你是不是也试过让 chat gpt 帮你写引言?结果满篇套话假引用,逻辑乱飞。不是 ai 不 行,是你不会下指令。先直接给你三句指令,照着书让 ai 乖乖当你的写作工具,不编数据,不跑篇。第一句,先为范文再定调子, 别一上来就说帮我写摘药。先复制三篇你目标期刊的高质量范文,然后输入指令,请分析这三段的句式、术语密度和逻辑递进方式,然后按照同样的风格,基于我的研究内容写一段引言。 ai 学会顶刊的说话腔调,写出来才不像初中生作文。第二句,给框架锁死边界。 ai 的 毛病是爱自由发挥。 你给他一道填空题,我的研究问题是前人不足是论文。创新点是请按照背景、缺口方案,三段式写引言,每段不超过五句话,不要添加任何原文没有的结论。第三句,用数据封口防瞎编。 ai 最擅长一本正经造文献,你让他引用,他可能给你编几个不存在的 dy。 所以 指令你必须加。所有数据和引用 只基于我提供的以下内容,实验数据表格参考文献列表,超出范围的内容请留空或标注代补充。这样 ai 就是 你的打字源,不是你的合作者。这三句指令,让 ai 帮你梳理逻辑,润色语言,规范排版。 而你只需要做一件事,掌控核心创新点,用好 ai, 不是 让他替你写,是让他替你省时间。
粉丝1.1万获赞6.6万

大家好,前面视频有小伙伴提到,让我具体展示一下拆 gpt 加加 excel 的配合应用。从今天开始,我将通过几期视频来给大家介绍一下。今天给大家介绍如何使用拆 gpt 配合 excel 生成报表。我们需要在拆 gpt 的输入框中输入想要生成的报表要求, 我们可以这样提要求,假设你是公司财务,请生成一张内容完整的资产负债表,其中资产负债、股东权益分裂展示 表格中数据为虚拟数据,单位为原,等待一下 check g、 p、 t。 就会根据关键词自动生成想要的报表,然后我们靠 p 到 excel 中调整一下格式就可以使用了。刚才的报表是比较常用的财务报表,下面我们让 check g、 p、 t。 根据我们的需求 求来做定制一个报表。请制作一张一到十二月电脑、手机、电视销售数据表,要求有月销售金额合计,以及有产品的销售金额合计。其中月份暗行展示产品案列展示数据可以虚拟, 金额用人民币来表示,单位为原,等待 gpt 输出结果。由于 gpt 速度比较慢,我们这里加速一下, 我们需要将输出复制到 excel 中的工作表中,然后我们可以对生成的报表调整一下格式就能使用了。 有了这些操作,我们就可以轻松的生成报表了。这种方法帮我们省去了手动制作报表的繁琐过程,提高工作效率。好了,这就是今天的内容,希望对你有所帮助。

这就是你用 excel gpt 写的论文?全是废话, ai 未冲天,导师一眼就能看出来。很多同学抱怨 ai 没用,其实是因为你不会提问。今天于哥把私藏的三条神机指令喂给你,直接把 excel gpt 变成你的私人润色专家,赶紧截图保存,不然一会刷没了。第一条,降重神记,别只会说帮我降重, 你要这样发,请作为该领域的学术专家,在保留原意的前提下,通过调整语句、替换同义词,改变句子结构,将这段话重写,使其更符合学术规范,降低查重率。 你试试出来的效果绝对惊艳。第二条,逻辑优化,觉得自己的 introduction 写的像流水账,发这条指令,请分析这段文本的逻辑流,指出论证、驳论的地方,并给出具体的修改建议,使其更具说服力。强调我的研究 gap, 他 不仅能帮你改,还能教你哪里逻辑断层了。第三条,中式英语拯救者,别用百度翻译了,把你的中文发给他。然后加一句,请将这段话翻译成地道的学术英语,模仿那些 science 的 行为风格,使用更高级的词汇,和从句 出来的英语比你导师写的都地道。工具是死的,人是活的。会用指令, ai 就是 你的外挂,不会用它就是个聊天机器人。想知道更多针对结果分析讨论部分的专用指令吗?我整理了一份恰当 cpt 学术科研指令全集,回复指令,我来安排,教你真正驾驭 ai!

