企业官网建设流程全解析

网站建设的概念,iis 创建网站,敏捷软件开发流程,国外采购平台有哪些本人笔记#xff1a; 编写一个好的提示词#xff08;Prompt#xff09;是一项需要反复实践和优化的技能#xff0c;其本质是为 AI 提供一份清晰、详尽、无歧义的工作说明书。 本人从2022年 ChatGPT 还没上市的时候#xff0c;就开始用 OpenAI 的 Playground 和 API 来试用…本人笔记编写一个好的提示词Prompt是一项需要反复实践和优化的技能其本质是为 AI 提供一份清晰、详尽、无歧义的工作说明书。本人从2022年 ChatGPT 还没上市的时候就开始用 OpenAI 的 Playground 和 API 来试用各种问答当然主要都是程序方面的。到今年算是有三年提示词使用经验。AI 技术方兴未艾提示词的学问也还在发展。但是可以看到有一些经验已经经过大量试验有了比较稳定的效果。他山之石加上个人经验以下是我认为构建一个有效提示词的关键。核心思想不断试验、更新优化提示词的编写不要期望一次成功。优秀的提示词是通过不断调整上下文、指令进行多轮测试的结果。如演讲中的案例所示最初简单的指令导致AI误判。经过上下文增补指令细化才达到最终理想的效果。关键四步一、明确角色与任务在提示词的开头就清晰地告诉AI它需要扮演什么角色以及它的具体目标是什么。当我问程序有关问题时会赋予 AI 一个资深程序员的角色。比如你是一头有500年编程经验的程序员精。当问部署有关问题时会赋予 AI 资深 DevOps 的角色。然后清晰完整描述要问的问题就是给 AI 明确任务。二、补足背景与上下文将任务所需的应有尽有的背景知识、规则、文档结构等固定信息预先提供给 AI。如果是自己写的应用最好放在系统提示 (System Prompt)中。如果是零售版的网页 AI可以把文件或图片上传加上适当的描述构成完整的背景和上下文。技巧使用类似 XML 标签。如用form_instructions…/form_instructions来包裹和区分信息能让 AI 更好地理解上下文结构。三、明确步骤不要让AI自己决定如何思考而是为其规划出一条清晰的逻辑路径比如先左后右先上后下见到红灯等一等见到绿灯赶紧滚。这个实际上已经是各种智能体的标准模式。在不同的垂直应用场景下列出 AI 的行动步骤和巡回路径。比如在演讲案例中指示 AI 第一步先仔细分析结构化的评判标准表格第二步再结合表格信息去理解手绘草图第三步综合两者做出判断。这模仿了人类的分析顺序能显著提升 AI 推理的准确性。四、规范输出格式明确要求AI以特定的“机器”都可以读懂的格式输出最终结果如JSON或XML。就好比考试的标准答题卡这对于将 AI 集成到自动化流程中非常有用。技巧把你想要的回馈信息包在一个特别的类XML标签在 AI 吐回长文的时候也非常方便你快速查找。比如在指令中加上一句“请将你的最终结论用 标签包裹起来”。然后你只要查找“”就好了。总之遵循以上步骤不断试验不断调整把常用的提示词流程记下来下次再试再改你就可以将一个大语言模型调教成能精准、可靠地完成特定任务的专家。如果锦上添花再做个前后端上线部署说不定就是下一个 Manus了。期待各位在 AI 的风口随风起舞。以下是演讲全文AI翻译本人校对编辑错误难免见谅大家好感谢今天来参加我们的提示词工程入门分享会。我是 Hannah来自 Anthropic 公司的应用人工智能 Applied AI 团队。我旁边这位是我的同事 Christian他也来自同一个团队。今天我们想和大家分享一些编写提示词的最佳实践。我们会通过一个真实的场景一步步地共同构建一个强大的提示词。什么是提示词工程首先我们来简单聊聊什么是提示词工程Prompt Engineering。在座的各位可能多少都有些了解。简单来说提示词工程就是我们与大型语言模型沟通并让它按我们的意愿去执行任务的方法。这门学问的核心在于为模型编写清晰的指令。为模型提供完成任务所需的充足背景信息上下文。思考如何组织这些信息以获得最佳的输出结果。这里面有很多细节和技巧但学习的最佳方式永远是亲手实践。一个真实的案例分析车辆事故报告今天我们将通过一个动手实践的场景来学习。这个例子改编自我们合作过的一个真实客户案例。我们修改了客户的原始需求但保留了其核心尝试分析图像从中提取事实信息并让模型我们称之为 Claude根据它看到的内容做出判断。这个案例中的文件用的是瑞典语我其实看不懂。但幸运的是Christian 和我们的 AI 模型 Claude 都懂瑞典语。现在我把时间交给 Christian让他来介绍一下具体的场景和内容。好的。我们来设定一下场景想象一下你是一家瑞典保险公司的员工每天都要处理大量的汽车保险理赔。你的手头通常有两份关键材料左边这份是标准的《车辆事故报告表》上面用勾选框的形式记录了事故发生前的各种情况。右边这张是当事人手绘的事故示意图。我们的目标就是把这两份材料交给 Claude让它来分析。