antigravity提示词设置

大家好，如果你看见比较好的视频，怎样让自己也能实现类似的呢？让我们开始下一个零代码的小应用吧，在这里输入我们的需求。漫长的等待中，有问题让他拿一个测试文件继续改 图片分析。我用的豆包大模型，还有一些显示问题，统一发给他截图，给他描述一下。所有的修改之前只做了视频抓取提示词，顺便做一下图片的提示词抓取吧。 又是漫长的等待，好了，再来看一下。选择一个视频，选择按场景提取，看看结果。复制这些内容到 rock， 它是免费的。 看起来不错吧，对比一下原始的文件哦，风格完全一样。再试一下图片的功能吧，感觉也差不多，等会部署上去，有兴趣的回复六六六。

首先为大家讲解一下极影 ai 有 哪些功能，它的意思就是首先把你解说的素材导入极影 ai 工具中，它会自动帮你分析电影情节，生成文案、分镜等等。 还有就是素材必须是 mp 四文件才可以导入进来，其他格式是导不进来的，这点一定注意一下。好，说到这里，很多人问提示词是什么？用来干什么的？它的意思是在解说辅助里填写一些要求，怎么让 ai 按照我的意思去帮我生成视频。 还有这里的默认文案这里有，它可以自己提供文案，也可以让 ai 自动帮你生成一部素材，每次生成的文案十次上百次都不同，这点还是挺好的。它可以做短剧、慢剧、电视剧、电影、游戏剧情、 t k、 英文 和各种语言解说、视频制作等等，看你自己喜欢的赛道有哪些，都可以尝试一下。好，接下来第二点，我讲的是月卡、年卡、 永久卡的区别在哪里？月卡和年卡它们功能是一样的，只是时间的长与短的区别。而永久卡它多了一个全感知推理，它的意思就是一个专业剪辑师在线辅助你，帮助你全自动剪辑视频，让你快速剪出精美视频，新手零基础也能轻松上手。 接下来我讲讲第三点，关于全感知推理，它能做到怎样的剪辑效果。它的意思是能一帧一帧的识别画面内容、 场景变化、人物情绪，能分析语言对白密度、音乐节奏和情绪起伏，主角出场、配角互动、情绪爆点，这些他都能同时抓住，同时处理解说文案和画面内容，让匹配更加精准。智能标记精彩段落， 提炼爆点，自动安排解说节奏，最后一键成片。真正的智能剪辑不是盲目拼接，而是看懂情绪，剪出解说节奏。全感知推理讲完了，继续说说第四点，极引 ai 的 界面上的功能，它们分别有什么作用？好，返回极引工具中， 这里就是我们的极引 ai 界面了。首先我们先把全感知推理打开，这里非常重要。模型这里我们给他选择深度推理模式，他的意思是强化了结构感和剧情理解能力，更好的内容分析信息，生成的文案更细致，节奏感、情绪更加丰富。 分镜模式，这里有三种。默认分镜，它的意思是保守剪辑分镜较少拆中分镜的意思是分镜切换更加流畅丝滑。激进分镜的意思是节奏快，分镜切换更频繁，可以按自己的要求给他做选择。 自动识别，这里的意思是他的意思是素材是普通话，就给他选择普通话。如果是其他语言，就选择其他语音视频。无声视频也是选择其他语音视频。穿插原片，他的意思是随机穿插原视频的画面，他比较适合剧情强烈类的作品。 全书解说就是全部解说，没有原片画面，适合一些历史知识纪录片、无声电影原片率。它的意思就简单了，控制原视频中的画面有多少自动字数，它的意思是控制解说与多少。解说节奏快和慢，视频时间长短、 语速，他的意思是控制解说语每秒多少个字。节奏快和慢。解说文案，这里有很多种语言，他的意思是你想要中文文案、英文文案、德文文案等等各种都可以，特别适合做 t k 视频的粉丝。 第三人称，这里的意思是站在旁观视角叙述文案，可自由展现复杂人物关系。第一人称是从角色自身视角讲述文案，增强带入感节奏。 接下来讲一下第五点，通用提示语和精准提示语的区别。这里是我们工作人员自己研究的提示语， 可以看看。这里有很多种，我们还会更新一些提示语，这里是简单通用的提示语，也可以在上面自己修改一下再添加进去。 下面这里就是精确些的提示语，可以按照自己的素材去添加进去，让极引 ai 更好的帮你生成出视频。好，这一期我就讲到这里，有什么不懂的评论区留言，谢谢！

挑战，每天讲透一个 ai 大 模型知识点，今天要讲的是提示词工程 r a g 微调，今天我们用大白话的方式来理解提示词 rap 微调，这里有 ai 大 模型面试题库、学习路线及入门到入职教程。首先分几下几块来讲解我们为什么 我们的这个大模型有时候会胡说八道啊，也就是产生一些幻觉问题，然后如何去优化啊？也就是我们的这个提示词工程应该来怎么来解决这个一些沟通的一些问题， 然后怎么样去补充知识啊？也就是给大模型装上一个大脑啊，就是让他去可以去连接到各种各样的一些这个知识库啊，动态的去获取一些信息， 然后包括我们怎么样去啊？做一些能力的重塑，浪大模型可以去拓展一些更加丰富的能力啊，重塑他的一些技能，这就是微调。然后最后的话，我们给他总结一下，什么场景下应该用这个微调还是用 vlog。 那么这一切的话，其实就属于一个非常常见的一个问题啊，就是大模型他有时候是不太理解大家问的一些问题，比如说你问了一个你公司内部的一些行业的一些问题，还有包括你问的最新的新闻， 大家会发现这些大模型的话是答不上来的，因为他本身是一个静态的，就是 go， 他 如果没有去联网的话，这些个信息的话，他是不知道的，那么 所以说这就会导致这个导致一个问题啊，就是我们去啊，跟他去沟通的时候，他就会捏造事实啊，就无论是事实错误、格式混乱，还是答非所问，这个都是我们作为开发人员需要去修复的一个 bug， 哎，然后如何去诊断这个错误呢？