这本食谱提供了关于如何开始使用图像以及确保图像具有最高质量性能的最佳实践技巧。 自动评估：了解如何使用Claude来自动化提示评估过程。 启用 JSON 模式：通过这本快速简便的食谱，确保始终获得 JSON。 使用Claude创建内容审查过滤器：了解如何使用Claude为您的应用程序创建内容审查过滤器。 这里使用：

前几天我发了一个Claude的提示工程师给出的五个提示词的书写建议的视频，他最后提议去看 Claude 的文档。

前几天我发了一个Claude的提示工程师给出的五个提示词的书写建议的视频，他最后提议去看 Claude 的文档。 我去看了一下文档里面还有很多更详细的技巧也比较成体系，所以这里就翻译整理了一下。通过翻译和学习这个文档 我对之前不太理解的一些提示词概念也有了更深的理解。 整个文档包括两个部分第一部分是“提示设计”包括什么是提示（Prompt）和提示设计，提示是如何起作用的以及如何设计提示。第二部分是一些有用的提示词书写技巧。 这里是第一部分提示设计，详细的内容可以去这里看： 这里阅读体验不太好所以精简了一些内容。 什么是提示（Prompt）？ 给 Claude 的文本旨在引出或“提示”相关输出。提示通常采用问题或说明的形式。Claude 响应的文本称为“输出”。（图 1） 这是第一部分第一小节构建提示的内容： 很好地描述任务 在描述任务时，最好为 Claude 提供尽可能多的背景和细节，以及正确完成任务的任何规则。比如下面这个示例，我们将要求 Claude 帮助我们从给定文本中删除任何个人身份信息。（图 2） 如果我们需要 Claude 以特定格式进行响应，并通过各种输入一遍又一遍地正确执行任务，那么我们应该在提示中添加更多详细信息,比如（图 3）： 在这个修订版的提示中，我们： 提供了上下文（例如为什么我们希望完成任务） 定义术语（PII = 姓名、电话号码、地址） 给出有关 Claude 应如何完成任务的具体细节（将 PII 替换为 XXX） 标记提示的不同部分 XML 标签，如这些有助于划分提示中的一些重要部分，比如规则、示例或处理的输入文本。Claude 经过微调，特别关注由 XML 标签创建的结构。 我们还可以要求 Claude 在其响应中使用 XML 标签。这样做可以轻松地在自动处理输出的设置中提取关键信息。 Claude 天生就很健谈，因此请求这些输出 XML 标记有助于将响应本身与 Claude 对响应的评论分开。 比如下面两个例子（图 4）： 示例（可选） 通过在提示中添加一些示例，可以让 Claude 更好地了解如何正确执行任务。可以大大提高准确性和一致性。如果你确实添加了示例，最好使用标签清楚地标记它们，以便将它们与你希望 Claude 处理的文本区分开来。

Anthropic的提示工程师在视频里分享了他的五个重要的提示书写方法帮助你用好Claude，我才知道Claude支持XML标签

Anthropic的提示工程师在视频里分享了他的五个重要的提示书写方法帮助你用好Claude，我才知道Claude支持XML标签，思考标签这种东西也太离谱了。 我把视频翻译了一下加上了字幕，相关的例子可以看视频，下面是具体的五个提示工程方法： →首先需要描述你的任务，Claude对直接清晰的描述和具体的指导说明响应很好。 →其次用XML标签标记提示的不同步部分，比如XXX。 →第三个是给出一个例子，例子越多越好。 →第四个是利用Claude非常长的上下文长度，给他提供足够多的信息。 →最后一个建议是让Claude思考，在Claude你可以使用思考标签来标注需要思考的内容，然后再说它需要输出的答案。 Invalid media:

