creeeycarprt是什么意思

ok， 我 接下来要讲个东西，我可能对大部分女生来讲啊，都是非常深有体会的，就是一个人开车。一个人开车最可怕的事情是那一些未知数，就比如说大家突然不接车的被吹，突然没有电了，或者是车突然死火在半路中，我老胃，那个时候你都不往外找，谁可以帮忙？那我最近才发现到，原来很多人已经在用 b 脚啊，用了它你才会发现到哇， 你以前所顾虑所担心那些事情，都有人可以帮你 set 掉了。首先你要去到 bj 官网注册一个账号，输入你的车牌，在五分钟内他们就会给你所有保险公司的报价单。如果你的英文和买文跟我一样是半桶水的话，你还可以选择中文看，所以你也不用担心说哎，这个浙江专业是什么来的？什么意思？还要去 google 查 c， 根本就不用，就一眼就可以知道。哦，他原来在讲 这个，懂。那你还可以顺便 reno rodes， 比我原本买还要划算呢。如果你遇到突发状况，你也不用担心，因为他的客服是人工二十四小时在线服务，就算是半月遇到事情哦，你也不怕找不到人。现在把这个事给你朋友，你们两个同时还可以得到二十五块的 referer， 对 于一个在 k 二经常开车去远途跑长途的女生来讲啊，真的是非常的方便，安全又省心。这样我也发现到他其实在里面可以买个人保险，然后旅游保险。那你们有在下面留言口令告诉我你有实用心得，那我们下期见，拜。

大家好，感谢今天来参加我们的 prompting one to one 课程。我是 hannah， 来自 entropics 的 应用 ai 团队。和我一起的是 christian， 同样来自应用 ai 团队。 今天我们要带大家了解一些提示词的最佳实践。我们会用一个真实场景一起构建一个提示词。先简单说说什么是提示工程。提示工程大家可能都有点了解， 这是我们与语言模型沟通，并让他按我们意愿行事的方式。所以这包括为模型编写清晰的指令，提供完成任务所需的上下文，并思考如何组织这些信息以获得最佳结果。这里有很多细节，也有很多不同的方式 来构建提示词。和往常一样，学习他的最好方法就是动手实践。今天进行实操场景， 我们会用一个受真实客户启发的例子。我们对客户的实际需求做了修改，但这个案例非常有趣，涉及分析图像，从图像中提取事实信息，并让 cloud 对 其中内容做出判断。 实际上，我不懂这些内容所用的语言，但幸运的是， christian 和 claude 都懂，所以我把话筒交给 christian， 让他来介绍这个场景和内容。我们这个例子是这样的，设定一下场景，假设你在一家 瑞典保险公司工作，每天处理车险理赔。 目的是我们有两份信息，我们会详细讲解，但视觉上左边是一份车祸事故报告表啊，详细描述了事故发生前的情况啊。然后还有一份手绘的事故现场 槽图，我们要把这两份信息传给啊 claude， 一 开始我们可以直接把这两份东西扔进啊控制台，看看会发生什么。如果我们切换到控制台啊，可以实际操作一下。 这里大家可以看到我们漂亮闪亮的 adaptive 控制台。我们用的是新的 cloud four solid 模型。这里把温度设为 zero， 并设置一个很大的最大投屏预算，有助于确保 cloud 的 能力不受限制。这里有个简单提示器 shade enclosed remu。 这里提到目的是啊，审查事故报告表，并最终判断事故中发生了什么，谁有过错，所以 用这个非常简单的提示词。如果我运行它，我们预览一下可以看到啊， claud 认为这是一起发生在希尔凡德街上的呃，滑雪事故，瑞典传奇街道。 从很多方面来看，这个无心的错误可以理解，因为我们的提示词实际上没有设定场景说明这里到底发生了什么。 所以这第一猜还算不错，但我们知道还有很多直觉可以注入给 cloud。 回到幻城片，你可以看到 t 恤工程在很多方面是一门非常迭代的经验科学。在这里，我们几乎可以有一个测试案例， 让 cloud 确保它理解这是汽车或车辆环境，跟滑雪无关。这样你就可以迭代的 构建提示词，确保它真正解决你想解决的问题。为此，我们将介绍一些最佳实践，说明我们 anthropic 内部如何分解这个问题，以及我们如何推荐其他人也这样做。我们来谈谈提示词最佳实践。 首先，我们想聊一下优秀提示词的结构是什么样的。