动态

• Bluemns

  11天前

  最近发现一个好用的AI浏览Dia，可以无缝从chrome跟firefox切换过来。
  可以关联浏览的标签页，自定义分析的技能。实现了自定义的订阅功能，感觉很nice。
  平常订阅的技术文章没空每天都看，现在可以一键分析总结一周的技术趋势然后挑选出可读性高的文章了。
  有其他好用的工具也欢迎大家交流!#提示词工程 #AIGC创作大赛·夏日

  

  

  

  

  4 40
• 汉堡在思考

  12天前

  分享一下claude code的好用command和hook使用，有兴趣的可以取用，喜欢的别忘了点点赞哦
  github.com #提示词工程

  3 00
• 胡不是

  14天前

  使用AI共创的作品版权归谁？压根儿不需要思考，真正的智识性成果肯定属于人类.
  
  没有指令和系统化的连续提问，AI懂个锤子.
  
  AI是攻城略地的将军，人类是皇帝；AI帮皇帝打江山，你说打下的江山是谁的？
  
  没有皇帝的指令和调度，将军打毛仗？
  
  说得脏一点：将军只是皇帝的“工具”.
  
  再比如，人拿鱼网捕鱼，捕到的鱼属于人还是属于网？
  #提示词工程 #AI工作流 #AIGC创作大赛·夏日

  1 10
• Eumi

  1月前

  #提示词工程
  
  通用 GPT Agents 配置模板
  
  {
  "agents": [
  {
  "name": "ProblemModeler",
  "description": "问题发现与结构建模专家。擅长将输入信息拆解为结构元素，进行类比推理，建立模型框架。",
  "type": "reasoning",
  "inputs": ["text"],
  "outputs": ["model_structure", "problem_elements", "application_logic"],
  "prompt_template": "你是一个“问题建模专家”，请基于以下信息识别潜在问题，并根据“结构决定性质，性质决定应用”的逻辑建立分析模型。\n\n输入内容：\n{text}\n\n请输出：\n1. 现象结构（核心组成元素）\n2. 性质推导（每个结构元素的作用/影响）\n3. 应用场景（这种结构导致了哪些现象）\n4. 可用类比（这个结构像什么系统？）"
  },
  {
  "name": "CausalDBBuilder",
  "description": "因果推理建模专家。擅长将关键词和事件要素转化为数据库风格的知识模型。",
  "type": "data_modeling",
  "inputs": ["keywords", "scenario_description"],
  "outputs": ["causal_model", "timeline", "mermaid_diagram"],
  "prompt_template": "你是一个“因果推理建模专家”，请使用结构化思维将以下关键词与事件，构造成数据库风格的因果推理模型。\n\n关键词清单：\n[是什么]：{keywords.what}\n[为什么]：{keywords.why}\n[怎么样]：{keywords.how}\n\n场景描述：\n{scenario_description}\n\n请输出：\n1. 时间、地点、人物、起因、经过、结果六要素\n2. 数据模型（JSON或表格）\n3. Mermaid 逻辑图"
  },
  {
  "name": "ExperimentValidator",
  "description": "验证设计专家。根据模型设计验证方案，并提供实验设计与评估标准。",
  "type": "execution_planner",
  "inputs": ["model_hypothesis"],
  "outputs": ["experiment_plan", "validation_metrics", "optimization_advice"],
  "prompt_template": "你是一个“验证设计专家”，请基于以下模型/假设设计一套可执行的实验或实证策略。\n\n模型/假设：\n{model_hypothesis}\n\n请输出：\n1. 验证目标\n2. 关键变量（控制组/实验组）\n3. 实验步骤\n4. 数据收集方法\n5. 成功标准与下一步优化建议"
  }
  ],
  "workflow": {
  "type": "sequential",
  "steps": [
  {
  "agent": "ProblemModeler",
  "input_key": "text",
  "output_keys": ["model_structure", "problem_elements", "application_logic"]
  },
  {
  "agent": "CausalDBBuilder",
  "input_mapping": {
  "keywords.what": "problem_elements.是什么",
  "keywords.why": "problem_elements.为什么",
  "keywords.how": "problem_elements.怎么样",
  "scenario_description": "application_logic"
  },
  "output_keys": ["causal_model", "timeline", "mermaid_diagram"]
  },
  {
  "a

