BLOG
友情链接
待编辑
NotionNext介绍
NotionNext操作说明
写作是最值得投资的技能
待编辑
历史归档
文章分类
文章标签
文章
17
分类
5
标签
6
友情链接
待编辑
NotionNext介绍
NotionNext操作说明
写作是最值得投资的技能
待编辑
历史归档
文章分类
文章标签
Coursera
Chatgpt prompt
发布于: 2024-11-25
最后更新: 2024-11-25
次查看
文章已上锁，请输入访问密码
提交
目录
0%
ChatGPT prompt
大型语言模型概述
大型语言模型的不确定性与应对方法
Prompt（提示）
模式识别与语言模型
大型语言模型中提示的影响
ChatGPT 编程示例
提示模式的重要性
角色模式：挖掘语言模型的行为
向大型语言模型引入新信息的策略
分点总结
详细分析疑难点
强调应掌握的部分
理解提示大小限制与信息管理
提示的大小限制
信息管理方法
信息压缩与筛选
注意事项
与大型语言模型对话的重要性
将提示视为对话
对话的价值
迭代的完善过程
对话中的问题解决
利用反馈与迭代
充分发挥大型语言模型的潜力
根提示及其作用
根提示简介：
根提示的功能与重要性：
根提示的设置和调整：
根提示的重要性与作用：
语言模型问题精炼模式
模式概述：
实施模式：
好处和应用：
示例：
利用和反思：
结论：
模式：认知验证模式
概述：
实施方法：
优势和应用：
示例：
总结：
模式：受众人设模式
概述：
实施方法：
优势和应用：
示例：
总结：
Flipped Interaction Pattern: 引导式问题解决
1. 模式概述
2. 操作步骤
3. 自定义选项
4. 实例说明
5. 实际应用
结论：
Few-Shot Prompting: 学习大语言模型的新技巧
1. 技巧目的：
2. 示例模式：
3. 情感分析举例：
4. 模式学习成果：
5. 适应性和学习：
6. 影响和用法：
多任务规划：大型语言模型的新应用
1. 规划能力：
2. 扩展应用：
3. 驾车情境示例：
4. 输出约束与观点：
5. 创新应用：
6. 教导能力：
利用少例提示进行中间步骤的展示
1. 多步骤问题的拆分：
2. 车辆驾驶情境示例：
3. 详细情景分析：
4. 结构约束与决策逻辑：
5. 脚本化解决方案：
6. 注意事项：
7. 计算能力与推理：
少量样本示例中的错误：
完善少量样本示例：
提示中展示推理以促进更好的推理
外部工具在语言模型应用中的重要性
要点提炼：
深入解释：
自我评估大型语言模型输出
使用大型语言模型自我评估输出
利用自我评估优化 Prompt
使用游戏模式进行 Prompt 工程
模板模式基本要点：
应用示例：
模板模式的优势：
Meta Language Creation Pattern
要点提炼：
深入解释：
高效的文章摘要
主要主题：代码解释器的概念和应用
示例：文档管理
分析与解读
使用示例
1. 模式概览
2. 使用方法
2.1. 模式背景
2.2. 示例与解释
2.3. 模式应用
3. 结论
探索“替代方法模式”：使用大型语言模型解决问题
1. 模式介绍
2. 使用模式
2.1. 模式背景
2.2. 示例与解释
2.3. 模式应用
3. 结论
使用“询问输入”模式与大型语言模型
1. 模式介绍
2. 模式应用
2.1. 模式背景
2.2. 应用场景
2.3. 模式实施
3. 结论
结合模式进行提示工程
1. 关键概念
2. 应用方法
2.1. 理解模式组合
2.2. 例子与用例
2.3. 战略性提示工程
3. 简化复杂性
4. 鼓励与收获
5. 学习指导
组合模式示例：
1. 请求输入 + 角色扮演
2. 替代方法 + 请求输入
3. 扩展思维 + 选择任务
4. 模式结合
大型语言模型的限制与应用
菜单动作模式
要点提炼：
利用“菜单”操作模式简化对话流程
关键内容：