你可能熟悉与 call 的 聊天机器人互动来回对话风格更偏会 画师。处理这类任务时，我们可能是在用 api。 我 们想向 cloud 发送一条消息，让它一次就完美完成任务， 不需要来回调整。所以我们推荐的结构是，先把任务描述放在前面，告诉 claudine 的 来意，你的角色是什么，今天要完成什么任务。然后我们提供内容，这里就是 christine 展示的图片表格和事故示意图。 这是我们的动态内容。根据你的用力，这也可能是从其他系统解锁到的内容。我们会给 claud 一 些详细的指令，几乎像一个步骤列表，说明我们希望 claud 如何完成任务，以及如何处理推理过程给 claud 示意， 比如，这是你可能会收到的某段内容，这是你收到该内容时应如何回应。最后，我们通常建议重复任何对 cloud 理解任务直观重要的信息，和 cloud 一 起回顾，强调特别关键的点，然后告诉 cloud 好， 开始干活吧。 这是另一个视角，这里更详细一些，分解的更细。我们将逐一讲解这成个要点，并向你展示如何在控制台中构建它们。前几点 christian 会讲任务上下文和语气上下文。 好对，如果从任务上下文开始啊，就像我刚才做的小演示，我们并没有详细说明 cloud 的 实际在什么场景下工作。 正因如此，你也能看出 cloud 不 一定需要多猜你到底想要什么。所以在我们这里，我们真的要分解清楚，确保我们能给出更清晰的指令，也确保我们理解要求 cloud 完成的任务是什么。其次，我们还要在整体中加入一点语气， 关键是要让 cloud 保持持续性，保持自信。所以如果 cloud 看不懂他看到的内容，我们不希望他瞎猜，误导我们。我们要确保任何评估。在我们的案例中，我们要确保能搞清楚谁该负责。 我们要确保评估尽可能清晰且自信啊，否则搞不清在做什么。 好。如果我们切回控制台，可以跳到我们这里的 v two 版本，我导航到 v two， 你 可以看到这里，我也会展示一下数据。因为上次我们没怎么做，就为了让大家看清楚我们在看什么。 现在我们看到的是那份车祸报告标有十七个不同的复选框，记录实际发生了什么啊。你可以看到左边和右边都有车辆 a 和车辆 b， 主要目的是 treblecloud 能理解这些。呃，手动生成的数据来评估实际情况。并且如果我导航回这里，我们也能高量显示这个 草图。在这个案例中，表单只是同一场景的不同数据点， 而在这里，我们想在 vt 版本中加入更多信息。这样做的话，我实际上是在更详细的陈述发生了什么。所以你可以看到我在指定这个 ai 系统应该帮助一名人类理赔员啊，他也在审查瑞典语的车祸报告表。 你可以看到我们还在说明这是一张手绘的事故草图。如果你没有完全把握，就不应该做出评估。 这很关键，因为如果我们运行这个，你会看到同样的设置。 cloud 4， 我 们闪亮的新模型，温度参数也是零。如果我们运行这个，可以看到实际发生了什么啊。在这个案例中， cloud 能识别出啊，这跟车祸有关，而不是滑雪事故。这很好， 你可以看到它能识别出车辆 a 在 复旋狂风上打了勾，车辆 b 在 twelve 上。 不过，如果我们往下滚动，还是能看出 cloud 缺少一些信息。无法完全自信地判断谁该负责。这很好，这跟你的任务相关，确保不要做出任何不急于实施的断言，确保呃，只在有把握的时候才下结论。 但关于这个表单，我们仍然缺少很多信息，比如表单具体包含什么，而这些信息正是我们想注入到这个 l m 应用中的最好的方法，就是把它加到系统提示里，它呢，会详细说明。回到换灯片，我们接下来要添加到 提示中的是背景、细节、数据、文档和图像。就像 kristen 说的，我们对这个表单其实很了解。表单每次都是一样的，永远不会变，所以这是非常适合提供给 cloud 的 信息。 这是你要看的表单结构。我们知道它在不同查询之间永远不会改变。表单的填写方式会变， 但表单本身不会变，所以这种信息非常是放进系统提示里，也很适合用提示缓存考虑用提示缓存始终不变。这能帮助 cloud 减少 每次第一次看到表单时花在搞清表单是什么上的时间，而且它能更好地读取表单， 因为他已经知道该期待什么了。这里我还想提一下，我们喜欢如何在提示中组织信息啊？ claud 非常喜欢结构，喜欢调理。这就是为什么我们建议在提示中遵循一种标准结构。 