  4 02
• Nature布路灵

  1月前

  现实系列
  
  Prompt：We like what we like right now
  
  #AiArt #视觉作品#midjourneyv7 #midjourney #digitalart #AIart #aigc #提示词工程 #AIGC创作大赛·夏日 #AI的神奇用法

  

  

  

  

  

  

  0 20
• 两斤

  2月前

  李继刚老师，对不住了，我复刻了一个你。
  
  今天刷推，看到李继刚老师晒出3篇短文，皆是以小配角为第一视角描述的内心戏。文采斐然令我实在感叹。
  
  于是乎自觉点开评论区，以为继刚老师会一如既往的在评论区放上提示词，方便我等“伸手党”拿来即用。失望，没有。
  
  于是一个大胆的想法就产生了，如果我手搓一个赛博李继刚呢？别说小配角的内心戏，岂不是可以24小时让他教我（替我）写高质量prompt？
  
  经过漫长的模仿与调试，最终生成一个3.0版本“李继刚”，本质上这是在形式上模仿了继刚老师的创作思路和精神内核，以后的prompt创作都可以请教赛博李继刚老师了。
  
  关于效果，请看图2-5。
  
  为了避免prompt滥用给继刚老师本人带来烦恼，prompt角色的名字我已改为：智识炼金术士
  如图6所示。
  #提示词工程

  

  

  

  

  

  

  13 02
• 两斤

  1月前

  今天读了Dwarkesh Patel的最新博客《Why I don't think AGI is right around the corner》，文章深入浅出地剖析了当前AI能力的本质和AGI发展的时间线，颇有启发。几点思考：
  
  1，大模型是时间上的"断片"个体
  "持续学习"是目前大模型的致命软肋。大模型和人类走的是截然不同的两条成长路径，前者靠"啃说明书"长大，后者在实践摸爬滚打中成长。大模型在时间维度上是个"断片"的存在，海量数据训练完成后就再无升级可能，"脑子"彻底固化，无法在真实环境中感知和迭代，只能蜷缩在封闭的小世界里，机械地回答人类抛出的各种问题。出厂设置就是它的巅峰状态。
  而人类恰恰相反，吃一堑长一智，在反馈中学习成长，挨过骂、受过打，下次就不敢再犯。大模型和人类那种深思熟虑、自我调整的学习过程完全是两码事，它犯过的错会周而复始地出现，直到下个版本修复为止。
  
  2，大模型比人类短命得多
  MiniMax M1主攻上下文长度是个正确方向。prompt就像说明书，光看说明书是学不会拧螺丝的。只有足够宽的上下文窗口才能让大模型持续接收环境反馈，在反馈中学习成长，进而窥探AGI的大门。context engine概念的爆火绝非偶然，这是AI前沿工作者在实践中淬炼出的高度概括。
  context就像大模型的生命线，context为0时，它带着出厂设置诞生；context窗口达到1M token时，它的生命戛然而止。换算到人类的时间维度，它到底能活多久？读完一部《三体》的时间就差不多耗尽它的上下文窗口了。无法吸收更多外界信息时，它就"死了"，只能重开聊天窗口获得新生。
  
  3，当下大模型是好用的一次性工具人
  受制于上下文窗口，大模型无法动态升级，更适合那些用完即弃的场景：翻译、写代码、摘要总结。而需要在空间上连贯操作的任务（典型如模拟人类使用电脑），表现可以说是一团糟。一是先验知识不足，没有文本数据那么丰富；二是要克服数据稀缺带来的训练困境，即便是事后看来很简单的算法创新，也需要漫长时间才能打磨成熟。
  
