大家好,这期视频呢,和大家分享一下如何让 j b t。 听懂你的黑话行话。在上期视频中呢,和和大家分享过了使用 j b t 的语音交互功能,但是呢,大家在使用语音交互的时候肯定会发现一个问题,很多时候我们的一些专业术语可能 j b t。 没法准确的识别出来,那么这个问题怎么办呢?其实呢, 语音识别的时候呢,有两类问题呢,目前是 gpt 还没法做得很好识别的一种呢,是个性化词语,比如说你自己的公司名称,项目名称,因为这些词语都是些专属的术语,那不属于这个行业的公开知识。第二类呢,就是在二零 二一年九月以后的形成事物,因为 j p t 默认的模型呢,数据是截止到二零二一年九月的,所以呢,在这个之后产生的一些重要的概念,比如说 made, journey, stability, feeling 这些 ai 绘画的术语,它都没有办法很好地识别出来,那么这个问题怎么解决呢?我们来看一个场景,我经常会使用叉 j p t 来根据我的 口述写一些关于 ai 绘图的文章,但是呢,当我向他去输入口述 madeger 你和 s d 这两个词的时候呢,他是没法识别的,因为他会告诉我,在二零二一年九月之前呢,他没有学习到 made gerin 和 s d 这两个词, 而且呢, mate 这个词的拼写也出现的错误,那么这种情况怎么解决呢?如果不能解决的话,对我来说是一件非常麻烦的事情,比如说整个文章百分之九十九都是对的,但是呢,每次我必须得手动去把这几个专业术语改过来,嗯,那么解决办法其实很简单,前一段时间呢,就是 gpt 发出了一个重要的功能,叫做 customer instructions, 也就是自定义的指令。在这个地方呢,我们就可以告诉他我们有哪些专业术语定义,让他学习,而且识别到这些术语。那么具体做法呢,就是我们进入 type gpt 设置中,然后呢直接告诉他,就是要求 gpt 在我的 口述内容中注意识别出啊 made, journey 还有 stable, diffusion 这些专业的术语,并且告诉他只要出现了类似的表达啊,都要理解为 made journey 这些我想要的术语。那么经过了这样一些设置之后呢,我们就可以看一下他的回答的效果,我们重新给他一个输入, 还是告诉他 ai 绘图有两种软件,一种叫做 mader 这里,另一种叫做 sd, 这个时候呢,他就会非常准确识别出来这两个专业的术语。那么同样的,如果说我告诉他了我的名字是马成,我的网名 id 用的是弗兰克老师,这样的话他也能够很好的识别出我自己的 名称。接下来呢,我们就会和大家演示一下这个操作是怎么来做的。首先呢,我们打开那个叉 g p t, 在左下角可以找到一个叫做 custom instruction 的选项,那么在这里呢,我们就可以进行一些自己的数据的定义,那这些数据呢,可以是你的行业的一些行话,也可以是你的公司和项 的名称,只要你进行一个非常准确定义之后,啊叉 h p 都可以做到非常好的识别和回答,这样就能够训练 ai 真正听懂你的行话和黑话。那么下面呢,我在手机端呢,给大家做一个快速的演示, 那我们进入到叉 j p t 在设置中呢,先关掉这个自定义的指令。在 ai 绘图方面有两个重要的软件,一个叫 made journey, 另一个叫 s d。 好的,我们可以看到,在关闭设置的时候呢, 我只要提到 mate 专用和 sd, 他都会告诉我,他没有学习到这两个专用的术语,完全不懂这两个概念。那么下面很简单,我在设置中重新打开这个个性化的定制, 开启一个新的窗口。在 ai 绘图领域有两个重要的软件,一个叫 made journey, 另一个叫 s d。 我准备写一些文章来介绍这两个软件的特点。 我们可以看一下他这次的回答,这个时候呢,他就可以非常准确地将 made journey 识别成正确的词语啊,以及是 s d, s d 的全称是什么。好的, 这个时候呢,他也能非常准确的理解出来, s d 对应的是 stable defusion。 那么有这样的设置之后呢,我们再只用口述的方式让他帮我们来整理内容和文章呢,就种非常高的准确率,就相当于你与你雇佣了一个秘书,那么而且是一个真正懂你的行业,懂你的需求的秘书。好的,呃,这些视频演示就到这里,谢谢大家。
粉丝282获赞1193