ssh 还有几个工具可以帮助 cloud 更好的理解信息。我还想提一下，所有这些内容都在我们的文档里，附有很多很好的事例，所以一定要截图。但如果忘了也别担心。所有这些内容都在网上，有很多事例，强烈建议大家也去那里看看。 总之，可以用的一些东西，分割符，比如 xml 标签。另外， dargan 对 clad 也挺有用，但 xml 标签更好。因为你可以明确指定标签里的内容， 所以我们可以告诉 clad 这是用户偏好。现在你要读取一些内容。这些 xml 标签会告诉你，所有被这些标签包裹的内容都与用户偏好相关。 这有助于 cla 在 提示的后续部分引流那些信息。所以我想回到控制台，展示一下我们实际是怎么做的。 christian 会跳出我们的版本 three。 我们保持用户提示的其他部分不变。在这个案例中，我们决定把这些信息放在系统提示里，各种常识系统提示里做。我们要告诉客户关于这个表单的所有信息。这是一份瑞典车祸事故表单。表单是瑞典语的，会有这个标题。 它有两列，分别代表不同的 charlie。 我 们会告诉 claud 每一行共十七行的含义。你可能注意到了，之前运行时， claud 是 逐行读取来理解内容的。我们可以提前提供这些信息。 我们还会给 claud 一 些关于如何填写这份表单的说明。这对 claud 也非常有用。 我们可以告诉他，比如填表的是人，所以不会完美。人们可能会画个圈或者乱涂， 他们可能不会在框里打叉。读取这份表单时，你可能需要留意多种标记类型。我们还可以给 club 一 些关于如何解读以及这份表单用途或含义的信息。 所有这些上下文都有望帮助 cloud 更好的分析表单。所以如果我们运行它，其他一切保持不变，所以我们把相同的用户提示保留在下面。啊，你的滚动方向跟我相反， 我们这里用了相同的用户提示，仍然要求 cloud 执行同样的任务，同样的上下文。我们会看到他花费的时间更少了。他不再那么详细的跟我们描述表单是什么，因为他已经知道那是什么了，而且他也不关心要把那些信息反馈给我们。 他会列出发现箱和草图内容。这里 claude 变了， the signal 有 了，我们提供给 claude 额外上下文。 claude 现在觉得根据这幅图和这张草图可以合理的判断车辆，并在这起事故中负有责任。所以我们已经在 claude 分 析这些内容的方式上看到了一些改进。 我想我们可能都同意，如果看了这幅图和列表，会认为车辆必有过错，所以我们希望看到这个结果。我们会回到换登篇讨论 这换另外几个我们没有在这个提示中实际用到，但对构建和优化提示非常有帮助的项目。没错，我认为我们非常强调的一点 是视力。我认为视力或少量的学习是一种引导 cloud 的 非常强大的机制。你可以想象这也可以以相当复杂的方式实现。 想象一下你有各种场景情况，甚至在这个案例中，有些具体的事故对 cloud 来说很难正确判断，但你凭借人类直觉和人工标注数据能够得出正确结论， 那么你就可以将这些信息融入系统问题本身。通过提供清晰的视力，包括他应该查看的数据，你可以使用视觉视利用 baselex for 编码器啊 编码图像，并将其作为你传递给视力的数据的一部分。在此基础上，你还可以提供关于如何分解和理解它的那种描述或说明。 这是我们非常强调的一点。通过将这些视力嵌入系统，提示你可以突破 l m 应用的极限。 这再次体现了提示工程的经验科学性质。你总是希望突破应用的极限，建立反馈循环，找出他出错的地方，并尝试将其添加到系统提示中，这样下次发生类似视力时，他就能在其视力集中进行参考。 你可以在这里看到，这只是一个我们如何做到这一点的简单例子啊。再次强调啊，我们非常喜欢啊这种 xml 结构，它为 cloud 提供接口微调所用数据 啊，它对犀利很有效。我们这样做不仅仅是因为这是一个简单的演示。你可以实际想象一下，如果你在为一家保险公司构建这个系统，你可能有几十甚至上百个势力。这些势力可能相当棘手，处于灰色地带。 你需要确保 cloud 下次做出裁决时有一些依据。我们想强调的另一个主题是对话历史。在这个演示中，我们没有用到。 这与犀利的思路类似，我们用它来确保当 cloud 为你工作时，有足够丰富的上下文信息可供其随时调用。 