人工智能初创公司Anthropic推出聊天机器人Claude 3新模型

人工智能初创公司Anthropic推出聊天机器人Claude 3新模型 该公司称，在行业基准测试中，能力最强的新机型 Claude 3 Opus 的表现优于 OpenAI 的 GPT-4 和Google的 Gemini Ultra，如本科生水平的知识、研究生水平的推理和基础数学。这是 Anthropic 首次提供多模式支持。用户可以上传照片、图表、文档和其他类型的非结构化数据，以供分析和解答。其他定制改款模型如 Sonnet 和 Haiku比 Opus 更小巧，价格也更低。据 Anthropic 称，Sonnet 和 Opus 从下周一开始在 159 个国家上线，而 Haiku 将很快上线。该公司拒绝说明培训 Claude 3 所花费的时间或成本，但表示 Airtable 和 Asana 等公司帮助对这些模型进行了 A/B 测试。去年这个时候，Anthropic 开始被认为是一家很有前途的生成式人工智能初创公司，它由前 OpenAI 研究高管创立。它已经完成了 A 轮和 B 轮融资，但只推出了第一版聊天机器人，没有任何消费者访问或大张旗鼓的宣传。12 个月后，它已成为最炙手可热的人工智能初创公司之一，支持者包括Google、Salesforce 和亚马逊，其产品在企业和消费者领域都与 ChatGPT 直接竞争。在过去的一年里，这家初创公司完成了五笔不同的融资交易，总金额约为 73 亿美元。根据 PitchBook 的数据，在过去一年里，生成式人工智能领域出现了爆炸式增长，2023 年近 700 笔交易的投资额达到了创纪录的 291 亿美元，交易额同比增长超过 260%。它已成为一个又一个季度的企业财报电话会议上最热门的词汇。学术界和伦理学家对该技术传播偏见的倾向表示了极大的担忧，但即便如此，它还是迅速进入了学校、在线旅游、医疗行业、在线广告等领域。Anthropic公司联合创始人丹妮拉-阿莫迪（Daniela Amodei）在接受CNBC采访时说，有60到80人从事核心人工智能模型的开发工作，120到150人从事技术方面的工作。阿莫迪今年 7 月告诉 CNBC，在人工智能模型的最后一次迭代中，有一个 30 到 35 人的团队直接参与其中，共有约 150 人提供支持。Anthropic说，Claude 3可以概括大约15000个单词，或者说是一本相当厚的书（大约是《白鲸记》或《哈利-波特与死亡圣器》的长度范围）。它的前一版本只能概括 75000 字。用户可以输入大型数据集，以备忘录、信件或故事的形式要求摘要，相比之下，ChatGPT 只能处理大约 3000 个单词。阿莫代还表示，与前一版本相比，《Claude 3 号》在应对风险方面有了更好的理解。为了追求一个高度无害的模型，Claude 2有时会过度拒绝请求，当有人碰到一些比较尖锐的话题或碰触信任和安全防护栏时，Claude 2 号在回答这些问题时有时会趋于保守。而根据 Anthropic 的说法，Claude 3 对提示的理解更加细致入微。多模态，即在生成式人工智能中添加照片和视频功能等选项，无论是自己上传还是使用人工智能模型创建，都已迅速成为业界最热门的用例之一。"世界是多模态的，"OpenAI 首席运营官 Brad Lightcap介绍说。"如果你想想我们人类处理世界和与世界打交道的方式，我们看到的东西、听到的东西、说出来的东西世界比文本大得多。因此，对我们来说，将文本和代码作为单一的模式、单一的界面，让我们了解这些模型有多么强大以及它们能做什么，总是感觉不完整。"但是，多模态和日益复杂的人工智能模型也带来了更多潜在风险。最近，Google下线了其人工智能图像生成器（双子座聊天机器人的一部分），因为用户发现了与历史不符的内容和有问题的回复，这些内容在社交媒体上广为流传。Anthropic 的 Claude 3 不生成图像，而只允许用户上传图像和其他文件进行分析。"当然，没有一种模型是完美无缺的，我认为这一点非常重要，"阿莫迪表示。"我们一直非常努力地使这些模型尽可能地兼具能力和安全性。当然，在某些地方，模型还是会不时地出现一些问题。" ... PC版： 手机版：