让 chap 学习固定的文件内容,需要先将文件内容进行处理,并使用适当的方式将其输入到 gpt 模型中进行学习。下面介绍一种方法,一、格式化文本首先需要将文件内容进行格式化, 确保文本文件只包含纯文本,没有标点符号、特殊符号等,这有助于 g p t 模型更有效地学习文本信息。二、处理数据将文本转换为适合模型处理的格式。可以将文件切分为适当的文本块, 并将其转换为等长的编码文本,如拨编码或 token 序列。这可以使用一些 n l p 库,如 n l t k, spacey 等来完成。 三、转换为数据级将处理后的数据转换为模型。可以训练的数据级,使用 tensorflow, pi, torch 等深度学习框架预定义的数据级对象或自己编写代码来 来完成。四、训练模型使用转换后的数据训练 g p t 模型,这可以使用 tensorflow, pi, torch 或其它深度学习框架的预定义接口和函数来完成。注意事项,需要选择合适的文本处理 和数据转换方法,以确保学习到的文本信息尽可能的准确和完整。需要根据具体情况对模型进行优化和参数调整,以提高学习效率和表现。要针对文本内容选择合适的模型,更好地学习文本信息。

这个功能用起来真的太爽了,掐的鸡皮的自定义指令功能彻底开放了。这个功能到底是怎么玩?有哪些使用场景呢? 大家找到左下角的这个按钮就可以打开使用了。这里呢,有两块让你输的内容,一块是你想让他记住的内容,一块呢,是你想让他输出的内容。有了这个功能, gbd 就相当于拥有了长期记忆。比如你在开发项目又或者写小说写论文时, 经常会遇到和 gpd 聊着聊着 gpd 就会忘记之前的一些事情,那么你就可以把这一些重要的信息或者需要 gpd 长期记忆的内容写在这里,比如项目的基本架构,功能点,小说的主线内容,论文的目录等等。这样你在和 gpd 每次对话时啊,他生成的内容都是永远基于这些字的音的信息进行回答的。 同样的,你还可以在这块内容上写上你想让 gpd 给你回复的内容格式。比如呢,让他给你回复的内容格式是接生格式, itm 格式,又或者是你自定义的格式。

大模型面对那么多海量的数据,怎么去训练呢?首先要让模型自己去数据中找到蕴含的知识和规律。 第一步是无监督学习啊。什么是无监督?无监督学习呢?这是一个机器学习的一个概念呢,我简单解释一下,非常容易理解。首先他去包括有监督和无监督。什么叫有监督呢?有监督是告诉你一个数据,同时是吧会给他设定一个标签,比如说 举个例子啊,什么有监督?比如分类是吧?图像,这个图像的话好,是个猫的图像好,我就告诉你这个图像标签是猫, 我告诉你这图形标签是狗,做分类的话是猫还是狗进行分类,或者比如语言呢?我说一句话是吧?你在吗?然后第一个,第二个正确的回答应该是有我在,我不在,等等这些回答,我标签好了, 就是说他的结果是什么样子是吧?输出什么样子,我是事先标定好的,而无监督是不需要做这个工作的。注意啊,无监督学习不需要分做的这个工作的。比如再举个简单的例子啊,是吧?我有一些圆圈是吧?还有一些 叉叉,这些符号对不对?假设啊,我有圆圈和叉叉,是吧?圆圈和叉叉这些符号啊,直接点二维平面上啊。好,比如说我做一个工作,什么工作进行分类,哎?分类?什么分类的?根据这个形状分类。好,那我自动的,比如通过一个算法把圆圈标为一类,把叉叉标成一类, 这个的我们有个更精确的叫法叫剧类,他也是无监督的,你不需要对他进行一个什么呢? 打个标签是不需要的,哎,总而言之,大家要知道无监督学习基本上是不需要进行人工的标注的,也就是不需要人处理什么工作的,哎,那么这种大家要知道,这种无监督学习对自然语言无监。

在使用 gpd 的时候,只需要加入这句话,我们就能让 gbd 的输出更加的准确。大部分在使用 gbd 的时候呢,都停留在机械的去复制指令上,以期望快速的获得结果。但是呢,思想的过程跟创新能力啊,才是我们最宝贵的财富。 批判性思维的三个关键要素啊,是断论、论据和论证的过程,那我们往往希望直接获得断论,但实际上啊, gpt 最大的价值啊,是在结合丰富的知识产出的论证过程的梳理。那基于 gpt 技术的核心的基础呢, 也就是自然语言处理的能力。在输出的指定过程中啊,我们根据情况加上推理过程,理论方法,原因,公式分析等等这样的词汇, 我会非常负责任的告诉大家,你对于 gbd 的使用啊,会明显上一个台阶。同样是一个让 gbd 输出沟通话术的问题啊,我们可以看一下前后之间对比,那未加入分析话术前的 prompt 和加入分析话术后的 prompt, 很明显可以看出啊,加入了理论跟分析这些词后啊, gbt 给出的答案不仅仅更加的准确,同时呢还将理论和原因以及表达过程的公式给呈现出来了。那知其然也要知其所以然。我根据 gbt 六大能力啊,延展出了多种帮助解决工作生活问题的方法, 很多朋友呢,已经通过自己的方法跟技巧拿到了结果,相比复制 prompt 这些东西啊,才是真正对你有用的。那加入主页粉丝群,免费获取 ppt 的使用宝典!