定义操作指令
示例演示
操作优势
内部共享
使用“事实清单”模式确保文本准确性
关键内容：
避免误解
提升效率
核实事实
核查方法
核实步骤
核实保障
使用“尾部生成”模式维持对话规则
关键内容：
记忆规则
应用模式
提醒效果
规则维持
提示功能
对话延续
大型语言模型与语义过滤器
理解文本操作
语义过滤器模式
简单示例：删除日期
复杂示例：过滤医疗信息
实际应用与局限性
使用代码解释功能将数据可视化并嵌入幻灯片
1. 使用场景举例
2. 数据可视化与幻灯片编辑
3. 生成更新的幻灯片
4. 混合信息源与产品生成
使用代码解释器进行简单操作示例
1. 利用食谱示例展示代码解释器功能
2. 基于文档进行数据提取与分析
3. 数据处理与文件输出
4. 探索与实践建议
1. 提示（Prompt）
2. 输出（Output）
3. Python 代码
4. 交互
5. 代码解释器与人工智能（ChatGPT/GPT-4）
代码解释器的概念和应用
示例：文档管理
分析与解读
使用示例
代码解释器：人工智能实习生的角色与功能
主题：代码解释器的多功能角色
分析与解读
高效的文章摘要
拓展细节：图文结合的解释
限制
Wordle解谜：GPT-4与代码解释器的联合应用
主题：GPT-4在Wordle游戏中的限制与代码解释器的优势
分析与解读
高效的文章摘要
拓展细节：代码解释器的应用
限制
聊天机器人与代码解释器：数据分析案例
主题：使用代码解释器进行复杂的数据处理
分析与解读
高效的文章摘要
拓展细节：代码解释器的应用
限制
分析与解读：IRS 1040 表格
概览
文档处理流程
应用示例
技巧与注意事项
拓展细节
增添趣味性
语气轻松愉快
分析与解读：使用代码解释器处理结构化数据
结构化数据的优势
处理流程
应用示例：范德堡大学数据
重要注意事项
结论
代码解释器在媒体处理中的应用
主题：利用代码解释器处理视频、音频和图像
分析与解读
高效的文章摘要
拓展细节：复杂媒体处理的应用案例
限制
代码解释器中的批量文件处理与组织
主题：利用压缩文件（ZIP）简化代码解释器操作
分析与解读
高效的文章摘要
拓展细节：ZIP文件的优势和应用
限制
分析与解读：代码解释器在软件开发中的应用
核心概念
应用流程
示例：处理电影帧
关键注意事项
结论
评估代码解释器任务难度的指南
主题：如何判断使用代码解释器完成任务的难易程度
分析与解读
高效的文章摘要
拓展细节：数据类型对任务难度的影响
限制
分析与解读：如何高效使用代码解释器
重点概念
方法和技巧
应用示例：处理1040表格
关键注意事项
结论
选择合适的代码解释器问题：三个基本准则
主题：如何选择适合使用代码解释器解决的问题
分析与解读
高效的文章摘要
拓展细节：适合使用代码解释器的问题示例
限制
如何判断问题是否适合使用 ChatGPT 高级数据分析
1. 解决方案的准确性和错误风险
2. 部分或有缺陷的解决方案的价值
3. 解决方案对创造力和思考的支持
结论
使用AI的正确框架：ACHIEVE
ACHIEVE 框架概述
框架应用
人类与AI的协作
结论
ACHIEVE框架：助力人类协调（A）
助力人类协调
示例：会议摘要
识别计划中的不确定性
指派任务
促进团队间沟通
总结
利用代码解释器简化繁琐任务的示例（C）
主题：自动化在提高创造性思维和问题解决能力中的作用
分析与解读
高效的文章摘要
拓展细节：自动化的好处
限制
代码解释器作为安全网：提高决策质量和减少错误（H）
核心概念
应用案例
优点
注意事项
结论
AI作为创造力激发工具的正确使用（IEV）
AI工具的正确理解
AI在问题解决中的作用
实际应用案例
结论
ACHIEVE框架：加速伟大想法的扩展
加速创意的实现
示例：会议内容的创意扩展
实现邮件自动化
促进跨学科合作
总结
代码解释器的数据转换过程
主题：数据转换在创造性AI过程中的作用
分析与解读