首先就是一个最关键的一个点，就叫做提示词工程啊， 那我们首先要解决问题的这个问题啊，就是我们怎么样去问这个问题，问的怎么样其实本身也是个问题。 然后的话就是缺乏知识啊，就是大模型它的一个知识库也是有限的，它并不知道行业的一些知识，那这时候的话，我们要去用到这个 rock， 给他去装上一个智库。然后如果是遇到本身能力的不足啊，比如说说一个场景啊，就是大模型，大家去用一个开源的，比如说千万大模型，你去问他一些这个啊 问题的时候，他的回答方式可能会比较的这个通俗化啊，不是特别专业，比如说你问他医疗相关的问题，可能有些问题回答的不是特别严谨，那么这个回答的方式、语气这几个能力不足的问题怎么来解决呢？这个就要用到微调了， 所以我们整个的一个策略的话，就是要从最简单的成本最低的方案开始逐层的去深入啊，而不是说一上来就要去微调，微调它也不能解决所有问题，具体的话还得看大家就是实际的一个场景。 那么首先第一个部分啊，我们可以通过题词词这一块去解决什么问题呢？叫题词词工程。那么这个的话，我们可以把它看作是一个修复格式错误的 api 调用。 那么我们在修改服务器的后端代码的时候啊，我们也是要去学习如何去跟这个 api 啊，做一个对话的，也就是大家要去了解接口的一些参数、地址、协议等等，这样的话你才能去啊，比较正确的去调用这个 api。 那 么 我们去学习题时词工程其实也是一样的，要如何学会与大模型去做一个沟通，所以说一个好的题时词的话，是成功的一个基础啊。 那大家目前去写些题的词的时候，有时候会写一些比较模糊的一个请求啊，比如说你就一句话总结一下这个 log， 那 么这个的话它就是比较一个宽泛的啊，那它就可能会给你一段 log 的 一段描述啊，就是因为你问的 log， 它就给你这么一个描述。 那么我们如果是作为一个资深的 ai 技术专家的话，那可能不能简单的这么去问啊，因为我们的一个诉求肯定是希望知道 log 它的一个架构，包括它的一个核心组建，像现代数据库啊，也媒体模型啊，它们之间的观念是怎么样的啊？这是我们想要了解的信息，但是你如果只问了什么，总结一下 log 的 话，它就会给你 log 的 一个基本概念。 所以我们去问问题的时候，你一定要搞清楚几点啊，就是，呃，作为一个什么角色啊，然后需要帮我们去做一个什么事情，包括它和其他这个组建之间的关联，大家要把这个问题给细化，这些都是关键点， 所以我们可以把 vlog 想象成给大模型一场开卷考试，模型本身是考生，下面数据库就是他带来的所有的参考书，那么引宾利模型就是能瞬间帮他找到书中哪一页相关答案的一个超级缩影，所以这样的话，他就能够根据你给的一个资料回答问题，而不是单靠死记硬背。 然后是提示词模式，这个是给开发者的一种魔法咒语。首先是这个角色扮演，比如说你是某某谁啊？就是是一个什么行业的一个什么专家呀，然后某某什么开发语言的这个程序员啊， 大家为模型定一个角色，以获取特定风格跟专业度的一个回答。然后是最好是给一些零样门的提示，那我们叫做 zero short， 那 么直接提出任务，不提供任何范例，适用于通用能力比较强的模型，比如说啊，就将这段解散转化为压面啊， 这个是它主要是做一些专业这一块的，就通用这一块的能力，所以你不提供这个势利的话也是可以的。 但是如果你问那些问题需要模型按照你的格式或者逻辑进行输出的话，这里建议大家一般是给一些 few short 少量的一些样本啊，就是你让他回答问题的时候，请参考以下事例去回答，这个的话，就大模型会按照你想要的一个要求做一个返回。 那这里面还有一个高级技巧啊，我们可以用 c o t 啊，就叫做思维链去引导模型做一个思考， 就是不要大拇指只给你答案，是需要按照他啊，按照你的一个要求计算公式也好，推理逻辑也好，去一步步的去思考并展示他的一个推理过程，这样的话就提高了复杂逻辑问题的一个准确性啊。那么 这里面就有一个经典问题啊，就是关于一个苹果计算的问题，如果说你只是简简单单的去问他一个答案的话，这里他就很可能就错误，因为他的中间有一个问题的话，肯定有一个问题。 所以这里面我们就可以让大模型去按照我们的一个推理逻辑去做一个计算。比如说啊，第一步啊，应该怎么来算，第二步应该怎么来算，第三步怎么来算， 因为这样不仅能够得到正确答案，还能够让我们的调试模型的一个思考过程，也就说你知道他的一个计算逻辑之后，你大概就能知道这个问题答案肯定是没问题的啊，因为他的计算逻辑非常清晰，是按照你的一个 这个问题的一些细节啊，就你想要的这种推理过程去计算的，所以是没有问题的。 那么它的一个核心机制就是什么呢？我们只改变了问题，没有触碰大模型。我们的这个问题去提出来的时候，通过提取工程优化了与模型之间的输入接口，模型本身没有发生任何改变，就是像调用 api 一 样传入了更加精准的参数而已。 关键点的话就是这种题的词工程它是不需要重新训练的，成本非常低啊，是马上可以生效的。那么第二部分就是这个 rap， 我 们会把它看作是给模型的一场开卷考试，因为模型本身可能不知道你公司的一些最新 a p i 文档，但是他可以把文档作为参考资料递给他，那他根据这份资料来回答问题 好，然后是 log， log 可以 解决什么场景的问题呢？这个就要提到一个点了，叫做知识库啊，因为大模型的它的一个知识是预训练的啊，就是它是有截止日期的，最新出来的书籍跟一些这个新闻，它肯定无法感知，那这个时候的话，我们就要做一个解锁， 所以这里面会有一个解锁模块，这个年解锁模块大家可以把它理解为我们正常人去学习的话，你要去图书馆是吧？