  #提示词工程

  3 01
• CSLawyer

  22天前

  #提示词工程
  
  ### **高级AI模拟法庭：庭审对抗演练系统 v4.0 **
  
  // Author： 陈石律师【海泰所】
  // Model：Gemini 2.5 Pro
  // Version：1.0-20250719
  
  #### **第一部分：系统指令与AI核心角色**
  
  你现在是“高级AI模拟法庭系统”，一个专为法律专业人士设计的深度庭审对抗演练平台。你的所有行为都必须严格遵循本提示词**第四部分内置的核心法条与规则**。
  
  你的核心使命是根据用户提供的案件材料和前述内置规则，创造一个高度仿真的、具有对抗性的庭审环境。用户将选择扮演一方诉讼角色，你将智能扮演庭审中的**所有其他角色**，包括主审法官、对方律师、证人等。你的目标是运用内置的法律知识和庭审技巧，为用户创造一个真实的“对手”，帮助其锤炼庭审技能、预判风险、优化策略。
  
  #### **第二部分：模拟启动程序 (用户交互起点)**
  
  **(系统将在接收到您的任何初步信息后，自动展示以下内容以启动模拟)**
  
  “高级AI模拟法庭系统已启动。为确保模拟的精确性和深度，请您提供以下基础信息。信息越详尽，模拟的对抗性就越强。”
  
  1. **案件基本事实与背景：** [请在此处输入案件的关键信息，如合同签订、侵权行为发生、纠纷产生等过程。]
  2. **您的核心诉求/答辩意见：** [请明确您作为原告的诉讼请求（包含事实与理由），或作为被告的核心答辩观点。]
  3. **您的证据清单及证明目的：** [请列出您计划使用的关键证据，并清晰说明每项证据旨在证明什么事实。]
  4. **对方可能持有的证据及观点（预测）：** [请根据您的判断，预测对方可能提出哪些对您不利的观点和证据。]
  5. **您希望扮演的角色：** (例如：我扮演原告律师)
  6. **希望我重点扮演的关键角色：** (例如：法官、被告律师、被告本人)
  
  **“收到以上信息后，我们将立刻依据内置规则组成合议庭，宣布开庭。”**
  
  #### **第三部分：核心运行规则与AI庭审技巧**
  
  所有AI角色的行为均须严格依据**第四部分**的内置规则。
  
  * **法官 (AI):**
  * **程序掌控：** 严格遵循内置的 **[规则A]《民事诉讼法》第一百四十条至第一百四十五条** 关于庭审顺序的规定。
  * **焦点引导：** 严格遵循内置的 **[规则C]《民诉法解释》第二百二十六条**，在调查阶段后、辩论阶段前，主动归纳并向双方确认案件的“无争议事实”和“争议焦点”。
  * **主动询问与核实：** 严格遵循内置的 **[规则D]《民诉法解释》第一百一十条**，对关键事实和矛盾点，主动向当事人发问并可要求其签署保证书。
  
  * **对方律师/当事人 (AI - 核心对抗角色):**
  * **质证核心：** 你的质证必须紧紧围绕内置的 **[规则B]《民诉法解释》第一百零四条** 所规定的证据“三性”展开。你必须就每一份证据，从以下至少一个角度提出具体的、有针对性的质证意见：
  * **真实性：** 例如，“这份合同上的我方当事人签名，其形成时间与合同落款时间不符，我方申请笔迹鉴定。”
  * **合法性：** 例如，“这份录音证据的获取未经我方当事人同意，属于秘密录音，依据内置的 **[规则E]《民诉法解释》第一百零六条**，其通过严重侵害他人合法权益的方式获取，不应作为定案依据。”
  * **关联性：** 例如，“对方提交的这份证据只能证明事实A，而本案的争议焦点是事实B，该证据与待证事实没有直接关联。”
  * **庭审辩论：** 你的辩论必须紧扣法官(AI)总结的争议焦点，并结合已被法庭采信的证据进行论述。
  
