在计算机领域，提示词 (Prompt) 指的是算法输出之前的那段前置左向字符串。比如最早 MSDOS 下的 C:\>，Linux 下的～:，IPython 下面的 >>> 这些都算是提示词。在 2023 年，提示词已经成为和大规模语言模型 (LLMs) 互动最自然直观的方式。如果将 ChatGPT 比喻成哈利波特小说中的绚丽魔法，那么提示词就像召唤魔法时的咒语。 能不能用好这个魔法，取决于你念咒语时是清晰明确，还是夹杂着 “口音”。 同样一个魔法，念咒的人不同，威力也不尽相同。所谓一千个读者就有一千个哈姆雷特，但一千个巫师的阿瓦达索命咒也不及伏地魔一个人念的有效（当然伏地魔念得再好也不如哈利念得有效）。所以，能不能用好 ChatGPT 和大规模语言模型，很大程度上取决于你提示词的质量。事实上，不仅语言模型，包括几个月前很火的 DALL·E，Stable Diffusion 等 AI 文本到图片的生成模型，提示词对其生成艺术的风格和质量也有非常大的影响。
（同样是汉堡，同样是 Stable Diffusion 2.1 模型，左边汉堡中的提示词哪怕加了 "Trending on Artstation" 也令人没有胃口。那么问题来了，右边的提示词你能猜到是什么么？）但说起提示词，难免让人爱恨交加。爱的人把它视为技术与艺术的融合，恨的人把它看做阻碍机器学习和 AI 前进的绊脚石。ChatGPT 创始人 Sam Altman 认为提示词工程（Prompt Engineering）是用自然语言编程的黑科技，绝对是一个高回报的技能。 网络和论坛上搜集、整理甚至高价出售、悬赏提示词的比比皆是。很多人把提示词看做 AIGC 这个时代的源代码，对应的网课已经开始涌现。与之相对应的， 人尽所知的深度学习巨头 Yann LeCun 却认为，提示词工程的存在是因为 LLMs 对真实世界理解的不足 。他觉得 LLMs 需要提示词只是一个临时态，这恰恰说明了当前 LLMs 还有很大的改进空间。随着 LLMs 技术的不断革新，LLMs 很快会具备理解真实世界的能力，到那时提示词工程就失去了存在的价值。未来太远，但就目前 LLM 的发展来客观讲，提示词的存在是有一定意义的。正如在现实世界中人与人的互动需要一定的沟通技巧一样， 你也可以把提示词看做人与机器互动时的沟通技巧 。好的提示词可以帮助你在使用 LLMs 时取得更好的结果，这就像在现实世界中，口才出众、能说会道的人往往可以更快速地协调完成工作。尽管在 2023 年，自然语言已经鱼跃成为了人和人、人和机器之间沟通的统一方式，然而与 LLM 机器 进行沟通还是比与人交谈更具挑战性。首先，LLM 无法像人类一样理解细微差别、语气或上下文，这意味着需要仔细设计提示词，使其明确且易于被模型理解。你可以想象你叽里咕噜对 LLM 说了一大堆，然后 LLM 冷淡地回复了一句 “说人话”。其次，由于训练语料的限制，LLMs 在语言理解方面可能存在一定的局限性，一些现实世界中的长逻辑表达，铺陈、反转、甚至是简单推理归纳在 LLMs 中不能被完美的理解和执行。而 LLMs 中因为训练语料中而产生的一些暗语（比如 GPT 中最著名的 "Let's think step by step / 让我们一步一步思考" , "Below is my best shot / 下面是我最好的一次预测"）在人与人的日常沟通间反而不常见。这些都使得提示词工程进一步复杂化，晋升为所谓的 “玄学”。对于母语非英语的中国用户来说，提示词也是阻碍大家对 LLMs 尝鲜的最大痛点。 回想 2022 年暑期 Midjourney、Stable Diffusion 在英语市场如日中天时，国内的社区反应并不热烈。究其原因，还是因为 Midjourney、Stable Diffusion 的提示词以英文为主，在构建时需要大量的词汇和流行文化储备。这对于想尝鲜的中文用户都极其不友好。ChatGPT 之所以能够在中文社区火爆，一部分原因也得力于其在中文上的良好支持，这极大地降低了中文用户的门槛。汉语作为世界上使用量数一数二的语言，仍然被提示词绊了一个小跟头；自郐而下，小语种究竟有多难可想而知。总而言之，提示词工程的存在具有它的合理性。一个好的提示词也确实能带来事半功倍的意义。好的提示词能够帮助我们了解大语言模型的能力和边界，深入挖掘它的潜力，从而在生产实践中更好地发挥其作用。这其中最著名的例子就是 上下文学习 (In-context learning)。
体验链接：https://promptperfect.jina.ai这条回复中提到的 promptperfect.jina.ai 用魔法驯化魔法，让 AI 指导 AI，当你输入提示词后，它就会输出优化后的「最美提示词」，并让你预览优化前后的模型输出。这样就实现了从 “garbage-(prompt)-in-garbage-(content)-out” 到 “好输入 - 好输出” 的良性循环。根据产品的官方文档介绍，其不仅支持当下最火的 ChatGPT 提示词优化，还支持 GPT 3、Stable Diffusion、Dall-E。接下来就让我们来测评一下这位 “AI 提示词工程师” — 最美提示词（PromptPerfect）究竟有哪些科技与狠活。