明明你和我用的叉的 gpt 都是同一个妈生的,为什么我的叉的 gpt 可以很好的按照我的要求把文本信息变成表格,而你呢,却只能回复一堆没用的信息?那是因为你打开的咒语方式不对。刚好今天我教你两句咒语,让你的 gpt 乖乖的给你打工。咱们就以这段各级各类学校的数量统计和专任教师人数的统计为例,为了更好的阅读理解,咱们让 gpt 把这段文字信息变成 才有表格的形式。如果你直接问 gpt, 帮我把这段数据信息整理成表格点发送。稍等一下,不用想, gpt 的回答应该会让你抓狂。来,咱们换个高效的咒语。再次提问 gpt, 注意,这个咒语很重要,因为这是让 gpt 是否能乖乖给你打工的关键,一定要保存哦,给大家三秒钟时间保存来, 老规矩给大家拆解一下这个咒语。一个高校的提问都包含这几点要素,描述项目情况加设定角色加明确的任务需求加指定要求。描述项目情况对应的是第一句话。从我有一堆杂乱的文本数据,总共有六个模块组成,一直到民办教育结构进一步优化,设定角色对应的是第二句话,我希望你是一个资深的信息整理师,帮我整理这个数据信息。明确的任务需求对应的是第三句话,从每个模块单独 整理在一起,一直到第五列,是比上年提高了多少的百分点。指定要求对应的是第四句话,不能胡编乱造,整理好的数据信息要以 xl 表格的格式输出,好点发送。稍等一下, gpt 让我把数据信息发给他。复制文本数据信息粘贴给 gpt。 稍等一下, 一份清晰明了的表格信息就陆陆续续的出来了。所以在使用 cpt 时,如何提问至关重要,高效提问和低效提问得到的答案自然是天差地别的, 因为 gpt 每次输出内容的长度有限,当内容还没出完就停下不动的时候,咱们再给他发送这个咒语,让他继续按照这个格式和要求接着继续输出。这句咒语同样很重要,一定要保存哦,给大家三秒钟时间保存来好点,发送,稍等片刻, 这样一段冗长的文本数据信息就全部变成简单明了的 excel 表格信息了。如果想要把它变成 excel 表格文档,那简单选中表格数据, c t r l 加 c 复制打开 e x l 表格, c t r l 加离粘贴,再调整一下横高和列宽就可以了。怎么样,看了半天你学会了吗?老话说的好看,十变百变,不如自己动手做一遍,赶快去试试吧!

deep c q v 四呢,终于发布了,各方面的参数啊,看起来都很不错,但实际使用起来又是什么水平呢?正好最近两周啊, g p t 五点五, opt 四点七, kimi k 二点六也都刚更新了,再加上之前的 g r m 五点一呢,凑齐了一大批的这个千元模型。很多朋友啊,都在纠结说自己的智能体里面到底应该用哪个模型呢?今天这个视频啊,我就会从价格,从速度, 从完成任务的质量几个角度来跟大家聊一下这几个模型,能够让大家在选这个模型的时候啊,会有个参考。我们首先来看一下各家模型 token 接口的这个价格,按照 token 输入输出七十比 七比二的这个比例来加全,这个呢大家可能如果不清楚的话,也不用特别的去计算,我是按照我自己的平时的账单的统计,然后调用的这个比例算出来的,每个人呢都或多或少会有些不同,但大概呢就是这样一个比例,然后用它来算出每百万 token 的 一个综合的价格,方便我们去比较。我们看到 v 四 flash 呢,零点三二元, v 四 pro 呢,原价是二点五六元,然后加上当前二点五折的发布活动啊,价格大概是零点六四元。 kimi k 二点六呢二点二三元。 jimmy k 二点一呢二点二九元。 opus 四点七十点六三元。 gpt 五点五呢十一点五二元。