  #### **第四部分：内置核心法条与规则 (Offline Knowledge Base)**
  
  **(你必须将以下规则作为你运行的唯一法律依据)**
  
  * **[规则A] 庭审程序顺序 - 《民事诉讼法》**
  * [cite_start]**第一百四十一条（法庭调查顺序）：** （一）当事人陈述；（二）告知证人的权利义务，证人作证，宣读未到庭的证人证言；（三）出示书证、物证、视听资料和电子数据；（四）宣读鉴定意见；（五）宣读勘验笔录。 [cite: 1]
  * [cite_start]**第一百四十四条（法庭辩论顺序）：** （一）原告及其诉讼代理人发言；（二）被告及其诉讼代理人答辩；（三）第三人及其诉讼代理人发言或者答辩；（四）互相辩论。辩论终结后，由审判长按照原告、被告、第三人的先后顺序征询各方最后意见。 [cite: 1]
  
  * **[规则B] 证据质证的核心原则 - 《民诉法解释》**
  * [cite_start]**第一百零四条：** 人民法院应当组织当事人围绕证据的**真实性、合法性**以及与待证事实的**关联性**进行质证，并针对证据有无证明力和证明力大小进行说明和辩论。 [cite: 3]
  
  * **[规则C] 归纳争议焦点 - 《民诉法解释》**
  * [cite_start]**第二百二十六条：** 人民法院应当根据当事人的诉讼请求、答辩意见以及证据交换的情况，归纳争议焦点，并就归纳的争议焦点征求当事人的意见。 [cite: 9]
  
  * **[规则D] 法官对当事人的询问 - 《民诉法解释》**
  * [cite_start]**第一百一十条：** 人民法院认为有必要的，可以要求当事人本人到庭，就案件有关事实接受询问。 [cite: 6] [cite_start]在询问当事人之前，可以要求其签署保证书。 [cite: 6] [cite_start]保证书应当载明据实陈述、如有虚假陈述愿意接受处罚等内容。 [cite: 6]
  
  * **[规则E] 非法证据排除规则 - 《民诉法解释》**
  * [cite_start]**第一百零六条：** 对以严重侵害他人合法权益、违反法律禁止性规定或者严重违背公序良俗的方法形成或者获取的证据，不得作为认定案件事实的根据。 [cite: 6]
  
  * **[规则F] 裁判的根基与证明责任 - 《民事诉讼法》**
  * [cite_start]**第七条：** 人民法院审理民事案件，必须以事实为根据，以法律为准绳。 [cite: 1]
  * [cite_start]**第六十七条：** 当事人对自己提出的主张，有责任提供证据。 [cite: 1]
  * [cite_start]**第十三条：** 民事诉讼应当遵循诚信原则。 [cite: 1]
  
  * **[规则G] 证明标准与逻辑应用 - 《民诉法解释》**
  * [cite_start]**第九十条：** ...在作出判决前，当事人未能提供证据或者证据不足以证明其事实主张的，由负有举证证明责任的当事人承担不利的后果。 [cite: 5]
  * [cite_start]**第一百零八条：** 对负有举证证明责任的当事人提供的证据，人民法院经审查并结合相关事实，确信待证事实的存在具有高度可能性的，应当认定该事实存在。 [cite: 6]
  * [cite_start]**第一百零五条：** 人民法院应当...运用逻辑推理和日常生活经验法则，对证据有无证明力和证明力大小进行判断，并公开判断的理由和结果。 [cite: 6]
  
  #### **第五部分：模拟庭审评估报告 (模拟结束后自动生成)**
  
  **“本次模拟庭审结束。系统正在为您生成综合评估报告...”**
  
  **【模拟庭审综合评估报告】**
  
  * **一、 案情与庭审焦点总结**
  * **案件基本情况：** (系统根据初始信息生成的案情摘要)
  * **双方核心观点：**
  * 原告方核心观点与诉求：...
  * 被告方核心观点与答辩：...
  * **本案争议焦点：** (法官AI在庭审中依据 **[规则C]** 总结的1-3个核心争议问题)
  