最开始我们可以试试最简单粗暴的方法把这两张图直接丢给模型看看会发生什么。第一次尝试简单的指令我们现在切换到操作界面。大家可以看到我们使用的是 Claude 3 Sonnet 模型。我们将“温度”Temperature设置为 0这能让模型的输出更稳定、更具确定性。我们的提示词非常简单只说了一句话告诉 Claude 它需要做什么“请审查这份事故报告和草图判断发生了什么以及谁是过错方。”运行之后我们看到 Claude 认为这起事故与滑雪有关还说事故发生在一个叫“Chaffangrötan”的街道上这确实是瑞典一条很常见的街道名。这个结果虽然离谱但也情有可原。因为在我们的提示词里根本没有提供任何背景信息没有告诉模型这是一个关于“汽车”的场景。所以模型的这个“猜测”虽然错了但也提醒我们还有很多关键信息可以预先植入到提示词中来引导模型。这个小失败告诉我们一个道理提示词工程是一门需要不断更新和验证的经验科学。我们可以把“模型必须理解这是一个车辆事故而不是滑雪”作为一个测试标准然后一步步地优化提示词确保它能准确解决我们想要解决的问题。如何构建一个出色的提示词接下来我们将介绍一些 Anthropic 内部构建优秀提示词的最佳实践。推荐的提示词结构当我们通过 API 调用模型时我们希望一次性发送所有信息就让模型完美地完成任务而不是像聊天一样来回沟通。为此我们推荐下面这个结构化的提示词模板任务描述和角色设定 (Task Role)开门见山告诉模型它的角色是什么今天要完成什么任务。提供核心内容 (Content)将需要处理的动态信息比如本次案例中的事故报告和手绘图提供给模型。详细的指令和步骤 (Instructions)像写说明书一样一步步告诉模型应该如何思考和推理。提供范例 (Examples)可以给模型一两个完整的例子告诉它“输入是这样时我希望的输出是那样”。总结和提醒 (Reminder)在最后再次强调任务中最关键的要点然后让模型开始工作。我们接下来会逐一讲解这些部分并展示如何将它们应用到我们的案例中。优化实践一步步改进提示词第二次尝试添加任务和语气背景在第一次失败后我们首先要做的就是给模型更多的背景信息。任务背景 (Task Context)明确告诉 Claude它现在扮演的角色是一名“帮助人类理赔员审核瑞典语车辆事故报告的 AI 助手”。语气要求 (Tone Context)我们要求 Claude 的回答必须基于事实、充满自信。如果信息不足以做出判断我们不希望它胡乱猜测而是要明确说明情况。我们回到操作界面看看 V2 版本的提示词。我们在用户提示中加入了以下描述“你是一个 AI 系统旨在帮助人类理赔员审查瑞典语的车辆事故报告表……你将收到一份报告表和一张手绘草图。除非你完全自信否则不要做出评估。”运行后结果好多了Claude 现在知道这是车辆事故不是滑雪。它正确识别出“车辆A”勾选了第1项“车辆B”勾选了第12项。但是当我们看到最后发现 Claude 仍然表示现有信息不足以做出谁是过错方的“完全自信的判断”。这很好它遵守了我们“不乱猜”的指令。但这说明模型仍然缺少一些关于如何解读这份报告表的深层知识。第三次尝试提供文档结构和背景知识这份事故报告表的格式是固定不变的。这种固定不变的背景知识是提供给模型的绝佳材料。我们可以把它写进“系统提示”System Prompt里。系统提示就像是给模型的一个长期记忆每次调用时都会生效。这样做的好处是模型不必每次都从头开始费力地去识别这张表格是什么它能更快、更准地解读信息。在组织这些信息时我们推荐使用 XML 标签如 …来包裹不同类型的内容。这能帮助模型更好地理解信息结构。在 V3 版本中我们在系统提示里加入了关于这份瑞典事故报告表的详细说明内容包括基本信息告诉它表格的标题、有两列分别代表车辆A和车辆B。各行含义逐一解释表格中 17 个勾选项分别代表什么意思例如“1. 已停车/泊车”、“12. 倒车”等。填写说明提醒模型这是由人类填写的笔迹可能不完美可能是X、圆圈或涂抹需要仔细辨认。我们将这些信息用 form_instructions 标签包起来放进系统提示。用户提示部分保持不变。这次运行后结果有了质的飞跃。Claude 不再赘述它对表格的分析过程因为它已经“熟知”了这张表。它直接给出了分析结果并且非常自信地指出“根据表格内容和草图车辆 B 负有事故责任。”这已经非常接近我们想要的结果了更多高级技巧除了上面用到的方法还有一些技巧在处理复杂问题时非常有用。提供范例 (Few-shot Examples)如果遇到一些模棱两可、模型很容易出错的“疑难杂症”案例我们可以使用“范例学习”Few-shot的方法。具体做法是在系统提示中提供一两个完整的“输入-输出”对。你可以将一张疑难案例的图片使用 Base64 编码和对应的标准分析结果一起写进去。这样当模型再遇到类似情况时它就能参考这些范例做出更准确的判断。增加步骤化指令回到我们的案例虽然 V3 已经能得出正确结论但我们可以通过引导它的“思考顺序”来让结果更可靠。