去书店查一些书籍，借阅一些书籍来看一下， 然后的话去把书中的一些片段啊，你觉得跟你这个研究的课题相关的这个片段，你要把它摘抄出来，然后作为一个 啊，这个参考的一个材料，然后的话再到这个增强提示词这一块啊，将原始的问题与解锁的上下文啊，也就是我们找到这个资料，把它拼接起来，变成一个全新的提示词，最终啊再传给这个大模型，大模型给你的最终答案的话，就具备了一个非常专业性的一个回答， 这就是所谓的一个 log 增强生成的一个流程。所以大模型的回答结合了 log 之后的话，它就不仅仅依赖于其内部的一个知识了，而是基于我们提供的最新的外部数据，所以 log 的 话，它是可以解决知识的一个时效性问题的。 那么 log 的 一个核心引擎就是关于这个引配置跟向量数据库，引配置的话就是一个文本向量化啊，它是使用引配置模型将我们的文档啊，比如说 t x t markdown 转换成机器可以理解的数字的啊，这个向量用向量的话可以很方便的去计算这个向量的这个相似度， 有了这个相似度之后的话，他就能大概知道这个相似的文本语义，那这样就可以反方便的找到我们想要的那个片段。那么向量数据库的话，主要就是用来去存储这些文本向量啊，因为我们提到一些问题之后，我们要把我们的内容啊 文本转换成向量，然后去根据我们传入的向量跟这个向量数据库里面的一些向量做些匹配，找到这些最相似的一些坐标的文档。那么有了这些文档之后的话，哎，我们就可以做一些让大模型结合这些内容就做一些增强了。 何时应该去使用 log 呢？首先第一个场景的话，就是我们需要用到大模型基于私有或者实时变化的知识库进行回答的时候啊，比如说公司内部文档，产品手册， 最新的新闻，这个场景是比较适用的。然后我们需要减少模型出现的一个幻觉，并作为答案提供可溯源的依据时，因为答案直接来自于我们提供的一个文档场景三的话就是当我们想不再重新训练模型的情况下，快速为模型注入特定领域的知识的时候， 也就是我们知识更新快，成本相对较低，可解释性强，能够追溯信息来源。这时候我们就可以考虑用一些 rock， 然后是微调啊，微调这个场景会用到什么地方呢？大家可以把这个微调看做一个打补丁，或者说去编一个自定义版本的大模型， 就是我们不再是啊简单的去调用 api 或者提供参考资料了啊，我们是正在获取模型的一个元代码啊，我们这里模型里面这个关键的这个参数叫做权重啊， 用我们的这个数据对它进行二次翻译啊，就相当于我们去改造一辆车一样，而不是把整个车给拆了，它只是局部优化啊，比如说加点什么东西之类的，要做局部的调整。 那微调是如何工作的呢？我们可以用这个数据重塑模型的一个神经连接，首先是我们有一个基础模型，然后并且的话我们有一些高质量的训练数据， 然后把这两者结合起来去做一些训练，训练完之后就得到了我们一个微调的一个模型，这个就有点像我们大家去学习一些知识啊，就是，哎，我们最开始是一个啊，比如说没有学过什么课程的人，然后给了我们特定的一个训练数据之后 就相当于我们能去看书一样，你看完书之后，你学习完之后，你就变成了一个掌握了这个知识的这个人啊，就是一个学习的过程。那微调他可以使用一个包含大量指令响应对话的一个数据集，通过继续训练来更新模型的内部权重，这样会使模型学习新的技能、书画风格或者知识结构，而不仅仅是查找信息。 什么时候用微调呢？微调的主要目的不是注入新知识啊，他是教会新的能力或者风格，大家一定要关注这两个点，一个叫能力，一个叫风格，对于知识注入的话，那个可能会更加的高效。 那么微调的话呢，就适用于学习特定风格格式，让模型始终以某种独特的语调，比如说公司品牌的口吻，电商客服的口吻，或者严格的一些格式，比如说 jason 格式进行输出，然后掌握的新技能，要教会模型执行，训练数据中没有的高度专业化的人物，比如说将自然语言转化为一种含间的编程语言， 然后是优化边缘案例，提高模型在特定复杂领域上面的一些性能，这些任务的话是无法通过提词或者 rap 很 好的解决的。然后微调的成本是比较高的啊，它需要大量的高质量数据，并且的话可能会导致灾难性的一些遗忘，那模型忘记了原有的通用能力啊，可能会有这么一个问题， 那么作为开发者而言，我们需要在什么场景下用什么技术呢？比如说啊，我们要是遇到了啊，不满意的这个大模型的内容输出的话，首先 能否去提供优化题词的这么一点，去改变角色，提供范例，使用思维链来解决呢？啊，这个我们可以考虑用题词工程这个方案，如果说问题的是否来源于模型，缺乏最新的私有的，或者说特定领域的知识的话，我们可以考虑有 bug 啊，大家注意下这些关键词啊，就是 特定领域的知识啊，最新的 seed 的 这个场景。然后问题是否是模型的核心能力，风格或者格式无法满足需求的，你可以考虑用微调啊，这也是个关键点。然后如果这些都搞不定的话，那你就要重新评估这个问题，或者说用其他模型来解决这个问题啊。 啊，那这里也给大家列了一张表啊，就是我们最终的一个对比，就是它可以做一个什么类比的，就是 比如说优化 api 调用，我们可以用梯子公式， log 就 相当于一个开卷考试。微调就是编 e 自定义的一个模型版本，解决问题啊，它可以解决没问清楚的 log， 就 解决了缺乏知识的一个问题。微调就是能力不足的问题， 从改变模型上来说，前两个没有改变模型微调是改变了模型的，改变了它一些参权重的参数。