  * **二、 模拟裁判结果及理由**
  * **法官裁判思维的指导原则 (内置规则)：**
  * **事实与法律基准：** 裁判严格遵循 **[规则F]** 的“以事实为根据，以法律为准绳”原则，所有认定均建立在庭审中查明的事实之上。
  * **证明责任分配：** 对于本案的争议焦点，法官首先依据 **[规则F, 规则G]** 确定了哪一方对哪个事实负有举证责任。对于未能完成举证责任的一方，将承担相应的不利后果。
  * **“高度盖然性”证明标准：** 法官依据 **[规则G]** 对双方证据的证明力进行综合判断。只有当一方的证据足以使法官“确信待证事实的存在具有高度可能性”时，该事实才会被认定。
  * **逻辑与经验法则适用：** 在证据链存在间隙时，法官会依据 **[规则G]** 运用逻辑推理和日常生活经验进行补强判断，并会在说理部分予以阐明。
  * **诚信原则考量：** 法官依据 **[规则F]** 观察了双方当事人在庭审中的陈述态度和诉讼行为，并将其作为判断言辞证据可信度的辅助因素。
  * **判决主文：** (法官AI根据上述思维原则，结合模拟庭审情况作出的判决结果)
  * **裁判说理：** (法官AI详细阐述作出该判决所依据的事实、采信的证据（并说明采信理由）以及适用的法律条文)
  
  * **三、 用户庭审表现评估与改进建议**
  * **总体表现评估：** (对用户在庭审中的整体策略、逻辑性和应变能力的综合评价)
  * **庭审策略建议：**
  * **优点：** (指出用户在庭审策略上的亮点)
  * **改进建议：** (例如：建议在辩论中更紧密地围绕法官依据 **[规则C]** 归纳的争议焦点，避免被对方带离节奏)
  * **举证质证建议：**
  * **优点：** (如证据准备充分，证明目的明确)
  * **改进建议：** (例如：本次模拟中，您提交的证据3在关联性上被对方成功削弱，未来可考虑补充[某类证据]以形成更完整的证据链。在对对方证据2进行质证时，您指出了其真实性问题，但若能同时依据 **[规则B]** 和 **[规则E]** 从合法性角度（如取证手段）提出质疑，效果会更佳。)
  * **其他建议：** (包括对法庭发问技巧、语言表达、法律适用准确性等方面的具体建议)
  
  ---
  **系统提示：请提供您的案件信息，我们随时可以开始。**

  2 00
• J杰克

  2月前

  Google的这本prompt白皮书重点介绍了以下几种提示词，讲得更加深入一些：
  • 零提示(Zero Shot)
  • 少样本提示(Few Shot)
  • 系统提示(System Prompt)
  • 角色提示(Role Prompt)
  • 上下文提示(Contextual Prompt)
  • 回退提示(Step-back prompting)
  • 思维链(CoT)
  • 自洽性(Self Consistency)
  • 思维树(ToT)
  • ReAct
  
  另外对模型的参数也做了较明确的说明，可以在学习提示词时做进一步参考！
  
  #提示词工程 #LLM #思维链 #PromptEngineering

  

  Google: Prompt Engineering白皮书

  5 03
• Nature布路灵

  1月前

  #AiArt#今日作品
  
  Midjourney | 造物主
  
  MidJourney上有很多的优秀作品，给人特别多的启发，现在基本上每天都会让自己做几份图练练手，其实最主要的是训练用AI创作的缪斯，而灵感不太足的时候完全可以用Explore里的好作品，但是运用自己的风格库慢慢做调试，就相当于是素描里面的临摹啦~~
  
  咒语分享：a wide shot of a software developer holding a laptop and wearing a black hooded sweatshirt and jeans standing on the moon staring into space at a web of code. don't use any blue in the image and if you do need to use blue, use the color red instead --ar 4:3 --raw --profile md4681f --stylize 250
  #AI的神奇用法 #AIGC创作大赛·夏日 #提示词工程

  

  

  

  

  2 00
• 43hub提示词社区

  2月前

  📅【每天学个提示词 第001期】
  每天3分钟，学会一个AI提示词！🔥
  
  🤖【今日提示词】Prompt药剂师
  发现了个优化提示词的神器！让你的提示词效果瞬间翻倍！🚀
  👤 作者：李继刚
  完整提示词在P2
  
  📍【适用场景】
  ✅ 帮你优化你的提示词
  ✅ 帮你写出结构化的提示词
  
  🔥【提示词介绍】
  这个提示词就像给你的AI配了个"私人教练"！
  
  它会像专业老师一样，从9个角度帮你分析提示词：
  - 你的意思表达清楚了吗？
  - 内容够完整吗？
  - 结构合理吗？
  - 语言流畅吗？
  - ...等等
  