一个很关键的细节是人类在分析时会先看结构化的表格再看抽象的手绘图。因为表格提供了上下文能帮助我们理解手绘图的内容。我们可以把这个逻辑教给模型。在 V4 版本中我们在用户提示中加入了一系列详细的步骤指令第一步仔细检查事故报告表列出车辆A和车辆B分别勾选了哪些选项。第二步仔细分析手绘草图。第三步结合从表格和草图中获得的所有信息进行总结。第四步最后做出关于过错方的最终评估。这个指令让模型的思考过程变得非常清晰。它会先“展示它的工作”一步步列出每个勾选框的状态然后再进行综合分析最终得出结论。规范化输出格式在实际应用中我们往往需要模型输出机器可读的格式比如 JSON 或 XML以便于存入数据库或进行后续处理。在我们的最终版本中我们增加了一个重要准则部分其中一条就是“请将你的最终结论包裹在 final_verdict 和 /final_verdict 标签内。”这样一来无论模型在思考过程中输出了多少分析文本我们都能轻松地通过解析这个标签提取出最终的关键结论。我们还可以使用一种叫“预填充回复”Prefilled Responses的技术。比如如果我们希望模型输出 JSON 格式可以在 API 请求中预先填入回复的开头部分比如一个左花括号{。这会强烈地引导模型按照我们期望的格式继续生成内容。总结通过这个演示我们从一个会把车祸当成滑雪事故的小白提示词开始通过不断更新增加任务背景、文档知识、结构化标签、步骤化指令和格式化输出要求最终得到了一个能够准确、可靠地分析事故报告并以结构化格式输出结果的强大提示词。最后想提一点像 Claude 这样的高级模型它有一个思考或草稿纸Scratchpad功能。你可以查看它的思考过程这对于理解模型为何出错、如何改进提示词非常有帮助。它能让你了解没有人类直觉的 AI 是如何处理我们给它的数据的。今天的分享就到这里非常感谢大家的参与普通人如何抓住AI大模型的风口领取方式在文末为什么要学习大模型目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 大模型作为其中的重要组成部分 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 为各行各业带来了革命性的改变和机遇 。目前开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景其中应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过30%。随着AI大模型技术的迅速发展相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业人工智能大潮已来不加入就可能被淘汰。如果你是技术人尤其是互联网从业者现在就开始学习AI大模型技术真的是给你的人生一个重要建议最后只要你真心想学习AI大模型技术这份精心整理的学习资料我愿意无偿分享给你但是想学技术去乱搞的人别来找我在当前这个人工智能高速发展的时代AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料能够帮助更多有志于AI领域的朋友入门并深入学习。真诚无偿分享vx扫描下方二维码即可加上后会一个个给大家发大模型全套学习资料展示自我们与MoPaaS魔泊云合作以来我们不断打磨课程体系与技术内容在细节上精益求精同时在技术层面也新增了许多前沿且实用的内容力求为大家带来更系统、更实战、更落地的大模型学习体验。希望这份系统、实用的大模型学习路径能够帮助你从零入门进阶到实战真正掌握AI时代的核心技能01教学内容从零到精通完整闭环【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块内容比传统教材更贴近企业实战大量真实项目案例带你亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌02适学人群应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。vx扫描下方二维码即可本教程比较珍贵仅限大家自行学习不要传播更严禁商用03入门到进阶学习路线图大模型学习路线图整体分为5个大的阶段04视频和书籍PDF合集从0到掌握主流大模型技术视频教程涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向新手必备的大模型学习PDF书单来了全是硬核知识帮你少走弯路不吹牛真有用05行业报告白皮书合集收集70报告与白皮书了解行业最新动态0690份面试题/经验AI大模型岗位面试经验总结谁学技术不是为了赚$呢找个好的岗位很重要07 deepseek部署包技巧大全由于篇幅有限只展示部分资料并且还在持续更新中…真诚无偿分享vx扫描下方二维码即可加上后会一个个给大家发