向 gpt 提问过后,你是不是经常得到一堆没有用的废话?应该怎么问才能得到满意的回答?只需要三步,第一步,灌输知识。提问之前先访问 gpt 是否了解相关领域,这一步是为了给他输送内容,方便得到更加准确的答案。第二步,身份设定。 为了让 gpd 理解上下文,给予 gpd 一个身份,并给出相关背景,方便更好的解决问题。第三步,提出明确指示,你想通过什么方式达成什么目的,尽量详细的向 gpd 提出要求,这样 gpd 才能给你满意的答案。你学会了吗?关注 ahl, 持续干货输出!

飘哥, g p t 是否会自动更新它的知识库?首先它是不会自动更新的,它现在不管 g p t 三点五还四,它都是数据到二一年的九月份,就二一年九月之后呢?现在其实发生的实时性数据它都是不知道的。 open 整体更新它的大模型的时候 才会把这个数据更新进去,当然那也是有可能更新进去,那也有可能部分人会忽略这个数据,直接删掉,那所以现在这也是大数据模型。一个问题就是你不能 通过问答的形式直接问他最新的东西,如果你碰到这种最新的东西,你应该先把最新的信息给他,告诉他今天发生一个什么事。事情是这样子的,那基于这个事,我要问你的问题是什么,而不是直接问他这个东西。

如何用 chat gpt 给你喜欢的爱好制定学习计划?大家好,今天给大家介绍用 chat gpt 去学习自己想学习的东西。首先介绍今天要用到的插件 tutory。 tutory 是一款导师插件,它可以给你制定各种学习计划,安装好之后需要注册一下。 回到界面之后,我们来演示一下这个插件。输入你想学习的爱好,例如我想学习营养学,接着他就会给你制定计划周期, 然后回复准备好了,他就会按周期给你进行学习。在给你灌输知识的最后, tutory 还会向你提问,从而看看你对这一天的学习是否已经了解。假如你对周期不满意, 你还可以向他提出想要多少天的周期,这时候他就会重新规划。我们还可以试试其他爱好,例如三十天周期的钢琴教学。 tutory 可以成为各种导师,各种行业都可以学习,喜欢的朋友赶紧来试试吧! nice!

这是一条所有希望使用好 gbd 的朋友们都必须掌握的技巧。如果你在使用 gbd 的时候总是认为得不出想要的答案和结果,我可以非常明确的告诉你,百分之九十原因啊,是你不了解 gbd 所有能力,你也不知道自己遇到哪些问题, 同样不知道如何把隐性的知识变成显性的问题描述出来。具备只有一个对话框,由你输入具备的技术啊,根据你的输入内容产生出结果。告诉我,如果你得不到想要的答案,你认为问题会在哪里? 高质量的 prom 的核心本质是在于完善正确的提示词,从而有效的引导人工智能模型,实现理想的输出结果。好的 promt 必然依附于好的问题,而定位问题的能力本身就是高级的技巧。定位问题的本质在于洞察需求和痛点,而重新定义问题则是更高级的创新能力。定义问题的能力才是最根本、最有价值的。 gpd 的高级使用技巧。 我拆解了 gbt 的一个基础能力和六大 gbt 核心能力。在基于每个能力啊细分了多个功能特性,结合场景的需求,可以给出每个人适用的解决方案。来看 看一下我课程中的第二个模块中的课程案例。我们就基于文本生成和编辑能力中的风格调整的一个功能特性,五秒钟为餐饮行业的线上营销岗位制定出了五种利用 ai 改进和优化具体工作的方案。第一,个性化菜单的描述第二,主题活动的宣传第三,客户评价的回复。第四, 新的推广。同样一个菜单,你的是肌肉沙拉,而我的菜单上是在月光下摇曳的肌肉沙拉,给你带来浪漫的味蕾之旅。但仅仅只是文本深沉和编辑能力中的其中一个小小的功能特性。只有我们把问题细化和拆卸到足够的小,再使用你特定和独有的场景,我们才会得到精准的想要的答案。那我的课程有三大特点。 拆。转和拆指的是拆解所有的 gpd 技术能力,转是结合场景的灵活运用,和则是不同技术能力之间的灵活组合。不仅有案例,关键是一开始从最基本的理论入手,一开始就帮助你明确驾驭 ai 和定义问题的关键。 但随着定义问题逐级拆解,每项能力与现实场景结合,配合我的 prom 的使用,找到组合应用的方法,获得高级使用的心得。学习中理论掌握一套方法,养成一个习惯,让你真正成为驾驭 ai 的人。