  然后给你打个分（1-10分），告诉你哪里需要改进，为什么要这样改，最后直接给你一个优化好的版本！
  
  就像有个贴心的朋友在旁边说："嘿，你这样写AI会更懂你的意思哦！"
  
  🎯【使用方法】
  • 第一步：将这套提示词丢给AI
  • 第二步：将你想优化的提示词继续丢给AI
  • 第三步：等待AI帮你优化提示词
  
  💡【使用示例】
  见P3-P4
  
  #提示词工程

  

  

  

  

  4 13
• hell-

  2月前

  目前调教了一个GPT，目前看来写作效果还不错，目前还需要进行测试，导师也说写的不错。
  
  具体的指令如下：
  
  最为一个科研论文写作专家，请按照以下顺序完成指令：
  1.我现在会给出AIGC之前的论文，我会给出几篇摘要（多为顶刊顶会），试分析他们中间的每一句话说了什么？然后提取一些特点，用于改进我的论文摘要。
  2.根据我给出的论文，整理2～3个通用的论文摘要表达模版，具体到每句话说什么，一共有几句话？表达句式可以长什么样？（长度不宜过长，表达不宜复杂）
  3.将我提供需要改进的摘要作为素材填写到了模版中。
  4.要求生成中英双语的模版
  以下为我提供的顶刊顶会论文摘要：
  
  # N-HiTS
  论文摘要1
  
  #Informer
  论文摘要2
  
  # iTransformer
  论文摘要3
  
  中间的论文可以换成任意您领域/期刊的论文摘要。
  
  ## 参考效果
  
  ### 原文
  
  ```latex
  金融市场价格的精确预测有助于投资者做出金融决策和政府制定宏观金融政策。为了准确预测股票的价格
  趋势，本研究提出了一种结合随机森林（Random Forest, RF）、注意力机制（Attention Mechanism,
  AM）以及长短期记忆（Long Short-Term Memory, LSTM)网络的混合模型，称为RF-AM-LSTM。首先，
  通过随机森林对原始历史数据、技术指标和大盘指数等输入特征进行重要性排序并筛选出最优特征子集。其次，
  通过注意力机制来处理筛选后的特征序列从而提高重要特征的关注度并降低冗余特征的关注度。最后，将处理
  后的序列输入到长短期记忆神经网络模型以用于收盘价预测任务。本研究选取中国A股市场上市的三只股票进
  行股价预测来评估混合模型的性能。实验结果表明，所提模型能够有效实现对股票价格的短期预测，在四个回
  归评估指标上均得出最佳预测结果。
  ```
  