国产模型啊,大家看到大致呢都在同一个价格袋里面, opus 跟 gpt 呢,价格直接贵了一个数量级, 一次 flash 啊,价格最低,因为它的模型尺寸呢,也是最小的一次 pro 呢,能把一百万的上下文做到这个价格,是采用了新的注意力机制,一百万上下文呢,大概只需要前代的百分之二十七的算力, 百分之十的显存就够了。列出这个综合价格啊,是方便大家去理解,去比较,然后给大家做一个自己选择的参考。然后来介绍一下这次的这个对比的任务设计啊,我这次呢,是想让智能体啊去抓 hack news 上面前一百条的热贴,挑两到四条呢,值得说的话题,查背景, 生成图片,配音,最后用 hyperframe 这个 skill 呢,制作一条三十到六十秒的中文视频报告,中间怎么去完成啊?怎么去这个一步步的定任务呢,完全交给智能体自己去定,每家过程啊,稍有不同, 但大致的内部的流程啊是一样的。先写 python 脚本呢,抓帖子,做数据统计,再写分镜跟旁白,然后呢,生成语音跟图片。语音出来之后呢,来计算一下实际的长度, 重新去调整一下分镜,如果太长呢,就压缩一点,如果太短呢,就扩展一点。最后呢,再用 hyperframes 以代码的形式把这个视频完整的做出来。每个模型的任务呢,我都给它们建立一个独立的空白的文件夹,然后用 skill 去扩展它们 agent 的 能力。比如说像我这里用到了几个 s 册去查资料, gpt, imager 去申图,然后 edge tts 做中文的旁白, hyperframes 负责视频的合成等等,基本上就是四个。如果产出有明显的缺陷啊,我会反馈给 agent 一 次,但只给这一次的机会,只做一次的人工干预,还有一个比较重要的细节来跟大家分享一下。 这次实验用的 agent 啊,是叫做派,大家肯定没听说过,因为在国内还比较冷门。它是一个极简设计的 agent, 几乎不做任何额外的封装。我们平时用的比如说像 cloud code 啊 or codex 这种框架,它约束多,然后规划层比较厚,好处呢就是把那些比较弱的模型啊,能多浮起来走两步, 代价呢就是那些比较强的模型的判断力呢,可能也被一定程度上牺牲掉了。反过来说呢,薄的框架就是让弱的模型一步步能露出马脚,也让强的模型完全能够展示自己的规划跟纠错的能力。我们来大概的这个判断一下,这次一整条的这么长的这个工作流任务啊,需要用到这大模型的工具调用,多步骤规划 上下文,然后选题,判断出错的自己修复,单次跑下来我估计会用到上百次的工具调用,所以这六个模型的推理强度全部拉满,能够真实的展现它们在整个过程中的综合能力。 在最后比较这六个模型的这个能力之前,我们要先来看一下这次任务我们实际使用的账单跟这个生成的速度。 gpt 五点五呢,最快十六分钟 up, 四点七,二十九分钟 up, 开启了 x high。 这个之后啊,花费也是高的离谱, 比 g p t 五点五还贵了三倍多。然后其他的像 deepsea v 四 pro, 然后 kimi k 二点六, g r m 五点一,消耗的 token 呢,差不多,所以成本呢,也几乎差不多。但是 g r m 五点一啊,速度上比较慢, 花了四十四分钟才完成,这个原因呢,就是因为 token 接口的吐字速度太慢。因为之前就听说啊,这智普是国产模型里面比较缺算力的这个一家公司账单讲完之后啊,我们来看一下最终的成品到底是长什么样子。我想按两个维度来评价这次的任务啊, 就是排版跟内容,排版呢,是排版的结构,然后图案的比例,动画字幕这些内容呢,就是指选择题啊,旁白啊,判断力啊这些。然后六个模型呢,按照这两个维度的综合表现,我可以分成三档,第一梯队呢,就是 up 四点七和 gpt 五点五,大家可以看一下它们生成的视频啊。 