好,我们接着来关于打造特定领域的 check g b t。 上几个视频提到两个方法,微调 fire tuning 和封装了 imbedding 的 g p t index。 现在我们来对比一下两个方法的优劣。首先,微调 fi q, 你的底层逻辑是,他在原来的模型上通过你输入了一堆例子, 训练了一个新的模型。相对于他原来的模型而言,你新输入的数据少的可怜,所以 g p t 并没有学到更多新的知识。一般而言,你只能用它来调整 g p t 的输出格式啊, 样式啊,或者做一些分类等等。而且啊,当你有了新的数据想输入的时候,你还得重新训练他,费时费钱。至于 in bed 呢,其实 相当于你首先建立了一个非常聪明的数据库,提问的时候马上到数据库里找到相关的资料片段,然后和问题一起提交给 gpt。 注意哈, in bed 点并没有训练新的模型,所以当你有新的数据的时候,你直接插入到数据库中就可以了,而且 gpt 能根据你提供的资料片段和问题给出比较准确的答案。 有,好了,有了这个 overview, 你再去看看细节,相信你能够迅速判断如何使用 gbt api 打造特定领域的 check gbt。

随着我们使用大模型的深入呢,我们会呃发现这样一个现象,叫做我们正常情况下,我们问大模型的问题呢,我们会得到一个非常普实的回答,就是大模型会根据自己的训练的这个过往的一些知识的积累,然后告诉我们他认为最好的一个答案。 但是如果我们问到一些非常具体的针对啊,我们自己生活和工作的一些问题,比如说一个文档,或者说公司里边的一些情况的时候。哎,那这个时候呢,大模型的回答的这个就不会包括这部分知识。那如何做这样的定制呢?啊?我们今天就讲这个这个话题。 呃,通常来讲呢,呃有三种办法。第一个办法呢叫做提示工程,叫做 prompt engineering, 呃,这是一种通过设计特定的输入提示来引导模型生成我们期望的输出的办法。第二种呢叫做知识库的嵌入, 叫,呃, notch based in beddings, 所以这指的是结合模型与外部的知识库,使模型在生成答案的时候呢,可以引用这些外部的知识。第三种呢就是 fight tuning, 呃,微调,这是在特定数据集上对预先训练的模型进行额外的训练,使其更适应特定人物或者领域。 这么讲起来呢,可能,呃有点难理解,我们举一个例子啊,呃,来说明,我们就举一个例子叫做假设,一个学生啊,一个大学毕业生啊,可能是一个博,呃,本科生硕士生啊,他刚毕业了, 然后呢,他具有经过了这二十多年的学习,他具有了深厚的学术背景和理论的知识,然后他现在要去工作,但是在面临世界工作的时候呢,他必须要需要一些适应和调整,对吧?所以呢, 提示工程 prompt engineering 相当于什么呢?相当于他的领导给他布置了一个具体的任务。呃,口头布置了一个任务,然后博士这个学生呢,就基于自己的知识和经验,按照任务要求进行操作 啊,这是第一种啊。第二种呢,就知识库嵌入相当于什么呢?相当于这个学生遇到了一些问题啊,然后他的领导给他扔,扔给他一本啊,操作手册啊,一本字典啊,然后让他在操作的时候,这个学生就可以去查阅啊, 然后这就像模,这就像模型引用了外部知识库来增强他的输出。那第三种呢? facility 像什么呢?就像这个学生在刚开始工作的时候,他不是报道的第一天就去工作的,他是先经呃,接受了两个月的上岗前的培训,可能有公司的 这个企业的一些制度啊,企业的文化呀,工作流程啊,过往的一些操作指南啊等等,让他更适应具体的工作环境和要求,所以这就是三个不同的区别。提示工程知识库嵌入,还有这个微调, 那他的优缺点是什么呢?我们很快的讲一下。对于提示工程由 prompt engineering 来讲,他的最大的优点在于快速实现啊,直接针对特定的需求,然后这个学生就能够迅速的得到结果。但是他的缺点就是有可能需要多次尝试才能得到最大最佳的答案,要要要去试。 然后呢,这个方法呢,也不适用于啊所有的问题,特别是对于复杂的任务而言,这种方法可能会是失效的,因为我们上次也讲过这个,他会占用很多的 token 啊,所以这个可能 prompt engineering 这部分提供的些背景知识就已经超长了。有这种可能啊。 第二个呢,就知识库嵌入,他的优点是说增加了模型的深度和广度,使其能够更处理更加复杂和特定的问题。就好像刚才讲,像这个学生有一个操作手册,他可以随时查阅, 但这个缺点在于什么呢?在于啊,整合和维护知识库需要额外的时间和资源啊,这不是说他就一直在那里的,要进行对他进行项量化的一些操作啊。然后呢,需要确保啊,同时需要确保知识库的准确性和即视性。是是是是,随时在更新的 最后一个微调,他的优点是针对特定任务啊,或者领域,优化模型的性能,使其更加的专业和适应。就好像刚才讲上岗前的培训之后,这个学生就会更加胜任某一岗位。但他的缺点呢,就是需要大量的标记数据啊,可能,也有可能呢,会导致一种 叫做过离合的一个情况发生。就好像这个学生,呃,只针对一个小领域进行培训,可能就会失去了对其他领域的一个灵活性。所以做一个简单的总结啊,这个叫做 一个博士生,一个学生他可以,呃,可以,可以接受一个,接受一个领导的口头任务啊,这个叫做提示工程,他就去做了。第二个呢,这个学生呢,他可以拿到一个手册,然后在不会的时候去查阅手册,再去再去做,这就叫做知识库的嵌入。 第三个呢叫做微调,就是他进行了一个上岗前的培训,一个月的培训,然后呢来进行适应,更适应上岗前的呃,更适应这个工作的本身 啊,所以就是这样一个例子,帮助大家去进行一个理解。那具体这三个方法,呃的一些更具体的一些解释,我们放到后面的视频里再进行讲解。

