GPT（Generative Pre-trained Transformer）

学习过程

  1. 先要有个好用的工具

  2. 能结构化书写提示词

  3. 让ai自己来观察反思

  4. 思考底层工作原理，形成工作自动化流程

工具

模型数据来自企业数据：

chatgpt，claude，moonshot，智谱，豆包，文心，千问，讯飞星火

万相，剪映，suno，sd，sv，midj

ai该怎么使用

  1. 对话式，随缘结果

  2. 新生式，培训量大

  3. 编程式，改提示词

这种编程式的使用方法，到底有何根本性的优点？（待解决）

已确定问题：秘塔AI搜索 (metaso.cn)

未确定问题：Kimi.ai - 帮你看更大的世界 (moonshot.cn)

ai工作模式

  1. 嵌入式：主线是人在控制，几个步骤由ai完成

  2. 副驾驶：智能建议，如同副驾驶，协助人工作

  3. 托管：不再交互，下达指令，获得结果

chatgpt的文本生成机制

预测模型，计算概率分布，根据问题和上下文信息，组个生成单词。

神经网络在训练过程中调整节点之间的连接权重

提示词

用markdown格式来书写提示词，可以识别并层级化内容，聚拢相同语义。

{}[]()占位符，来聚拢语义

致力于将提示词从人能理解进阶到机器能处理

考虑使用英文做提示词

需要给出提示词中角色的Who，When，Where，What，Why，How

提示词模式：

  1. 要点式

  2. 角色扮演式

  3. 示例式

  4. 模板式

模型式:

  • BRIEF模型(background，reason，information，ending，follow-up)

  • SCQA模型（situation，complication，question，answer）

得了灰指甲（s），一个传染俩（c），问我怎么办（q），马上用亮甲（a）

  • SWOT模型（strengths，weakness，opportunities，threat）

让ai一步一步思考

技巧：

  1. 包含详细信息以获得更相关的回答

  2. 要求模型采用特定的人格

  3. 使用分隔符明确指出输入的不同部分

  4. 明确完成任务所需的步骤

  5. 提供示例

  6. 指定输出的期望长度

分治法，要求字数一旦上升就会出问题，于是将具体问题拆解为多个问题即可

一些问题

  • 大语言模型⽆法理解提示或提供无关或不恰当的响应：如果提示不清楚、模糊不清或包含大语言模型不熟悉的术语或语⾔，可能会发⽣这种情况。如果大语言模型缺乏理解提示所需的上下文或信息，也可能会发⽣这种情况。

  • 大语言模型未遵循提示中提供的说明或限制：如果说明或限制不清楚或与对话的整体目标不⼀致，可能会发生这种情况。

  • 大语言模型提供重复或无关的响应：如果提示缺乏足够的指导或对话缺乏方向或焦点，可能会发生这种情况。

agent智能体

注重工作流

感知->信息处理->执行->输出

复制自己，武装自己，拆解自己

判断用户需求->时间存储（存储到数据库中）->记忆调用

coze

Bot 商店 - 扣子 (coze.cn)

大致人设书写，ai优化人设，插件添加，工作流建立

触发器

工作流：传统程序+自然语言程序

远端函数，原生函数，语义函数

RAG（检索增强生成）

输入，切分（正确切分），存储，检索，输出

ai分类

  1. TSAI（Task-Specific AI）：针对特定任务

  2. AGI（Artificial General Intelligence）：思考，学习，多种任务

ai相关应用

公文写作

问题：跑题，大而空，多中心

反复使用实例化和模型法，只能完成80%任务

提问，判断，确定，修订（重点）

excel