面对 GPT3 或 ChatGPT 时，提示词卡壳可能是因为沟通能力有限，难以表述清晰的问题或指令，严重影响到模型的回答质量。我们尝试用「最美提示词」优化一些常见指令，如下图，「最美提示词」 把原本简略粗糙的提示词 “请给我发一些赚钱思路” 进行了上下文的扩展，输出了一条堪称完美的提示词：
手动输入靠运气
使用「最美提示词」靠科技相比原始提示词，「最美提示词」 定义了明确的目标、清晰的产出，还给 ChatGPT 补充了情景式铺垫的逻辑 ，使得 ChatGPT 生成的措施更具实操性，效果的确肉眼可见地得到了大幅改善。2、轻松拿捏不同的 LLMs/LMs 的 “话术”不同的 LLMs 有不同的脾气和习惯，想要与他们进行有效沟通，就需要学会当地的话术。否则就很容易形成鸡同鸭讲。就好比当你好不容易掌握了 Stable Diffusion 咒语，结果发现 ChatGPT 的对话方式就完全不同，一切积累从头再来。“最美提示词” 帮用户就免去了对不同模型的学习成本，不论是 ChatGPT、GPT 3、Stable Diffusion 还是 Dall·E 等， 只要选择模型，就可以一键就能优化最合适的提示词。
3、中文提示词一键优化生成完美英文提示词跟单模态的 ChatGPT 比起来，在 AI 绘画领域，英文说不好就是难下笔。就算囤了一堆提示词，也可能因为词汇量不够，不知道怎么描述，找不到合适的提示词而郁闷。「最美提示词」 可以把你用中文想的提示词直接变成英文的提示词 ，让你用起来更顺手，效果也更棒，不用再费劲去学习各种英文形容词，中文用户也能轻松上手。有时候我们用 DALL・E 或 Stable Diffusion 生成图片时，会觉得很难出效果。这可能是因为我们英文不够好，也可能想象力不够丰富，没法想出具体的图像或场景。所以出来的图片就很模糊或者很奇怪。我们尝试用「最美提示词」优化一些常见指令，比如说，下图，「最美提示词」把原来简单粗糙，略显无聊的 “印象派的北京街景” 改成了一句带有丰富描述，超级赞的英文！
优化前的提示词完全显示不出来印象派、耳机、未来风格AI 绘画的提示词测试起来更加一目了然，「最美提示词」生成了冗长但无比精准的 “咒语”，直接提升了原始提示词的审美、想象和阅历，使得画面更生动，更准确地表达了我们原本的期望。4、开发者可直接调用的 API想要大批量优化提示词，或是直接在现有系统中集成，那么 可以直接调用「最美提示词」的 API ，这样可以更快地生成批量的优质提示词 ，不管你需要多少个提示词，「最美提示词」都能为你快速完成，提供最优质的服务。
在这个生成式 AI 海啸般地突破了多种模态壁垒的时代，「最美提示词」可直接提高大模型生产力，带来效率上地显著提升，我们同样注意到 Jina AI 还研发了 Rationale（rationale.jina.ai），基于 ChatGPT 的 AI 决策工具，只需输入心中所想的一个或几个决策，Rationale 10 秒内就能为你生成一份专属的决策评估报告。它可以用于咨询、评测、调研、策划、汇报等场景，提高决策效率。作为一款具有 “批判性思维” 的人工智能决策工具，Rationale 能通过帮助大家列出不同决策的优缺点、生成 SWOT 报告、进行多标准分析或因果分析等拓宽思路、提炼观点，做出理性的决策。2023 年或将成为初创企业改变游戏规则的一年。
体验链接：https://rationale.jina.ai随着 ChatGPT API 的开放，2023 年面向 C 端的 AI 应用就像 2000 年互联网时代一样，形成井喷式大爆发：每天都有数以百计的 ChatGPT API 的应用面世，它们遍布各个领域，打破了现有的规则，并颠覆了多个领域的生态。一些传统巨头面临挑战，一些传统的壁垒面临打破，一些传统行业面临革新。而对于我们来说，想要在 AI 新时代站稳脚跟，就得站在巨人的肩膀上，吟诵出完美的咒语，用魔法来解决各类生成任务，毕竟完美的提示词就是一个 ChatGPT 应用的灵魂所在。 很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
我收到这个错误:RuntimeError(自动加载常量Apps时检测到循环依赖当我使用多线程时。下面是我的代码。为什么会这样？我尝试多线程的原因是因为我正在编写一个HTML抓取应用程序。对Nokogiri::HTML(open())的调用是一个同步阻塞调用，需要1秒才能返回，我有100,000多个页面要访问，所以我试图运行多个线程来解决这个问题。有更好的方法吗？classToolsController0)app.website=array.join(',')putsapp.websiteelseapp.website="NONE"endapp.saveapps=Apps.order("