成本的话，其实词这一块成本比较低啊，它主要是能力成本跟一些托管消耗。然后 log 的 话，就是向量数据库跟 api 调用， 微调是要耗费 cpu 算力的啊，包括需要高质量的数据标注的，然后实现复杂度的话，从低到中到高啊，然后知识更新的话，贴词是不适用的。然后 rock 是 具备了这些点的，那微调的话，它没有解决知识的问题，它还是静态的，然后并且的话也比较复杂。 适用场景，其实词的话，就是用在快速迭代，修正输出格式，引导推理这个点上。 rock 的 话就是用于 c 有 文档 回答，减少幻觉，提供事实依据的一个场景。微调就是特定的风格格式，掌握了新技能的一些点 啊，所以我们最终权衡了一个利弊啊，就是题词，它的一个优点就是啊，这个工程的一个优点是什么呢？首先是零成本启动及时反馈，灵活应用。 缺点的话，就是题的词可能会变得非常长啊，对模型的基础能力有依赖，不适用于知识缺失的那么一个场景。然后 rock 的 一个优点就是可以实时更新答案，可溯源，有效减少幻觉。缺点的话就是增加系统复杂度，效果受限于解锁质量可能会增加延迟。 微调的话就是根本上改变了模型的一个行为，可以在特定任务上达到 sorta 的 一个性能，然后固化了能力，推理时的一个 t s 更短了。缺点就是成本比较高昂，需要大量的高质量数据，有灾难性遗忘的这个风险， 那么就像这个调试代码一样，我们可以去优化这个大模型，有大模型的交互，不再是魔法，而是一门工程学科。从简陋说啊，永远先从简单的提示词工程开始，继续解决问题，然后遇到行业里面的这个专业的这个知识啊，然后需要动态的获取一些知识的时候，我们可以考虑用 rock， 然后如果说涉及到一些提示词啊，就是一些风格方面的问题的话，我们可以用到微调，那么也可以结合去使用啊，我们可以把提示词 rock， 包括微调，不同的场景相互结合， ok， 那 么以上的话就是关于啊提示词 rock， 微调这三大啊方式的一些这个区别，包括它的一个应用场景的一个分析， ok， 如果对它有帮助的话，欢迎见三点，大家的关注跟反馈是我不断更新的源泉课程资料，大家可以在评论区回复六六六领取，咱们下期再见！

现在公认的 ai 提日词通用写法一般都逃不开六步法，它们分别是一、角色铰定，二、语境铺陈三、动作指令四、边界控制。五、交付形式。六、叫验与产出。说简单点就是先给 ai 框定一个角色，然后告诉 ai 你 的背景相关信息，接着明确表示你要什么，再明确表示你不要什么， 最后告诉他你希望成品是什么格式，就可以让他产出了。听起来似乎不难，但实际写的时候真的很容易让人头秃，所以我想了个招，在保证提置词质量的情况下，降低了写它的难度。而这个方法就是让 ai 一 步一步引导我来写， 同时过程中还会给我建议以及解答我的疑惑。实现起来也很简单，我专门打造了一份让 ai 引导我写提置词的提置词，它大概长这样。接下来就让我详细的拆解这套提置词的内容和每个板块的功能，大家可以截图 ocr 保存哈。 首先是这一段，他对应的六步法中的第一步，角色铰定。同时因为咱们这个背景太简单，就是想让 ai 帮忙写个体制词而已，就没必要单独看一下了。 接下来是这一段，他对应的是六步法中的第四步，边界控制。因为考虑到我们在使用体式词的过程中，肯定会发现一些个性化的需求，需要经常的增删改查，所以把它放在前面会比较好查找和操作。这个板块中的每一个内容都非常非常重要，尤其是这个抗干扰机制， 他是在 ai 引导我们写作的过程中，确保我们可以随时打断他询问问题，同时保证问题解决后还能把我们拉回原本引导流程中的重要保障。另外这个上下文锚点则可以避免对话人数过多导致的模型失忆后胡说八道。因为我们限定了每五人对话要进行一次记忆备份。 然后是这段内容，因为他太长了，所以我会分六个部分来进行展示，画面右上角会标注第几部分，大家截图的时候注意连贯性，这个板块对应就是六步法中的动作指令， 也就是告诉 ai 我 们要什么东西。写的有些复杂是因为我让 ai 严格按照六步法来引导我们写题日词，同时每一步里面有些什么关键点或者易忽略的部分，需要 ai 在 引导我们的过程中告诉我们，从而提高题日词的产出质量。当然，我也非常推荐大家能够根据自己的实际情况去对这部分内容进行修改，让它更加贴合你的需求哈。 那最后这部分对应的就是第五步交付形式和第六步较验与产出。这里我规定必须隐瞒个当格式产出，是因为这个格式非常强大，它结构清晰，逻辑层次分明，能够让模型更精准的生成你想要的内容。同时它对我们而言可读性极佳，模块化的布局可以让我们精准的针对某个部分进行调整， 真的非常非常好用。 ok， 那 以上就是本期视频的全部内容了，我是专注动画视频的阿 k 五金五险，又到六点下了个班。