h n 今日速览 top 一 百里三件事不讲废话第一件 deep c v 四,一千九百八十九分一千五百一十六条评论全列录零抠的跑在华为升腾上 pro 模型每百万输出 token 三点四八美元。 h n 原话从黑客到黑客 第二件, open a i 当天甩出 gpt 五点五,一千五百五十三分。记者分拣封顶贴 andropet missus, 但社区泼水幻觉率百分之八十六,是 opus 两倍多。第三件,最游戏九百零六分的热铁,在 bug 质量下滑。同一天, google 宣布向 andropet 注资最多四百亿美元,社区点透循环贸易, andropet 拿钱回头买 google 的 tpu。 全剧看 top 一 百 ai 话题十五条,却吃掉百分之三十一,得分百分之四十一。评论 谷里四条是 ai 域名榜第,靠十六次领跑。数据采自四月二十五日 h n 热榜,今天 h n 前一百条里, ai 大 模型占三十二条,合计一点一万分七千二百五十七条评论,榜首讨论集中在 deepsea v 四 g p t。 五点五和科沃质量风波。 deepsea v 四拿到一千九百八十九分,一千五百一十六条评论,社区最在意的不是发布会,而是低价好文档,以及跑在华为芯片站上的完整 阅帖。评论里的核心质疑是, ai 编程下的写代码时间是否又变成了独代码和审查成本工作计划最高头 n 四百亿美元, 把它看成供应商融资前 tpu 云和同要成闭环。如果模型商品化,真正的利润可能在算力入口比特和 c i l 供应链攻击,无科技拖拉机走红也只向同一个情绪。技术越强,社区越想要可验证,可修,少锁定系统。今天的关键词是可信。 从排版角度来讲啊,这一档的模型有完整的编辑自觉分进脚本呢,会自动标注 t t s。 实测的时长精确到秒,然后再去反推画面的时长。 g p g。 五点五的定稿啊,甚至自己列了这个时间码的对照表,图文的重点分明,然后动画的节奏也很合理。 t p t。 五点五的短板是首页的,这个数据格式化,没有正确的去渲染。然后从内容角度来说呢, oppo 四点七旁白其实是最讲究的,这可能跟大家的直觉上也比较吻合。 开场四秒钟就切入了三件事情,每一件呢都有具体的数据,加上一句这个嗨客女子原话做压轴,结尾呢,还单独留了十几秒钟做整体的这个全局的数据的复盘,然后这六个里面是唯一一个自己做了 结构化数据分析的这个模型, g p t 五点五呢,选题抓到了这个资本与算力的闭环这个独特的视角。别人都在讲模型本身,然后他呢,在讲生态,在讲一个大的宏观的这个这个角度,但结尾啊,那句就是今天的关键词,是可信。这样句话呢,我觉得就比较仓促了,像他感觉到时间快到了,然后硬切了一个结尾,这种感觉 怎么说呢,就是五十七块钱的 office 啊,贵是真的贵,但能力呢,确实也是最顶尖的。中间党的两个模型呢,就是 dipstick v 四 pro 跟 gim 五点一这一党的模型啊,都只是完成了整个工作的一半,但只是完成的一半不同。 v 四 pro 呢,赢在内容。 r m 呢,赢在了排版。 v 四 pro 的 排版呢,主体是左右结构的,图片被挤得比较小,文字也比较小,远不如第一梯队的那种舒展的,然后清楚的感觉,但有亮点啊,就是首页它做了一张热力图,是这六个模型里面我觉得最具设计感的这个开场,然后结尾这个转场,还用了这个色块动画,看得出来很有这个设计的意图啊。 然后字幕显示呢,我觉得就是比较正常。 v 四 pro 的 内容啊,我觉得它写的旁白是六个模型里面最像写给人看的一份。 d c v 四,近两千顶铁, 完全开源零抠的纯华为 samsung 芯片社区最镇的不是跑分式文档,开发者说比 open a i 好 太多。有人留了四个字, from hackers to hackers。 