高效的文章摘要
拓展细节：转换过程中的AI应用
限制
AI 分析在工作流程中的应用
核心概念
应用示例
优点
注意事项
结论
利用代码解释器创造的多样化内容
代码解释器的基本原则
可创造的内容类型
针对不同领域的应用示例
使用建议
结论
使用代码解释器的两种方式
人工规划方式
示例
AI规划方式
示例
总结
AI规划的深入探讨及应用示例
主题：通过AI规划提高问题解决效率
分析与解读
高效的文章摘要
拓展细节：AI规划过程中的关键考虑因素
限制
AI 规划和代码解释器的有效技巧
规划与细分
内容适应性
保存和审查
导向与调整
综合与输出
应用案例：博客和社交媒体帖子的创建
结论
利用代码解释器制定和优化计划
计划的保存和复用
计划的迭代过程
实际应用示例
使用代码解释器的优势
结论
翻转互动模式：AI规划辅助
概述
实施步骤
示例
优点
结论
AI规划中解决文本分析挑战的策略
主题：使用手动模式指示GPT-4进行文本分析
分析与解读
高效的文章摘要
拓展细节：有效使用手动模式
限制
修正 AI 规划和代码解释器中的错误的技巧
理解错误的根源
在错误出现的地方进行干预
具体步骤
例子：分析视频转录文本
注意事项
结论
大型语言模型（如GPT-4）的使用启发式
启发式概述
示例分析
使用注意事项
结论
减少AI错误：一致性检查和文档引用
简介
方法一：使用标识符进行一致性检查
方法二：引用原始文档
结论
利用测试用例来检测代码解释器的错误
主题：通过创建已知答案的测试用例来验证代码解释器的准确性
分析与解读
高效的文章摘要
拓展细节：创建和应用测试用例
限制
使用 AI 规划和代码解释器进行文档索引和检索的技巧
文档索引建立
索引的构建过程
使用索引进行查询
优化技巧
结论
使用代码解释器分析政策文件
案例概述
实施步骤
分析能力
实际应用价值
结论
处理大型项目：逐步构建和组装
简介
分步构建法
应用实例
最终组装
结构化数据与非结构化数据
结论
管理大型文档和复杂任务的策略
主题：在代码解释器中处理超出单个聊天消息大小的大型文档和复杂任务
分析与解读
高效的文章摘要
拓展细节：处理大型文档的具体步骤
限制
信赖生成型 AI 课程概述
主题：如何信赖并有效使用生成型 AI
分析与解读
高效的文章摘要
拓展细节：课程内容和学习重点
限制
如何正确使用生成型 AI：避免将其视为事实来源
错误的使用方式
正确的使用方法
例子：处理个人信息
如何避免误用
结论
评估生成型AI的正确性
正确性的重要性
示例：Wordle游戏
关键点
结论
选择合适的生成AI用例：正确性与验证成本
重要原则
不适用的用例示例
结论
使用建议
应用策略
使用 ChatGPT 和其他生成型 AI 工具解决障碍的有效方法
总览
示例：规划工作坊的注册和分发 Zoom 链接
分析和迭代
输出重塑
结论
理解生成型 AI 的风险及其适当使用
生成型 AI 的不当使用
如何适当使用
示例：医疗建议
风险管理
结论
合理利用生成型AI的原则
重要性
不当使用案例
正确使用的方法
结论
使用生成AI增强人类能力：ACHIEVE框架
ACHIEVE框架概述
六大要素
应用实例
结论
筛选操作：生成型 AI 的适宜应用场景
筛选操作概述
筛选实例：筛选相关论文
筛选操作的重要性
筛选与其他操作
筛选操作的策略
结论
生成型 AI 在过滤和引用方面的适当应用
过滤信息的三种模式
关键原则
风险管理
结论
创意灵感的激发：生成型AI的合适用途
创意灵感的激发
实际应用示例
关键原则
结论
使用生成式AI进行创意构思
概述
关键要素
应用策略
结论
导航操作：生成型 AI 的安全应用
导航操作概述
示例：移动医疗保健应用
导航操作的优势
应用中的限制
实际应用策略
结论
人工智能导航提示模式的适用
直接导航模式
代替导航模式
关键考虑因素
结论
专业知识对于生成型AI适用性的重要性
专业知识的作用
使用示例