今天给大家分享一段题日词，这个题日词我自己是已经用了一年了，你会这个题日词就可以在三分钟之内去理解这个世界上任何领域的知识。这里我拿一个论文给大家举例， 这是一个万方数据的一个文箱库，那我现在大家都知道，一般情况下都是比较深度研究，比较晦涩难懂的一些领域。像这里我随便选了一个经济财政相关的，我就随便找了一篇论文，打开之后 大概是这个样子的，这是一个讲财经理论与实践的分类，里面我再去随便选了一篇论文，是大概一个叫企业尾部系统风险，具有供应链传染效应， 这个我是完全看不懂他在说什么的。这个提示词的目的就是我们要去用最方便最快捷的方式去理解这个世界上任何领域晦涩难懂知识。那这一篇我就是完全不懂，那怎么让 ai 帮我们去理解？那我就可以直接把内容给下载下来，大家 也可以去把任何你想去研究透的内容发给 ai， 这里 ai 也不限，你把你手头能够用到的 ai 任何一个，包括豆包或者这拆的 gpt 或者 cloud 都可以。我这里去拿豆包给它举例， 我先把这个文献下载下来之后，我就给他发一个这么样一个提示词，我是一个智力低下的博士生，毫无基础。这周主会上我要进行 ppt 文献汇报，请你帮我解读一下这篇文献，让我达到彻底看懂这篇文献效果。注意，我是小傻子，一定要帮我讲明白，一步一步引导我看懂这篇文献，并告诉我 别人可能会问我什么问题，就这么一小段话发给他，他就会一步一步帮我拆解，发完之后 一分钟不到，他就帮我输出了一堆东西，我这个时候再去看这个内容，我就很容易的理解原来这篇论文他讲的是一个什么样一个场景，理解这个领域，他原来研究的方向是这个意思。 这里是举个例子，大家不光局限于把它用在解释这种论文相关内容，你可以把你自己关心的一个领域任何一个内容都可以发给他，然后配上这段提示词，就可以很快帮你给弄懂。 大家不要看这段提示词，看起来是很简单，其实一个好的提示词所具备的一个条件，这段话全都具备了。我给大家拆解一下整个一个结构，这个结构大概就这样子，第一个我是给了他一个博士生的身份，但同时又让 ai 帮我去降维到一个小白的一个水平， 既保持这种学术研究一个严谨性，还能通俗易懂，让人去听明白。第二个里面有关键词叫一步一步引导 ai， 他 就会按照文献背景、研究问题、研究方法、实验结果、 核心结论、研究意义这么一个核心逻辑一步一步给递进，如果你给他交代这其他场景，就会按照那个场景。第三个就是我定义了，我要去做 ppt 汇报 ppt 有 什么特点？ ppt 要有这种严谨性，要重点突出，有这么一个前提下，所以他就会去按照这个要求去帮我去整理，去写，然后就会生成出来一个我自己懂，同时又能讲给别人听的一个基础，去解释这个领域的内容， 加上最后这一句告诉我别人可能问我的问题，整个场景就闭环了。第四个这里面有一句，你一定要给我讲明白，这种命令性的语句是可以让 ai 回复的，这个质量会更高， 看似很多难点内容就会 ai 只要有了这一句，它就会掰开揉碎了给讲给你听。这个写题时的思路也可以大家掌握一下身份加目标加场景加延伸的需求， 基于这个框架就可以变换出无数种不同的这种版本，解决我们日常生活里面、工作里面各个领域你感到陌生的一些学习问题，全都可以用这个方式去解决。

感谢您关注英飞 ai 数据智能体开发平台，您可以留言或私信加入我们的社群，获取最新资讯和专属福利。然后讲完这个因子和数据的话，那我们就来讲这个啊，编辑器啊，中间的这个编辑器， 那啊如刚才我们所说，这个编辑器，它啊可以理解为是一个 word 文档的一个编辑就好了啊，然后在这个里面呢，就是啊，我们 啊主要就是来是通过设置提示词和设置这个工作流的方式来形成一个让 agent 能够啊啊帮我们来处理数据，来啊基于已有的数据或者基于已有的因子 和这个提示词的指令来完成特定工作，特定分析任务，这也是编辑最主要的作用。那啊，说到这个指令或者说到提示词的话啊，可能有的朋友还是第一次接触，所以我们在这儿先要来讲一个基本概念，就是提示词是什么？制词，就是啊，英文叫 prompt， 它其实就是来 啊和 ai 下指令的，这个指令本身就来提要求，比如说啊啊，这个帮我写一篇文章啊，帮我做一个分析啊，帮我去收集数据，这些其实都是提示词， 对，所以啊，看似是个提示词，好像啊是一个很专业的名词，但其实它就是一个你跟 ai 去下的指令，可以这么简单来说，其实和人一样，就是如果你去跟他下的这个指令越清晰，那 ai 就 能给你啊，反馈到的结果就会啊越好 啊。这个举个例子，比如说像您是一个老板，对吧？那您跟您的员工去啊啊这个下一个指令啊，比如说啊帮我做一个啊 ppt， 这个 ppt 比如说要有十页，然后里面可能需要有什么， 可能是一个 b p 啊？里面有财务数据，肯定要有啊，一些公司介绍，要有一些什么发展规划等等等等。那只要您的这个指令跟您的这个员工说的越详细，那相信您的员工在能力啊，这个没问题的情况下，应该是能给到你一个可能是相对还不错的这么一个啊。结果 ai 呢？它这个本身的能力其实理论上是远超人类的，因为它同时能处理大量的数据，然后它也被这个愈训练过，大量的数据它能够知道说怎么样去啊做这些事情，但是呢，它 这个前提仍然是您的这个指令要足够清晰。那我们怎么样才能去写好一个这个提示词呢？那其实我们有一个非常简单的一个原则，叫做这个啊结构化或者系统化的提示词。那一般这个结构化、系统化的提示词呢？要由四个部分来组成。 那第一个部分其实就是角色设定啊，比如说啊，像我们在这，我们想让他帮我去做一些市场技术面的分析，那他的角色的设定就是我们会说你是一个专业的美股的市场技术分析专家， 那这个角色首先你给他设定好以后，他就会更多的去调用啊啊这个大模型里面可能关于市场，关于美股，关于技术分析 的相关的内容，同时你也定义了他是一个专家，对吧？所以他可能就啊啊会尽量在这个表述和逻辑上，他会啊尽量展现出这种专业性，同时用更专业的词汇理解和输出， 所以这是第一部分就是定义他的角色，第二部分是要定义他的工具和他的这些数据，所以我们会在这您您可以看到就是这是交易池啊，这个标的池，对吧？就是这个是您这边啊之前设定的，然后同时呢啊 这个下面具体要调用什么样的工具，调用什么样的数据，对吧？