敢直接把这个 hacker news 的 评论原话当京剧引进来。 from hackers to hackers, 然后循环贸易 中表达呢,保留得很完整,四个镜头的每一个都有一句压得住的短句,然后开源再追,闭源再堵,开发者用脚投票。这句收尾呢,比 opus 我 觉得是最接近第 题。对的,开头有数据统计,然后文字跟图片都足够大,排版很舒服。唯一的问题呢,就是字幕遮住了这个皱纹。我反馈了一次之后呢,也没有修好,但是 g r m 五点一的内容啊,就差强人意了,基本都是新闻播报, 每个镜头的结构呢,都是谁发布了什么数据,多少社区说了什么东西,没有一句呢是自己的这个视角,自己的判断,也没有把几件事串联起来一起的。这个整体的视角只看排版呢。 g r m 真的 厉害,但是把旁白跟分镜如果也算进去的话呢,我觉得 v 四 pro 可能更好一点,所以我把这两个呢,都放在第二档。第三档呢,就是 v 四 flash 跟 kimi k 二点六这一档啊,为什么放在第三档呢?就是因为我觉得它在排版跟内容上面都有些硬伤。你比如说啊,像 v 四 flash 的 这个排版,所有的页面呢,都是同一个上下结构, ppt 模板, 十六比九的图呢贴在上面,然后有大片的空白,字也偏小,开头的数据呢没有渲染出来,字幕也缺失,反馈之后呢,还是没有修复好。至于 vs flash 的 这内容呢,它的旁白基本上也就是在复读这个帖子标题,然后像 deepsea vs 那 段,讲到 sweetband 突破百分之八十,适配华为升腾,这现在都是标题的原话。还有的那段呢,也只是把世界名完成了念一遍, 完全没有自己的这种视角跟判断。然后 kimi k 二点六的排版呢,深图有浓郁的这种 ai 的 味道,深图的提示词呢,也是比较差的,图片也被裁切了,没有完整的展示,然后字呢,也偏小。 kimi k 二点六的内容啊,比 vs flash 我 觉得稍微强一点。选题呢,选了卡尔的信任危机,然后谷歌的助资 把续命和买保险两层的意思呢,都点到了旁白,比较有节奏感。不过相比第二档的 v 四 pro 啊,我觉得还是有点差距的,大家也可以自己看这两视频对比一下。最后来跟大家总结一下,就 gbt 五点五跟 oppo 四点七呢,排版跟内容两件事啊,都非常在线,贵呢,确实有贵的道理。 然后像 v 四 pro 跟 g m 五点一呢,都只能做到一件事,然后卡在中间。然后 v 四 flash 跟 kimi k 二点六呢,在我这个测试当中,两件事都没做到,所以我只能把它排在第三档了。收回这个 dipstick, v 四本身啊,国产第一梯队我就完全是没有问题的。 v 四 pro 一 百万的上下文,性价比也非常的高, 从内容上来说呢,甚至有时候可以超过 g p t 五点五,但综合实力呢,跟 opus 跟 g p t 五点五我觉得还是稍微有点差距。但你聊一下这次测试的本身的局限性,因为六个模型都只跑了一次,会有很大的这个随机性,换一次呢,可能结果又不一样了。 任务设计啊,我这次也是比较偏重于这个视觉方面跟代码能力的,对纯文本推理能力啊,其实不是特别的敏感。真正严谨的测试呢,应该每个模型都去跑 n 次,然后去它的分布,然后再叠加这个盲测打分。这期视频呢,算一个不太严谨的这个测试, 给大家一个基本的这种参考。最后再跟大家说一下,这次测试呢,用的 agent 是 派,在国内还比较冷门,但我现在自己啊,就是内部几乎所有非代码的任务呢,都在它上面跑,非常的顺手,非常的听话,非常的爽。它是个开源项目,完全不是广告,感兴趣的朋友呢也可以自己去学习一下,自己去体验一下。好了,今天视频就到这里,我是李总,黑经理超,我们下次见。