专业知识的限制
结论
gzcrtw
一个普通的干饭人🍚
文章
17
分类
5
标签
6
最新发布
2024年下
2025-1-2
2024年新年寄语
2024-12-31
劳动法笔记要点整理
2024-12-31
笔记 (未分类)
2024-12-1
AI&law
2024-11-29
批判性思维和元认知的关系与区别
2024-11-28
公告
🎉Blog于2023年8月开始更新🎉
欢迎您的阅读
转移了博客，接下来每天重新排版整理之前的博客搬上来😅
目录
0%
ChatGPT prompt
大型语言模型概述
大型语言模型的不确定性与应对方法
Prompt（提示）
模式识别与语言模型
大型语言模型中提示的影响
ChatGPT 编程示例
提示模式的重要性
角色模式：挖掘语言模型的行为
向大型语言模型引入新信息的策略
分点总结
详细分析疑难点
强调应掌握的部分
理解提示大小限制与信息管理
提示的大小限制
信息管理方法
信息压缩与筛选
注意事项
与大型语言模型对话的重要性
将提示视为对话
对话的价值
迭代的完善过程
对话中的问题解决
利用反馈与迭代
充分发挥大型语言模型的潜力
根提示及其作用
根提示简介：
根提示的功能与重要性：
根提示的设置和调整：
根提示的重要性与作用：
语言模型问题精炼模式
模式概述：
实施模式：
好处和应用：
示例：
利用和反思：
结论：
模式：认知验证模式
概述：
实施方法：
优势和应用：
示例：
总结：
模式：受众人设模式
概述：
实施方法：
优势和应用：
示例：
总结：
Flipped Interaction Pattern: 引导式问题解决
1. 模式概述
2. 操作步骤
3. 自定义选项
4. 实例说明
5. 实际应用
结论：
Few-Shot Prompting: 学习大语言模型的新技巧
1. 技巧目的：
2. 示例模式：
3. 情感分析举例：
4. 模式学习成果：
5. 适应性和学习：
6. 影响和用法：
多任务规划：大型语言模型的新应用
1. 规划能力：
2. 扩展应用：
3. 驾车情境示例：
4. 输出约束与观点：
5. 创新应用：
6. 教导能力：
利用少例提示进行中间步骤的展示
1. 多步骤问题的拆分：
2. 车辆驾驶情境示例：
3. 详细情景分析：
4. 结构约束与决策逻辑：
5. 脚本化解决方案：
6. 注意事项：
7. 计算能力与推理：
少量样本示例中的错误：
完善少量样本示例：
提示中展示推理以促进更好的推理
外部工具在语言模型应用中的重要性
要点提炼：
深入解释：
自我评估大型语言模型输出
使用大型语言模型自我评估输出
利用自我评估优化 Prompt
使用游戏模式进行 Prompt 工程
模板模式基本要点：
应用示例：
模板模式的优势：
Meta Language Creation Pattern
要点提炼：
深入解释：
高效的文章摘要
主要主题：代码解释器的概念和应用
示例：文档管理
分析与解读
使用示例
1. 模式概览
2. 使用方法
2.1. 模式背景
2.2. 示例与解释
2.3. 模式应用
3. 结论
探索“替代方法模式”：使用大型语言模型解决问题
1. 模式介绍
2. 使用模式
2.1. 模式背景
2.2. 示例与解释
2.3. 模式应用
3. 结论
使用“询问输入”模式与大型语言模型
1. 模式介绍
2. 模式应用
2.1. 模式背景
2.2. 应用场景
2.3. 模式实施
3. 结论
结合模式进行提示工程
1. 关键概念
2. 应用方法
2.1. 理解模式组合
2.2. 例子与用例
2.3. 战略性提示工程
3. 简化复杂性
4. 鼓励与收获
5. 学习指导
组合模式示例：
1. 请求输入 + 角色扮演
2. 替代方法 + 请求输入
3. 扩展思维 + 选择任务
4. 模式结合
大型语言模型的限制与应用
菜单动作模式
要点提炼：
利用“菜单”操作模式简化对话流程
关键内容：
定义操作指令