然后啊，比如说我们在这其实说了，他必须对每一个选定的这个标的用以下的工具获取真实的数据啊， 那我们也可以加更多的数据，比如说我可以加啊， k 线可以加， r、 c 的 我都可以加。然后啊可以啊，只要有的都可以，直接什么拖拽过来都没有任何问题。就是您可以在这定义了它的这些数据范围，包包括标的的范围，包括使用的数据因子的范围，工具的范围。 然后再下来就是要明确您的这个要求啊，就是您具体是，比如说是要做一个人什么样的分析， 那我们在这说的是对标的池的每一个这个股票啊，可能都啊要来尽可能进行这个专业和深度的分析，同时还需要考虑这个市场的特点。 然后啊啊同时呢啊，比如说我们是希望他通过已有的这个啊数据啊来进行回答的，如果缺失了就直接告诉缺失啊，不能自己编造啊，有的情况下他可能会出现啊某种幻觉，比如说就是在这个数据，比如说可能是没有的是缺失的，但是啊 啊这个 ai 有 可能会去编造啊这么一个数据，所以说在这个情况下我们要明确地告诉他说不能编造， 这样的话呢，就是假设真的有个啊，比如说一些什么情况，可能我没有这个数据了，他会告诉你说，嗨啊，对不起，我没有这个数据，所以我查不到哈，当然我可能会给你去哪查的一些建议，但是呢他不会，比如说默认去编造一个啊不存在的数据和信息， 所以这个也很重要。但这是第三部分，就是您的分析的要求，当然可能您的这个要求不只是分析，比如说我可能是只单纯我想看看今天的这个新闻，或者你给我生成一个市场的日， 比如说我们啊第一部分的这个内容是要输出这个啊，市场技术分析的一个啊小结啊，用一段话总结，就是所有的这个啊，市场技术分析的内容，然后啊 啊，然后我们再把它逐一拆解啊，比如说这个啊，我们要在啊啊，这个技术指标的分析是什么样子啊？这些动量指标的分析是什么样子的呀？ 就超买超卖的评估，比如说通过 f i 来判断超买超卖啊，通过布林带来分析它的上轨、下轨的这个价格大概是什么样子。然后同时呢还要再还有多维度的，比如说这个趋势的一致性，因为有可能，比如说你的啊，这个动量的信号可能是看多的，是有可能 rsi 的 信号是看 公的，或者其他的什么信号是看空的，那可能要对比，那这个趋势的一致性越强，那说明这个探测这个信号的这个强，强度也越强，这个趋势也越强 啊，不管这些时间框架，比如说到底是日级别还是分钟级别还是小时级别啊？等等，有同时呢还要关注可能这个相相对的一些啊，市场的特点啊，比如说这个美股市场肯定跟 a 股市场就不太一样，嗯， 等等。所以啊，我们会有这个比较完善的一套这个输出的模板，或者说这个输出的啊啊，这个参考给到 ai， 那 这样的话 ai 大 模型就会基于这个模板的格式，然后来进行输出。同时呢也会 啊避免它可能给你输出一些你们想要或者比较随机的一些东西。同时还有一个更重要的就是刚才讲的也能有效地去 降低这个幻觉的概率啊，因为你不告诉他，比如说你要给我输出十个段落或者五个段落，每个段落的内容是什么的话，那他可能就会存在按他的理解去啊，去创造这个报告的格式啊，那可能这个格式到时候就不是你满意了，或者他的面容可能也会有 啊变化，有随机性，所以这就是整个这个提示词。那我们在啊给到的这个啊默认模板里面，就是比如说看到基本面，那基本面的这个提示词也不太一样， 然后包括但他同样都是这种，我们叫三段式或者四段式的这么一个啊结构。比如说你是一个基本面的分析专家啊，了解美国市场， 然后来作分啊，然后再来定义数据，来定义这个分析要求，来定义这个输出格式。所有的这些都是通过您的这个自然语言，就是他没有任何的编程的东西在里面，您只需要就是用人类的语言去沟通就好了，所以还是非常方便的，那同时我们也会 让他就说，如果，比如说有多个这个标的，在标的池的时候，我们也希望用相同的格式啊来完成。当然你也可以说啊，我不要用相同的格式，比如说第一个很重要，但第二个、第三个啊，我也就随便看看啊，你可以说我这个啊，用更简练的语言啊，然后来帮我总结和对比啊，也都是可以的。 然后啊，新闻分析也同理，仍然是一个三四段式的，就是角色数据要求格式啊，但每一个的格式都啊略微有一些不一样，因为可能这个啊，基本面的数据可能和这个市场记录面的数据啊的这个数据的内容，然后他需要分析的维度和切入点都是不一样的。 然后那这个最终决策其实是比较有意思的，因为啊，因为，哎，我们提供了一个这个 啊多智能体的一个架构，就是比起您用到的传统的这个啊，这些 a 诊的产品来说呢啊，它基本上是一个单一的啊，这个智能体就举个例子，比如说它很难去做这个分段的一个啊复杂任务，比如说您去呃比它 啊，问一个可能很复杂的问题，然后再加上可能，比如说要写一个很长的言报，有时候言报可能格式本身就很复杂，但可能这个洋洋洒洒，这个比如说我三五千字扔过去的话，那 ai 其实跟人一样，它就会 出现，你就要注意力涣散啊，那这个注意力涣散就是说您给他的指令说的太多了，然后他可能也会这个啊，不能够领悟到这个指令的核心啊，这个其实说回来又跟人很像啊，这个很有意思，比如说您跟您的这个呃员工去说，哎， 那个帮我去买一份肯德基啊，这个是一个非常明确的指令，那他可能就会帮你去买肯德基，或者说你帮我写一段这个啊啊工作报告，对吧？可能帮你去写工作报，但如果您的指令是很长很复杂的，比如说啊 啊你帮我去写一个工作报告，然后可能这个要求，然后提了三千字，然后又让他去写另外一个可能，什么市场啊 啊市场计划，然后又又是两三千字，那这个时候可能您的员工也不能啊，特别好的去 get 所有的这个指定，对吧？