这个研究有点强的，我们可能获得了另外一种增强Stable Diffusion控制的方法，它允许你使用富文本书写提示词。

这个研究有点强的，我们可能获得了另外一种增强Stable Diffusion控制的方法，它允许你使用富文本书写提示词。 比如指定某个提示词的颜色，例如提示词中有长发这个单词，然后你把长发的文字颜色改成了粉色，那么生成图像的头发颜色就会变成粉色。不只是那种粗略的粉色哦，是带有精确色值的。 下面我们分别来看一下它支持的富文本格式和生效方式： 首先你可以通过字体颜色控制生成对象的颜色，比如下面这张图Hair头发的字体颜色被改成粉色的时候生成图像的头发颜色就会变为粉色。 然后你可以改变对应提示词单词的字体来赋予图像对应的风格，这个就有点意识流了，全看模型对这个字体的感知，比如下面这这张图的guitar吉他的字体如果是比较放松的就会生成彩色的吉他，如果是古朴的手写体吉他就比较有年代感。 最后你可以给对应提示词的单词增加注释对其进行补充说明，比如下方这个例子中的cat被加上了“一只戴着墨镜、脖子上围着头巾的猫。”这样的注释在不影响整体画面的情况下猫这个主体准确的生成了注释的内容。你也可以给多个单词都加上这样的注释。 下面看一下这个论文大概的原理： 简单来说他们用了一种方法获得了每一个提示词单词对生成图像影响区域的映射，然后用将富文本的属性拿出来单独针对每个影响的提示词单词的区域再进行降噪操作从而修改扩散模型第一次生成的图像。 好了介绍到这里就结束了，希望早日有大神可以将这种方法集成到SD里面，或者开发出更多地富文本格式。 这里是论文的介绍： 这里你可以试玩这个控制方法：

沃顿商学院发布了一个专门用来教学的提示词库，里面包含了非常多用于学习和教育的提示词。

沃顿商学院发布了一个专门用来教学的提示词库，里面包含了非常多用于学习和教育的提示词。 同时也有一些其他很有用的提示，比如密度链总结、因果关系解释、产品发布提示和学术论文创建。 如果你有孩子或者本身就是学生和教师可以收藏一下，同时比较普适性的几段提示我也放在下面了 创意生成提示 根据以下条件激发创新的产品构思：目标人群为美国大学生的新产品创意，必须是实体商品，而非服务或软件。产品的零售价格应低于50美元。这些建议只是概念，无需考虑产品是否已存在或是否切实可行。请严格遵循以下步骤操作：首先，列出100个简短标题的创意清单。其次，逐一审查这些创意，确保它们既独特又大胆，必要时对创意进行调整，让它们更具创新性和差异性。要保证每一个创意都是唯一的，这一点非常重要！接下来，为每个创意起个名称，并附上产品描述。创意名称与描述之间用冒号分隔，描述应以40至80字的段落形式呈现。请按步骤完成这一过程！ 利用连锁密度法撰写摘要 来自这篇文章：你会向我索取一篇文章，接着你需要撰写逐渐简洁、重点突出的文章摘要。 重复以下两个步骤共五次： 步骤1. 从文章中找出1-3个信息丰富的关键要素（用分号隔开），这些要素在前一个摘要中遗漏了。 步骤2. 编写一个新的、更为精炼的摘要，长度与之前相同，覆盖前一个摘要中的所有要素和细节，并加入遗漏的要素。 遗漏的要素应该： - 与主要内容紧密相关， - 具体而简明（不超过5个词）， - 新颖（不在前一个摘要中出现）， - 忠实于原文（文章中确有其事）， - 可以在文章任何地方出现。 指导原则： - 第一篇摘要应该较长（4-5句，约80字），但内容泛泛，除了标注为遗漏的要素外，几乎不含其他信息。使用冗长的语言和辅助词汇（例如，“这篇文章讨论了”）来达到约80字。 - 让每个字都价值连城：重写之前的摘要，提升条理性，为新增要素腾出空间。 - 通过整合、精简和删减如“这篇文章讨论了”等无关紧要的短语来创造空间。 - 摘要应该变得高度集中且简练，同时能够独立于原文自成一体，即使不阅读原文也能轻松理解。 - 新摘要中可以在任何位置添加遗漏的要素。 - 永远不要从前一个摘要中删除任何要素。如果无法为新增要素创造空间，那就减少添加的新要素。