示例演示
操作优势
内部共享
使用“事实清单”模式确保文本准确性
关键内容：
避免误解
提升效率
核实事实
核查方法
核实步骤
核实保障
使用“尾部生成”模式维持对话规则
关键内容：
记忆规则
应用模式
提醒效果
规则维持
提示功能
对话延续
大型语言模型与语义过滤器
理解文本操作
语义过滤器模式
简单示例：删除日期
复杂示例：过滤医疗信息
实际应用与局限性
使用代码解释功能将数据可视化并嵌入幻灯片
1. 使用场景举例
2. 数据可视化与幻灯片编辑
3. 生成更新的幻灯片
4. 混合信息源与产品生成
使用代码解释器进行简单操作示例
1. 利用食谱示例展示代码解释器功能
2. 基于文档进行数据提取与分析
3. 数据处理与文件输出
4. 探索与实践建议
1. 提示（Prompt）
2. 输出（Output）
3. Python 代码
4. 交互
5. 代码解释器与人工智能（ChatGPT/GPT-4）
代码解释器的概念和应用
示例：文档管理
分析与解读
使用示例
代码解释器：人工智能实习生的角色与功能
主题：代码解释器的多功能角色
分析与解读
高效的文章摘要
拓展细节：图文结合的解释
限制
Wordle解谜：GPT-4与代码解释器的联合应用
主题：GPT-4在Wordle游戏中的限制与代码解释器的优势
分析与解读
高效的文章摘要
拓展细节：代码解释器的应用
限制
聊天机器人与代码解释器：数据分析案例
主题：使用代码解释器进行复杂的数据处理
分析与解读
高效的文章摘要
拓展细节：代码解释器的应用
限制
分析与解读：IRS 1040 表格
概览
文档处理流程
应用示例
技巧与注意事项
拓展细节
增添趣味性
语气轻松愉快
分析与解读：使用代码解释器处理结构化数据
结构化数据的优势
处理流程
应用示例：范德堡大学数据
重要注意事项
结论
代码解释器在媒体处理中的应用
主题：利用代码解释器处理视频、音频和图像
分析与解读
高效的文章摘要
拓展细节：复杂媒体处理的应用案例
限制
代码解释器中的批量文件处理与组织
主题：利用压缩文件（ZIP）简化代码解释器操作
分析与解读
高效的文章摘要
拓展细节：ZIP文件的优势和应用
限制
分析与解读：代码解释器在软件开发中的应用
核心概念
应用流程
示例：处理电影帧
关键注意事项
结论
评估代码解释器任务难度的指南
主题：如何判断使用代码解释器完成任务的难易程度
分析与解读
高效的文章摘要
拓展细节：数据类型对任务难度的影响
限制
分析与解读：如何高效使用代码解释器
重点概念
方法和技巧
应用示例：处理1040表格
关键注意事项
结论
选择合适的代码解释器问题：三个基本准则
主题：如何选择适合使用代码解释器解决的问题
分析与解读
高效的文章摘要
拓展细节：适合使用代码解释器的问题示例
限制
如何判断问题是否适合使用 ChatGPT 高级数据分析
1. 解决方案的准确性和错误风险
2. 部分或有缺陷的解决方案的价值
3. 解决方案对创造力和思考的支持
结论
使用AI的正确框架：ACHIEVE
ACHIEVE 框架概述
框架应用
人类与AI的协作
结论
ACHIEVE框架：助力人类协调（A）
助力人类协调
示例：会议摘要
识别计划中的不确定性
指派任务
促进团队间沟通
总结
利用代码解释器简化繁琐任务的示例（C）
主题：自动化在提高创造性思维和问题解决能力中的作用
分析与解读
高效的文章摘要
拓展细节：自动化的好处
限制
代码解释器作为安全网：提高决策质量和减少错误（H）
核心概念
应用案例
优点
注意事项
结论
AI作为创造力激发工具的正确使用（IEV）
AI工具的正确理解
AI在问题解决中的作用
实际应用案例
结论
ACHIEVE框架：加速伟大想法的扩展
加速创意的实现
示例：会议内容的创意扩展
实现邮件自动化
促进跨学科合作
总结
代码解释器的数据转换过程
主题：数据转换在创造性AI过程中的作用
分析与解读
高效的文章摘要