兄弟们,只要复制一段提示词,就可以让 gb 四变成你的全能导师,教师行业瑟瑟发抖啊!从小学教到博士,不仅学习的内容难度可任意指定,甚至可以随意改变你这个 ai 导师的教学风格和说话语气, 你可以让他变得幽默,可以让他变得严肃,甚至可以根据你自己学习的习惯专门定制,这 是人类历史上第一次做到了因材施教。现在一个 ai 就可以帮助你学习任何主题,还是二十四小时随时待命,并且不会骂你吵你不会失去耐心的那种。 我马上试了一下,我让他教我高中难度的量子物理,不仅能够学习,而且可以测试。我只看了一会,就掌握了一些量子物理的知识,考试也通 过了。也就是说,等你学完了,就可以输入杠 test, 进入隋唐小测试环节, ai 导师会判断你的回答是否正确,作出点评,并根据你掌握的情况判断是否可以进入下一节课。 而且 ai 还会适当的夸夸你,如果你喜欢这种风格,可以把语气风格设置为鼓励,让 ai 更频繁的夸你。如果你仍然觉得理解困难,还可以临时让 ai 导师给你降低难度。 最炸裂的是,写出这个 ai 专属导师插件提示词的作者,竟然是一名年仅十七岁的高中生。这名高中生名叫贾斯汀,来自澳大利亚。 和我一样啊,贾斯汀的小子也经常在考试前临时抱佛脚,所以他打造了一个 gdp 四私教给自己补课,发现效果非常不错。 随后他将之命名为驯鹿项目,上传到 petabo, 没想到意外爆火,这个提示词的水平已经把搞教育科技行业的人吓到了。这个人评价说已经与当前最先进的教育科技水平同等了。朋友,你现在不会还没开始用 gdp 吧?

每天一个 gbd 小技巧,今天要分享一个万能 gbd 提供公式,利用好它,就能让你 gbd 回答质量瞬间提高五倍。在交互过程中,我们需要把上下文信息写成一个 prom 的交代清楚,这样他才能给出更好的回答。 这个 gdp 万能的提供公式包括五个部分,你是谁,做什么,怎么做,不要做和输出格式。举个例子,现在我们需要给海外客户写一封英文邮件,担心有语法错误,我们可以让 gdb 来修改。在没套用公式前, gpt 的回答是这样的, 接下来我们套用万能公式的提问。神奇的事情发生, nice!

如果你仅仅只是拿 gpt 来写文案做 ppt 啊,那真是大错特错了。以下是每个人都应该掌握的两个最强 gpt 的使用技巧,第一是利用他的文本生成跟编辑功能来生成创意和 思想之术,让你一开始啊就赢在起跑线上。第二是利用知识查询和推理功能来做辅助的决策,帮你在遇到困难的时候理清思路。在做任何行动之前,请先让 gpt 为你生成 五种以上的可能,指定可以如下,也可以是这样从不同的角度啊给你带来充分的创意建议。在遇到决策的时候,我们也可以使用 tpt 技术啊来嵌入思维的工具。这些原理啊,都是基于 tpt, 通过大量的优质数据预训练的过程中,充分掌握的世界上最优质的数据语料。比如这一条, 在里面可以加入了飞慢学习法、第一性原理等概念,把问题呢抽丝剥茧,找到最基础的单元,并基于最基础的单元重新组合和 构建一个全新的解决方案。同样,你想写一份比较好的一个故事脚本,可以在内容创作时啊使用英雄之旅、 semes 等技巧来改变输出的答案。这里啊,你可以看到明显的改变,我们也可以使用认知复合论来优化学习的过程,以此啊提高学习的效率。 请务必使用以上两种方法,能让你使用 gpd 水平啊,大幅度提高。加入我的主页粉丝群,了解更多的 gpd 的使用技巧。