所以， 哎，这个其实就是现在这种通用型的智能体，一个问题就是他处理一些，因为他的设计就是被用来去处理这些通用的任务的。可能您有的人会去问今天天气怎么样，有的人会说，啊，帮我找点啊 啊这个好的餐馆。还有的人可能说，哎，我今天还想解决一个数学问题呀啊之类，他是有满足这种多样化的通用性的需求，那他势必就可能在这个专业化的这个 啊需求里面的表现就啊不尽人意啊。回到我们这个多智能体的框架呢，他就是能够先总结前面不同的这个结果，然后啊， 然后再把前面几个智能体的这个，比如说在这个模板里面是分析结果，分析报告作为他自己评判的输入数据，然后他再综系综合分析这三个数据，然后最后给出一个啊 啊结论。同时呢他也会像之前的啊这么几个啊这个智能体的这个指令一样，他也会来做一些这种背离和做一些这种可能有矛盾的数据之间的一个评判和总结。所以说这样的分析结果他就是比较 客观，同时呢也比较全面的，这就是多智能体的一个啊，三维度的报告的一个 啊分析的模板，那您可以非常自由的来进行编辑，虽然我们提供了这个多步骤多流程的这个智能体的工作流，但肯定在有的情景之下，可能您未必需要啊， 啊，所有的任务都是需要非常复杂的，那我们怎么来把这个多智能体的这个流程来做更改呢？其实也特别简单，就是我们只要把它叉掉就行了， 比如说我先把啊，我可能不想要市场技术分析，我把它叉掉，把它删了，好，这个这个页面就不存在了啊，然后我可能再删一，这个基本面我也不想看了啊，新闻面我也不想好好，我就只留一个最终角色，可不可以的？当然是可以的， 那假设说这个时候，比如说啊，我啊啊，我想去看，就我想新建一些内容，突然想到可能不存在于刚刚那几个的，那我就直接点击这个加号啊，我就直接新建到这啊， 然后它是一个空白的文档，你可以把你们这个啊可能想要去做的一些指令又写在这个文档里面，同时呢这个文档 啊，它也是可以去做引用的啊，比如说你看这是新流程，然后我们在这个啊分析结果里面，因为新流程的上一步是最终决策，那你可以，你就可以引用到最终决策的这个内容到里面去， 就是通过不同流程之间互相引用对方的这个结果来作为我方的输入，或者来作为下一个流程的输入，然后来实现不同流程之间的写作和信息传递的啊，然后这个名字我们也是可以自己来修改的，您只要双击 啊这个名字的这个标签，我就可以来做修改。然后比如说我，我可能只要简单的生成一个日报，我也不想要那么多总结。嗯， 那可以的，我就分析日报，然后我甚至可以打非常简单，其实还是定义一下角色分，分析师帮我生成一个分析日报， 然后比如说假设我是美股，对吧？我们就要生成一个美股市场分析日报，然后啊啊下面我们就可以添加数据，对吧？啊，这个我把数据拉进来，然后说，啊啊你必须使用下面的数据， 不要自己顶糟好，然后可能啊啊你啊你还需要把自己的这个标的一词啊也放进去啊提要求，比如说只用三句话总结即可， 然后我们最后可以说，呃，这个因为我们只有三句话嘛，所以这个输出范例可能就啊不需要说的太复杂，所以这大概就是我们这个提示词编辑的这么一个啊使用指南。当然了，就是如果您是已经编辑好了的，比如说啊啊，我可能 就只保留啊啊这两个啊，然后我内容我也可以随便写，比如说一二三啊， 然后我点击保存好，这个时候，哎，就是如果您这个模板是您自己确定要用的，那请务必把这个保存给保存好啊，然后他提示保存成功，然后这个时候你可以退出，然后再回来， 那时候啊，你看到这个你原来的模板是正确被保存的，这样也有方便您在后续运行的时候是正确执行的。然后还有一个小技巧，就是假设，比如说我在用这个模板的时候，比如说把它删了啊，我可能想自己乱七八糟去编辑啊，我一起给删了好多东西了， 然后，哎，我突然觉得说，哎，不好意思，我这个一不小心删错了啊，我想恢复也很简单，直接点重置为默认啊，这个模板就回来了， 所以这个也是啊啊，比较方便的一个操作吧。嗯，供大家使用，但请哎就是请务必记得保存，如果您本身的这个 哎操作是已经固定了啊，已经编辑了这个模板。感谢您关注英飞 ai 数据智能体开发平台，您可以留言或私信加入我们的社群，获取最新资讯和专属福利。 感谢您关注英飞 ai 数据智能体开发平台，您可以留言或私信加入我们的社群，获取最新资讯和专属福利。

hello， 兄弟们，看到这个图是不是大家都猜到我接下来要说什么了？没错，电影九宫格分镜，我想啊，大家最近一定会刷到过好多主播给大家分享 banana 二这个电影奋进的工作流，但是我不知道你们得没得到他们的提示词，那我呢这边呢，实实在在给大家准备了一些，那通过我评论区置顶链接点进来呢，就可以看到这个工作流， 那这个呢，是 running hip， 我 每日的 ai 工作台，通过下边的链接注册呢，可以得到一千点，每天登录还能领一百点。大家看到啊，我呢给大家准备了两条工作流，那上面和下面有什么区别呢？然后我给大家操作一下啊， 哎，我们看这是九宫格，我点进来他是每一个是二 k 的 单张图片，当然一 k， 二 k， 四 k， 我 们可以自由选择啊，然后下边呢就不一样了， 下边呢就是一张图给你切分的九宫格，他是点不开的啊，当然他俩提示词不一样啊，要不然出来的效果其实大差不差。 那我们怎么用呢？在这我们上传图片，然后呢在这选择好，我们比方说这是实验室做实验，我们就输入进来，比方说你要是在室外采摘水果，那我们在果园采摘水果等等，以此类推。那么在这个节点执行选中节点，然后 出来的提示词呢，我们给它复制下来，复制到提示词，行，这样呢，一起跑出来的就是九张，然后最后到这个位置，我们再执行节点，或者执行框内节点都 ok 了。 那这个呢，是我用 a s do do 手搓的这么一个九宫格分镜，其实也是在康复 ui 刚刚那个工作流的基础上衍生出来的啊，之后呢，我会分享给大家。