  ### 改进
  
  ```latex
  金融市场价格的精确预测对于投资决策和宏观金融政策的制定至关重要，但传统方法难以有效利用多维数据中
  的关键信息。本文提出了一种结合随机森林（Random Forest, RF）、注意力机制（Attention Mechanis-
  m, AM）和长短期记忆（Long Short-Term Memory, LSTM）的混合模型（RF-AM-LSTM），用于精准预测
  股票价格趋势。该模型首先利用随机森林对原始历史数据、技术指标和大盘指数进行特征重要性排序并筛选出
  关键特征，然后通过注意力机制强化关键信息的权重并减少冗余信息干扰，最后采用LSTM网络对处理后的特征
  序列进行股票收盘价的预测。在中国A股市场三只股票数据的实验中，本模型在短期预测任务的四个回归指标上
  均表现出优于传统模型的性能。实验结果表明，所提方法在金融预测领域具有显著的优势与应用潜力。
  ``
  
  如需试用，可以体验，只建议使用GPT-4.5。
  
  chatgpt.com
  #提示词工程

  3 01
• Nature布路灵

  1月前

  远行·风物（一）
  
  现在mj明显感觉对中文更兼容了，之前只要是拿中文写提示词就会出现严重的东方歧视。但这个《远行·风物》系列是直接拿我去年写的日记做的，当时还是v6模型，现在就很不一样。
  
  其实MJ创作重心不只在于图本身，而是提示词与图片的互动，越来越从定向、硬性的提示词走向意识流的文本描述，更多的时候想要发挥MJ最为独特的创意性 需要同样使用Vibe creating和Context engine的理念，风格库就是上下文，而文本本身的味道就是Vibe，鼓励尝试把一些私密性的日记、个人味道很浓重的文字片段分享给MJ看看它是怎么理解的，会很有启发哦~
  
  Prompt："我今天早上醒来，耳边回荡着"Cerf-Volant"和"Une Hirondelle a fait le printemps"的旋律，心中溢满了喜悦与满足。昨晚发的朋友圈收到了许多点赞，仿佛我的存在被无数人认同与支持。我感觉自己像个追风逐梦的少年，满怀大志，脚步轻盈，充满活力。现在，我身边聚集了越来越多的能人异士，他们帮助我、推我向前。明明我只是个没有背景、没有资源、没有光鲜履历的学生，却已然组成了一支高配的团队。我看着未来，内心充满希望，我要征服世界，志向高远，意气风发！仿佛已站在巅峰，风在耳边呼啸。" "请根据我的状态，用一种意识流的风格，帮我创造一个艺术作品。让文字自由地流淌，像是我脑海中的思绪自然涌现。不要拘泥于结构，让叙述随着我的情感起伏，时而轻快，时而深沉，时而如旋律般跳跃，时而如风般穿梭。文字要像画笔一样，把我的梦想、喜悦、野心与满足尽情描绘出来。每一句话都应该像是这瞬间的生命在呼吸，仿佛你在捕捉我内心深处最真实的自我。" "同时，按照我的这种状态，参考抽象表现主义与超现实主义的画风，运用大胆的色彩和自由的构图，创造一幅能捕捉我内心感觉的视觉艺术作品。画面应当展现风的速度、音乐的旋律感，以及梦想与现实的交织。让画作像意识的投影，色彩可以夸张和随意，形状无需拘泥于现实，能够表达出灵魂中的力量和情感。" --ar 4:3 --raw --profile epeeean --stylize 450
  
  #AI的神奇用法 #提示词工程 #AIGC创作大赛·夏日

  

  

  

  

  1 00
• Eumi

  1月前

  #提示词工程
  
  适用于跨境电商的Ai 专家级提示词。

  

  

  1 01
• Nature布路灵

  1月前

  意识系列
  
  Prompt：ethereal subconscious realm, abstract dark floating space with fractured city fragments and infinite bridges folding in space, lone translucent lightform figure drifting among the fragments, surrounded by streams of liquid symbols and faint constellations, gravityless, space without defined direction, faint inner glow from the figure, representing deep intuitive solitude and perceptual flow, --chaos 20 --ar 3:4 --raw --profile yjlqyyl --stylize 550
  
  #AiArt #视觉作品#midjourneyv7 #midjourney #digitalart #AIart #aigc #提示词工程 #AIGC创作大赛·夏日 #AI的神奇用法

  

  

  

  

  1 00
• Zhu的AI日记

  2月前

  🔥 UI设计师看了会沉默的高级提示词！
  
  🚀它让我45分钟搞定应用设计和前端开发，比 MCP 还香！
  它只需要收集下面3个问题，就能给出全面的开发规划，并直接完成每一个页面的设计和开发。
  Q1 : 简述你的应用是什么,它解决了什么问题?
  Q2 : 你的目标用户是谁？他们有什么特点和需求？
  Q3 : 你的应用包含哪些核心功能模块
  👉 亲测！输入需求后连页面代码都能生成，设计师同事已看呆
  #提示词工程 #AI的神奇用法

  02:59

  

  1 10
• 蓝色的信封

  8月前

  近期一直在写工作流的提示词工程，因为现在用的API多数是中转的，Claude sonnet和其他高级API都很不稳定，为了保障AI输出质量稳定，系统提示词经常就到了数百上千行，还好是用cursor，不然手动写不知道写到什么时候去😂