tigbt 的提示词到底要怎么写?从始至终都有小伙伴问到这个问题,做一个提示词助手,这种可以解答清楚了吧?这一周单位事情太忙了,学习时间被挤占的非常严重,本来在研究当前框架效率的问题, 学习到 open ai cookbook 中知识框架时,无疑撇到了一个有意思的工具叫 prompt perfect, 一个优化提示词的工具,而且居然要付费,这都有人用? 痛了一下,似乎我明白了为什么之前分享的提示是指导文档,可能对于小白粉丝还是较为抽象,最好的方式还是将传统搜索引擎式提问与深层式 ai 模型提示词提问的方式进行可视化对比来的直观。于是我就抄了一下,能将原始的提问需求转换为一个标准的 ai 提示词, 这样粉丝小伙伴可以直观的看到什么样的提示词可以更好的指挥 gpt 工作,并且也省掉了工作中不停写提示词的烦恼。这是代码核心,可以说是非常简单。我常 了两天调试,稳定了一个提示词,用于针对原始的提示词进行更改,要求 gpt 按照原始需求识别界定专业领域,找到领域角色,结合,对应领域知识模板书写提示词进行思考。并且为了能够体现出优化后提示词的多种写法,这里我生成了两个优化结果,粉丝小伙伴如果有兴趣,可以生成三个, 然后提高温度值,看看变化有多大,来看看效果。启动界面后,设置好 open your a p i t, 然后输入自己的提示词就行了,不用刻意的简单化。你平时怎么给其他几笔提发问的就 可以怎么发。比如以本周拜访四名客户为主题,写一个让领导觉得工作量满满的珠宝。我反正看到有人这么用。可以看到 g p t 的模型会给出两个优化结果,不管哪一个,都会把写珠宝的提示词进行深度优化。翻一下之前我的提示词,视频、角色、目标、任务、月数都有这个提示词,直接复制粘贴 用就行,加上工作内容,我相信这样的结果才是粉丝要的周报提示词吧。不知道这样的对比够不够直观,需要对小伙伴写提示词有一定的帮助。并且提醒一下大家,如果写 aia 检测这种专业的提示词, 可以在这个基础上自己生成以后再改进一下。最近工作太忙,更新有点慢,不过我还是会继续更新分享的。欢迎评论区留言讨论,有用的话记得点赞关注。

想通过短视频赚钱,最核心的一点就是解决目标用户的痛点。同样是在做短视频,你是在写文字,而别人在抓人性,所以你五百播放量,别人百万点赞。短视频的传播本质啊,就是围绕着情绪痛点反复戳刺。如何才能精准的抓住目标用户的痛点呢?只需要将这条指令发送给 gbt, 就可以根据我们的产品或者服务,深层次的挖掘用户的痛点。通过学习小样本提示的原理,只需要输入产品跟服务的目标具体就可以从用户的特征、需求、痛点、痛点敏感人群等几个角度,针对不同的目标用户给出五个视力。 以桌面手机支架为例,啊 gbd 分别可以从办公室、职场、烘培爱好者、家长、主播等角度描述出了对应用户场景和需求。比如办公室职员需要在工作中处理多任务,频繁拿手机影响工作效率,还会错过重要通知。而痛点敏感人群呢,就是经常参加视频会议或者需要 长时间电脑工作的职员。从以上角度出发,可以在短视频中啊将痛点放大,让短视频的创作和变现更加有方向。学习 gpt 啊,核心并不是简单的去体验这个工具要怎么使用,而是如何结合场景去构建一套针对性适合自己的需求的解决方案。