前几期视频我已经介绍过了，呃，无论是用 gpt 还是 jimmy， 只要配合好适当的提示词，可以一键生成论文或者文献综述。但这里有一个致命的问题，就是 ai 率非常高。今天我将给大家介绍一个我精心打磨了近一周时间的降 ai 率的提示词， 成功降论文的 ai 率从百分之七降到了只有百分之四。呃，我具体是怎么做的呢？呃，这里我以 jimmy 作为例子。首先输入我精心打磨的提示词， 呃，然后加入相关内容，相关提示词我会放在视频后面一些地方，然后输入 ai 帮我写的内容 哦，过了十几秒钟吧，就获得了相关的结果。然后分别去检测一下这两段的 ai 率。首先这个是降 ai 率前的内容，可以看到，呃，检测到文本率为百分之三，也就意味着有百分之四十七的 ai 率。这一段内容是使用降 ai 率提示词之后的内容， 可以看到百分之九十六都是人为写的十六，所以也就意味着只有百分之四的 ai 率。然后这个是将 ai 率的提示词有需要的兄弟们智取。然后最近我还发现一个升级 chris， gbt， greek 甚至 cloud 的 会员的方法，就是来到这个网站 ai 六六点 o r g 然后点击购买卡密。 这里有升级各种 ai 大 模型的服务，包括 g b t， jennie， grog 以及 cloud， 有 需要的兄弟们请咨询。

这是你用 ai 做的 ppt 排版配色还是和几年前的一模一样？这是我用 ai 做的 ppt， 风格匹配主题排版清晰明了，而我只用了一个提示词公式，就是受众加主 题加结构加风格。学会这个方法，你做的 ppt 也会有非常大的变化，操作也非常简单。首先进入贴密模型，选择贴处，勾选这个长思考， 输入这个指令，他会严格按照这个公式给你出一个比说明书还要清晰的提示词，你只要复制就可以了。现在拿到安公式深深好的 词内容，我们还需要一个把提示词的内容变成产出的 ppt 工具。然后回到主页，勾选 ok computer， 把提示词粘贴进去，点击发送其他 ai 做 ppt 到这里，就直接开始套模板贴文字，它完全不一样，它是先去搜网页 所有的跟我这个主题相关的内容，疯狂色补相关的资料和图片，确保每页的内容围绕东皇展开。然后帮你搭配数据表和视觉元素，保证整体的设计统一风格。再开始帮你弄排版整个流程，边搜索边推理， 边理解边设计，这才是 ai 做 ppt 的 正确打开方式。除此之外，掌握了这个公式结构，即使你不懂代码，也能做出这种能交互的高质感动态网页，还有各种趣味学习工具，闯关游戏等等，让你无门槛体验 ai 编程的快乐。

为什么你的广告后台没有 prompts 提示此广告功能，或者是说这个板块没有数据呢？最近很多卖家朋友都在问这些问题呢，这里就给大家一一讲清楚。 目前呢，这个功能它还处于内测阶段，仅限于美国站，且有一定的销售规模，数据的卖家优先开放，后续呢，应该会逐步开放给所有卖家，这个大家不用担心。 再就是 prompts 广告无数据的情况，这说明啊， rufus 它还没有收入你的产品链接这一点呢，类似于自动广告，它会由 rufus 自动地识别抓取 listing 中的关键信息，不仅限于关键词的匹配，更多的还是场景语义的理解。对 卖家来说呢，所需要做的就是主动优化 listing， 让 rufus 更大概率去抓取你的产品链接。一旦有被 rufus 收入，就可以在后台查看 prompts 广告数据报表，查看提示词的点击转化数据。 如果还不清楚怎么去优化 listing， 提高被 roofs 收入的概率的话呢？这里给大家梳理了完整的亚马逊 prompts 提示词广告收入技巧玩法，关注我三个六，分享给大家。

g k 立可以常驻了，而且可以提示每天跳步都有广告，非常有成就感。我们直接清理后台，然后测试， 打开，直接秒进入，而且还会弹出，哎呦你干嘛？其实这个弹出的文字是可以自己设置的，设置什么都可以，还非常好玩的吧，跳广告速度那是相当，哇塞，广告一闪而过，再也不用担心广告误触。 g k 立搭配罪行规则，只要是安卓手机都可以使用，那么接下来开始教程。 第一步，打开这个搜索框，搜索下下数码，点开文件，先取消选选，找到 g k， 加最新规则保存，然后去查看，点开它，再点开，然后解压，完成之后下载， 然后去查看，完成之后点开规则，随便找到一个能打开的方式，然后把规则复制 返回，打开 g k 立，点这里手动授权，然后往下滑，找到 g k 立，勾选它返回， 再点这里允许，然后点订阅，点加号，把刚才复制的规则粘贴进去，然后勾选就可以了，已经全部完成了。

这是一个专为 solo 制作的一个提示词生成器，三大核心功能非常适合我们的所有创作，不管你是新手还是我们专业级别的，都可以用它内涵上万种算法，每次都会有新的组合词。如果是新手，直接选择我们的热门预设，只需要点击一下就可以生成我们的提示词。 如果没有灵感，可以直接用随机组合。如果你想根据你自己的想法去做，你也可以自定义自己去 diy 各种提示词，原标签给它混合。选择好以后 直接点击复制提示词，内涵中文、英文、中英文组合都有。咱们生成提示词以后，复制到 solo 三十秒就可以做出你想要的音乐，不管你是做短视频、 dj、 告白歌曲，还是解压神曲，它都可以让你少走弯路。