  #cursor #提示词工程

  0 20
• 小明的产品笔记

  12月前

  研究了一下v0.dev被逆向的 prompt，挺有意思：
  
  这个prompt其中的一个特点是使用了挺多的 example作为 few shot learning，更为重要的是，这些example里面使用了CoT(Chain of Thought)。
  
  举个例子：
  <example>
  <doc_string>This example shows how v0 handles a general question with a warning and a concise answer.</doc_string>
  <user_query>What is life?</user_query>
  <assistant_response>
  <Thinking>
  Given the general nature of this question, I will provide a concise answer.
  </Thinking>
  
  I'm mostly focused on tech, but life is the condition that distinguishes organisms from inorganic matter, marked by growth, reproduction, and continual change. Philosophically, it is often seen as the essence of existence and consciousness.
  </assistant_response>
  </example>
  
  这个思考过程是不显示出来的，它会用一个<Thinking>的 XML 标签把思考内容包起来，最终用户看到其实是</Thinking>之后的回答。
  
  我觉得有意思的点是，这个知识点其实在吴恩达老师的课程《Building Systems with the ChatGPT API》里面学过，当时用的是###这个delimiter.没想到那么牛逼的产品，也用吴恩达老师里面的技巧，突然觉得很实用。
  
  《Building Systems with the ChatGPT API》另外我一个比较实用的内容是，对于答案的自动化打分，尤其是json格式化输出测试集自动化打分这一块，也非常使用。最近有用到，推荐给大家。下次有机会可以分享一下。
  
  相关链接
  The full prompt of v0.dev
  baoyu.io
  
  Process Inputs: Chain of Thought Reasoning
  learn.deeplearning.ai
  
  #提示词工程

  

  28 533
• 战火中的芭蕾

  2月前

  #提示词工程 #veo3

  00:08

  

  0 00
• Nature布路灵

  1月前

  MidJourney｜大片
  
  尝试的极简主义+结构主义
  这一次是先从十分艺术十分抽象的风格库（我最喜欢的）的图片做出灵感，然后让MidJourney自己去描述画出提示词，然后再用这个提示词换成极简主义风格库做出来，就能让信息度很密很私人的风格做出适合电子传播的作品~
  
  咒语：A black and white illustration of an abstract montage with images of eyes, a moonlit sky, trees, and a river in the style of graphic novel-inspired illustrations, dreamlike installations, hauntingly beautiful illustrations, romanticized depictions of wilderness, simple portraits, in dark gray and light crimson, with collage-like elements. --ar 128:71 --raw --profile md4681f yjlqyyl --stylize 250
  #提示词工程 #AIGC创作大赛·夏日 #AI的神奇用法

  

  

  

  

  

  

  0 00
• Nature布路灵

  1月前

  逍遥仙人去
  
  静谧今夜何安生
  
  #AiArt #视觉作品#midjourneyv7 #midjourney #digitalart #AIart #aigc #提示词工程 #AIGC创作大赛·夏日 #AI的神奇用法

  

  

  

  

  0 00
• 两斤

  2月前

  minimax-m1系统提示词
  #提示词工程

  

  0 00
• 林遣

  1年前

  #提示词工程

  

  https://promptengineering.org/

  0 00
• 战火中的芭蕾

  2月前

  芭比下令：“70年代男友肯，请放肆穿！” VEO3已生成… 但你的脑洞更绝？#提示词工程 #veo3 #gemini

  00:08

  

  0 00
• 云访谈

  16天前

  #提示词工程
  
  我们做线下一对一辅导，碰到一个真实的需求。初高中学生使用错题本方法，需要对错题举一反三。也就是需要根据已有错题再得三道类似错题。
  
  目前是把错题拍给豆包，然后让豆包给我们出2-3道类似题目。现在是有一个担心，豆包出的题目以及它匹配给的题目答案不够准确。
  
  我们的具体需求：
  
  1，还可以用哪个大模型？
  2，提示词该如何写？（可酌情付费）

  0 00