最近我发现一个超厉害的 ai 导师指令给大家看一下。只要把这个指令输入给叉 cpt 之后,他就会一步一步引导你去学习。目前这个指令已经升级到了二点五版本,可以指导从小学一直到博士后的所有学习任务。 你只需要在最开始的时候给他设定好配置,并且呢,这个参数配置他也会给你进行引导,比如学习深度学习风格、沟通风格、语气风格、推理框架等等。设定好这些配置之后啊,你就直接可以开始学习了。比如你是一个中国的高音新生, 想要学习高中的英语知识,把这个需求给到他之后啊,这个 ai 导师马上就会给你形成一个系统的学习计划。接下来你只需要去回复开始和继续,这个 ai 导师就会一步一步循序渐进的 教给你所有的高中英语知识了。他不仅会教你知识点,并且进行举例,而且还会结合这个知识点给你出练习题。在你回答完之后,他会马上给你批改作业。就像上面的这个做错了,他会直接指出来并且纠正 不是那些。还可以让他告诉你具体的解题思路,解题技巧。像这个阅读理解的解题思路,下面他还给了我们十个解题技巧,这些技巧和思路都可以运用到日常的学习和考试当中。并且呢,你还可以让他把里面涉及到的每个关键知识点最核心的部分单独标记出来,这样的话,你就能 更有效率的去学习。除了这些,你还可以让他把上面所有的这些知识点整理成表格,方便你去记忆和学习,这绝对是帮你学习涨分的一个利器。最后啊,我把它放到百宝箱里了,需要的小伙伴直接来评论区。

gpt 这类东西普及之后,你不搞专业的话,编程不用学了,外语不用学了,各种数理化、历史文学、商业知识都是一问就有。你想做一个解决问题的逻辑框架,他几秒钟就能给你出一个,他几乎掌握了所有的好答案。但是 就算你拥有一个装着所有知识的图书馆,你不知道如何提问的话,就等于一无所有。所以提问的能力可能是 gpt 时代最重要的能力。怎么能拥有这样的能力?咱们从一个案例开始, 过年的时候我有一条视频跑到了差不多八百万,还不错的流量啊,讲什么呢?酒量是练不出来的,因为处理乙醇需要的两种酶的性能是基因类型决定的,你处理不了就是处理不了,那些从一瓶倒练到能喝个五六七八瓶的,是练出了大脑的 耐受力,而你处理酒精的能力没变,身体出问题的几率也没变。这样一条内容,你觉得他的受众是什么样的人?根据后台的数据,一是主要分布在南方,二是年龄在十八到二十三。为什么?因为处理乙醇弱的基因型主要分布在南方。然后什么样的人会因为喝酒困扰呢? 刚刚进入社会,接触到酒文化的人最困扰,所以是十八到二十三。那我下次再做这种科普,比如乳糖不耐受, 我就会问这 pt 乳糖不耐受的人群分布在哪?他告诉我主要集中在广东、福建、江苏,发病率在百分之七十到九十。那我就针对这些地区做投放, 我的视频就更容易出圈啊,那些做书画奶的,就可以在流量平台上按这个分布去分配预算呢?而像 g p t 问出这个问题的前提是,你得知道基因型会因为 人的迁徙分布在不同的地区,这些都属于通识知识。注意啊,通识知识可不仅仅是一堆事实性的知识,事实性知识 gpt 里都有。咱们现在讨论的通识知识是理解这个世界的框架。 举个例子,酒量是练不出来的。那个视频下边有很多人评论说胡说八道,我就练出来了。他理解这件事用的是最最普遍的经验框架,是朴素的直觉,我练出来了,我身边有人练出来了。在这样的框架下,他提出的问题只会是,我如何才能练出酒量这个问题和基因分布那个问题的价值完全不一样,对吧? 再举个例子啊,不是有十八到二十三的年轻人被酒文化困扰吗?一个不能喝酒的人,在社交文化这个框架下,只能问出来我是不是不合适这个职场环境,有没有什么工作不用喝酒?而经济学是怎么理解酒文化的形成呢?是因为在信息不透明的时 代,要通过和大九的这种自残的方式表达我对你我这段关系投入了成本,所以我 值得信任。所以会有一种观点说啊,酒品好,人品他也好。那么一个学过微观经济学的人,会怎么针对这个困扰问问题呢?除了喝酒,还有哪些方式可以赢得信任? 通过这个例子,相信你已经理解同时知识的储备和提问能力的关系了。建立这种储备很简单啊,就是读基础学科的科普书, 物理、微观经济学、生物逻辑、哲学、统计、概率。读完这些再去读历史、读哈佛,同时读本那种书。前半部分呢,是建立理解的框架,后半部分是你拿着这些框架去思考的游乐场。咱们下一条说一说这批的时代需要的第三个能力,体感力。