无论您是想搭建桌面端、WEB端或者移动端APP应用，HOOPSPlatform组件都可以为您提供弹性的3D集成架构，同时，由工业领域3D技术专家组成的HOOPS技术团队也能为您提供技术支持服务。如果您的客户期望有一种在多个平台（桌面/WEB/APP，而且某些客户端是“瘦”客户端）快速、方便地将数据接入到3D应用系统的解决方案，并且当访问数据时，在各个平台上的性能和用户体验保持一致，HOOPSPlatform将帮助您完成。利用HOOPSPlatform，您可以开发在任何环境下的3D基础应用架构。HOOPSPlatform可以帮您打造3D创新型产品，HOOPSSDK包含的技术有：快速且准确的CAD
英文版英文链接关注公众号在“亚特兰蒂斯的回声”中踏上一段难忘的冒险之旅，深入未知的海洋深处。足智多谋的考古学家AriaSeaborne偶然发现了一件古代神器，揭示了一张通往失落之城亚特兰蒂斯的隐藏地图。在她神秘的导师内森·兰登教授的指导和勇敢的冒险家亚历克斯·默瑟的帮助下，阿丽亚开始了一段危险的旅程，以揭开这座传说中城市的真相。他们的冒险之旅带领他们穿越险恶的大海、神秘的岛屿和充满陷阱和谜语的致命迷宫。随着Aria潜在的魔法能力的觉醒，她被睿智勇敢的QueenNeria的幻象所指引，她让她为即将到来的挑战做好准备。三人组揭开亚特兰蒂斯令人惊叹的隐藏文明，并了解到邪恶的巫师马拉卡勋爵试图利用其古
我们目前正在为ROR3.2开发自定义cms引擎。在这个过程中，我们希望成为我们的rails应用程序中的一等公民的几个类类型起源，这意味着它们应该驻留在应用程序的app文件夹下，它是插件。目前我们有以下类型:数据源数据类型查看我在app文件夹下创建了多个目录来保存这些:应用/数据源应用/数据类型应用/View更多类型将随之而来，我有点担心应用程序文件夹被这么多目录污染。因此，我想将它们移动到一个子目录/模块中，该子目录/模块包含cms定义的所有类型。所有类都应位于MyCms命名空间内，目录布局应如下所示:应用程序/my_cms/data_source应用程序/my_cms/data_ty
我最喜欢的Google文档功能之一是它会在我工作时不断自动保存我的文档版本。这意味着即使我在进行关键更改之前忘记在某个点进行保存，也很有可能会自动创建一个保存点。至少，我可以将文档恢复到错误更改之前的状态，并从该点继续工作。对于在MacOS(或UNIX)上运行的Ruby编码器，是否有具有等效功能的工具？例如，一个工具会每隔几分钟自动将Gitcheckin我的本地存储库以获取我正在处理的文件。也许我有点偏执，但这点小保险可以让我在日常工作中安心。 最佳答案 虚拟机有些人可能讨厌我对此的回应，但我在编码时经常使用VIM，它具有自动保存功
我想知道是否可以通过自动创建数组来插入数组，如果数组不存在的话，就像在PHP中一样:$toto[]='titi';如果尚未定义$toto，它将创建数组并将“titi”压入。如果已经存在，它只会推送。在Ruby中我必须这样做:toto||=[]toto.push('titi')可以一行完成吗？因为如果我有一个循环，它会测试“||=”，除了第一次:Person.all.eachdo|person|toto||=[]#with1billionofperson,thislineisuseless999999999times...toto.push(person.name)你有更好的解决方案吗？
文章目录1.自动驾驶实战：基于Paddle3D的点云障碍物检测1.1环境信息1.2准备点云数据1.3安装Paddle3D1.4模型训练1.5模型评估1.6模型导出1.7模型部署效果附录show_lidar_pred_on_image.py1.自动驾驶实战：基于Paddle3D的点云障碍物检测项目地址——自动驾驶实战：基于Paddle3D的点云障碍物检测课程地址——自动驾驶感知系统揭秘1.1环境信息硬件信息CPU:2核AI加速卡:v100总显存:16GB总内存:16GB总硬盘:100GB环境配置Python:3.7.4框架信息框架版本:PaddlePaddle2.4.0（项目默认框架版本为2.3
2022年底，OpenAI的预训练模型ChatGPT给人工智能领域的爱好者和研究人员留下了深刻的印象和启发，他展现的惊人能力将人工智能的研究和应用热度推向高潮，网上也充斥着和ChatGPT的各种聊天，他可以作诗、写小说、写代码、讨论疫情问题等。下面就是一些他的神回复：人命关天的坑： 写歌，留给词作者的机会不多了。。。 回答人类怎么样面对人工智能： 什么是ChatGPT？借用网上的一段介绍，ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动
目录ChatGPT简介技术原理应用未来发展ChatGPT的10 种用法ChatGPT简介ChatGPT是一种基于深度学习的大型语言模型，由OpenAI公司开发。技术原理GPT是GenerativePre-trainedTransformer的缩写，意为生成式预训练变压器。它的技术原理是使用了一个基于注意力机制的变压器（Trans