拓展细节：转换过程中的AI应用
限制
AI 分析在工作流程中的应用
核心概念
应用示例
优点
注意事项
结论
利用代码解释器创造的多样化内容
代码解释器的基本原则
可创造的内容类型
针对不同领域的应用示例
使用建议
结论
使用代码解释器的两种方式
人工规划方式
示例
AI规划方式
示例
总结
AI规划的深入探讨及应用示例
主题：通过AI规划提高问题解决效率
分析与解读
高效的文章摘要
拓展细节：AI规划过程中的关键考虑因素
限制
AI 规划和代码解释器的有效技巧
规划与细分
内容适应性
保存和审查
导向与调整
综合与输出
应用案例：博客和社交媒体帖子的创建
结论
利用代码解释器制定和优化计划
计划的保存和复用
计划的迭代过程
实际应用示例
使用代码解释器的优势
结论
翻转互动模式：AI规划辅助
概述
实施步骤
示例
优点
结论
AI规划中解决文本分析挑战的策略
主题：使用手动模式指示GPT-4进行文本分析
分析与解读
高效的文章摘要
拓展细节：有效使用手动模式
限制
修正 AI 规划和代码解释器中的错误的技巧
理解错误的根源
在错误出现的地方进行干预
具体步骤
例子：分析视频转录文本
注意事项
结论
大型语言模型（如GPT-4）的使用启发式
启发式概述
示例分析
使用注意事项
结论
减少AI错误：一致性检查和文档引用
简介
方法一：使用标识符进行一致性检查
方法二：引用原始文档
结论
利用测试用例来检测代码解释器的错误
主题：通过创建已知答案的测试用例来验证代码解释器的准确性
分析与解读
高效的文章摘要
拓展细节：创建和应用测试用例
限制
使用 AI 规划和代码解释器进行文档索引和检索的技巧
文档索引建立
索引的构建过程
使用索引进行查询
优化技巧
结论
使用代码解释器分析政策文件
案例概述
实施步骤
分析能力
实际应用价值
结论
处理大型项目：逐步构建和组装
简介
分步构建法
应用实例
最终组装
结构化数据与非结构化数据
结论
管理大型文档和复杂任务的策略
主题：在代码解释器中处理超出单个聊天消息大小的大型文档和复杂任务
分析与解读
高效的文章摘要
拓展细节：处理大型文档的具体步骤
限制
信赖生成型 AI 课程概述
主题：如何信赖并有效使用生成型 AI
分析与解读
高效的文章摘要
拓展细节：课程内容和学习重点
限制
如何正确使用生成型 AI：避免将其视为事实来源
错误的使用方式
正确的使用方法
例子：处理个人信息
如何避免误用
结论
评估生成型AI的正确性
正确性的重要性
示例：Wordle游戏
关键点
结论
选择合适的生成AI用例：正确性与验证成本
重要原则
不适用的用例示例
结论
使用建议
应用策略
使用 ChatGPT 和其他生成型 AI 工具解决障碍的有效方法
总览
示例：规划工作坊的注册和分发 Zoom 链接
分析和迭代
输出重塑
结论
理解生成型 AI 的风险及其适当使用
生成型 AI 的不当使用
如何适当使用
示例：医疗建议
风险管理
结论
合理利用生成型AI的原则
重要性
不当使用案例
正确使用的方法
结论
使用生成AI增强人类能力：ACHIEVE框架
ACHIEVE框架概述
六大要素
应用实例
结论
筛选操作：生成型 AI 的适宜应用场景
筛选操作概述
筛选实例：筛选相关论文
筛选操作的重要性
筛选与其他操作
筛选操作的策略
结论
生成型 AI 在过滤和引用方面的适当应用
过滤信息的三种模式
关键原则
风险管理
结论
创意灵感的激发：生成型AI的合适用途
创意灵感的激发
实际应用示例
关键原则
结论
使用生成式AI进行创意构思
概述
关键要素
应用策略
结论
导航操作：生成型 AI 的安全应用
导航操作概述
示例：移动医疗保健应用
导航操作的优势
应用中的限制
实际应用策略
结论
人工智能导航提示模式的适用
直接导航模式
代替导航模式
关键考虑因素
结论
专业知识对于生成型AI适用性的重要性
专业知识的作用
使用示例
专业知识的限制
结论