ai 界的安卓系统羊驼二终于支持中文了,只需两步轻松部署到你的本地来体验目前开源系统中的最强 ai, 还可免费商用,大家跟老张快速体验一下。 首先呢,咱们先来看一下效果啊,这个拉莫二啊,他现在已经完全可以支持中文了,咱们国内大神成功研发的中文微调版本,而且给咱们提供了两个模型版本供大家选择,一个是基座类的,用于仿写文章续写等,一类是咱们叫做他叫做星座类,或者叫做指定类, 就类似于咱们对应的菜的 gbt 那种感觉的,直接通过指令进行聊天的。所以说今天老张呢,跟大家来讲解一下,如何把这两个中文版的拉姆尔模型给他部署到咱们的本地 直接本地应用。如果之前了解 github 的兄弟呢,可以直接登录他的 github 来进行部署,如果不了解的往后接着跟老张走,没有软件的记得双击关 关注评论六六六。好了,接下来咱们来说一下如何部署咱们这个就是刚才老张给大家说的咱们中文微调后的两个模型,一个是基座版,一个是对话版,大家如果需要的话呢,老张都给大家同时打包起来, 对于这个 text 的真的 reset 啊,进行一个简单的部署,还是打拿到老张的这个工具之后呢,咱们直接点击开始好,开始成功以后,咱们直接在这个位置进行打开。当然如果您首次安装的时候呢,他会有一个安装指令,咱们把它安装完也可以,大家碰到任何问题都可以直接发过来。 然后那两个模型呢,咱们是放到这个 test generation 杠外边, ui 放到这个 models 这个文件夹里,直接放到这就可以了啊,大家下载其他模型也是可以放到这,这种的话方便比咱们自己搭建的要简单很多。 然后咱们直接访问这个网站,好的,咱们打开 generation 这样 test generation 这样的一个网站,然后先在这个位置 选择模型,在上方点击模型选择,然后在这模型中,您看您是想使用类似于 t b t 的对话方式,还是想使用文章仿写我的老张给大家演示一个叫 t b t 的,然后选择 load, 这样的话他会加载指定模型,就是老张这提供的是一个七 b 的模型啊,起码你的显存呢得达到八 g 以上,否则的话会爆显存的啊,大家来看一下,这是没问题了,成功看到了吗? 成功之后回到这你就可以直接进行对话了,所以大家可以看到它的效果呢,比之前的拉玛尔要强很多,他是能够读懂中文,也可以用中文来回复的,一些 gbt 的指令在这个位置都可以直接使用,而且呢全程本地部署,这个将来你用完之后呢,甚至你可以开发属于自己的模型微调来搭建你自己的知识库。 如果有想学习如何搭建知识库的兄弟们呢,可以在下方给老张评论,如果本期视频点赞超过两千以上,老张会给大家开新的内容,给大家来讲解如何使用文答系统搭建 gbt 知识库。

一条指令就让你的 charge bt 秒变 me journey, 让你体验 ai 绘画的真正乐趣。我们打开 gbt, 选择 gbt four, 选择 deli three, 复制这段指令回车。现在只需要根据提示,在你想让 ai 为你绘画的提示之后,加上设计好的这些参数。或者呢,直接使用指令,你就能够获得一张高清大图。 或者呢,基于你喜欢的一张图片风格,再绘画出相同类型的四种微调版本。你也可以在对话框中啊,直接要求 gbt 生成不同尺寸,还可以通过这些参数调整图片的艺术性,让 ai 帮助我们打开脑洞。 你也可以直接使用你姐风格,直接输出日式动漫风,甚至呢,使用一些我已经设定好的一些简单的咒语,一键生成出这样的高质量的图片。像这样这样和这样,近期一系列的距离大更新啊,让我又有了一些全新有趣的组合运用思路,欢迎大家持续关注。

你是不是觉得 cheers g b t 用起来好像没有想象中的那么神?是不是会听有些人说啊, g b t 可以取代金融分析师, g b t 可以取代医生、律师等等,因为它可以读懂法律条文啊,对不对?熬了三天三夜,给你们整理好了一百多个角色库,用的时候啊,直接复制粘贴就可以了。 我放在了视频的最后,今天我就来教大家 gbt 的进阶用法。如果说你已经接触 gbt 一阵子的话,你会发现啊,他是可以角色扮演的,不管你今天让他成为一个律师、医生还是投资分析啊,都是可以的。首先要给 gbt 一个身份,然后给他一个剧本,你要跟他解释这个角色平时他是什么样子的, 比如他的知识背景是怎么样的,例如今天你说让他扮演医生,那么他到底是个牙医,内科还是外科医生呢?你都得解释的非常清楚。还有就是你一定要解释说他是一个非常厉害的医生, 比如有十年经验的牙医,他在这个领域大概是第一名的样子。你把这些剧本啊,背景都准备好之后, gbt 才能进入这个角色。那进入角色之后啊,他就会以不同的角度来跟你解释问题啊。不管今天是心理医生,还是以朋友的角色, 还是以父母的角色,给你的意见都会是不同的。想要这份角色库的家人们可以在后台私信我,加入我的星球来了解一下。