在我们这个案例中，这实际上不是一个面向用户的 lm 应用，而更像是在后台运行的东西。相信下，这家保险公司自动系统生成数据，最后有人共献 her。 如果你要构建一个 更面向用户的东西，并且有很长的对话历史需要引入，那么系统提示词中这个位置就非常适合，因为它能丰富工作时的上下文。 在我们的案例中，我们没怎么做，但下一步要做的是确保给出一个具体的任务提醒。 现在我们要为 cloud 构建提示词的最终部分，也就是回到当前任务的提醒，并给出我们希望他遵循的重要准则。这么说的一些原因包括， a。 防止幻觉， 所以我们希望 claud 不要编造提示词或数据中没有的细节，对吧？ 如果 claud 无法判断哪个选项被勾选，我们不希望他瞎猜或凭空想象某个框被勾选了。如果草图难以辨认，对方画的很差，连人类都看不明白，我们希望 claud 能直接说出来。 这些就是我们要加入最终提醒和收尾步骤的内容，提醒他只在非常确定的情况下才回答。我们甚至可以要求他在做出事实性陈述时回头参考表单中看到的内容。所以，如果他想说车辆 b 右转，它应该说明这是基于框二被明确勾选等事实，可以给 cla 这方面知道。回到控制台，我们可以看到下一版的提示词 系统提示词里的所有内容保持不变。我们不会改变之前给 cla 提供的关于表单和填写方式的背景上下文，上下文和角色的其他内容也不变。 我们只是添加了这份详细的任务列表，这就是我们希望 cloud 进行分析的方式。在构建这个演示和客户案例时，我们发现一个关键点， cloud 分 析这些信息的顺序非常重要，这类似于人类处理这件事的方式。 你可能不会先看图就试图理解发生了什么，对吧？图很不清晰，就是一堆框和线条，没有额外上下文，我们根本不知道那张图想表达什么。但如果我们先看表单，了解 这是在描述一场车祸以及哪些浮选框指示了特定时间段的车辆情况， 那么我们就更能理解图中可能的内容。这就是我们要给 cloud 的 细节。嘿，先去看表单，非常仔细的看，确保能判断哪些框被勾选了，确保没有遗漏任何信息。 把你看到的内容列个清单，然后转到草图 s h。 所以， 当你从表单中可靠的获取信息并能说出事实真相后，再继续下一步，想想你能从那张草图里获得什么。 同时结合你目前对事物的理解，无论表单学到什么，都要与草图匹配，这样你才能得出对表单的最终评估运行它。 在这里，你可以看到 cloud 因此产生的一种行为，因为我让他非常仔细地检查表单，他正在向我展示他的思考过程，他正在逐一告诉我每个方框的情况。框够了还是没够？ 这就是你在做提示工程时会注意到的一点。在之前的提示中，我们有点让 claudia 决定要告诉我们多少他在表单中看到的内容。而这里，因为我明确告诉他要仔细检查每一个方框，他就在非常仔细的检查每一个方框，但这并非我们的目标，所以这可以调整。 不过他也会给出我用 xml 标签要求的其他内容，比如对表单的详细分析，目前的事故摘样， 他还会给出草图分析，并且会继续指出车辆比明显富有责任。在这个例子中，情况比较简单，如果遇到更复杂的图纸，更模糊的调单，这种逐步思考的方式对 club 的 做出正确评估非常有效。 所以我想我们回到换登篇， christian 会介绍最后一部分内容，让这个提示真正适用于实际任务。确实非常感谢啊。正如 hannah 所说，我们在提示中设定的基础啊，确保 claude 以正确的方式代表我们行事。 我们在提示末尾还添加了一个关键步骤，我马上展示给你看，就是简单的准则或提醒部分，依次来强化和重申我们想要获得的结果。 其中一个重要部分就是输出格式。你可以想象，如果你是一个处理这个 l m 应用的数据工程师，所有这些花哨的前沿固然不错，但最终你希望把信息存储到比如说 sku 数据库里， 而 cloud 给出裁决所需的其他内容对你的应用来说并不那么必要，你只需要应用所需的精确信息。 所以，如果我们切回控制台，你会看到我们刚刚添加了一个简单的重要性准则部分，同样是在强化我们希望 cloud 展现的机械行为。我们要确保摘药 清晰，简洁、准确。我们要确保除了正在分析的数据之外啊，没有任何东西干扰 cloud 的 评估。 最后，关于输出格式。在我的例子中，我让 cloud 的 把最终裁决包裹起来。我的应用会忽略所有其他内容，只看到实际评估的结果。 这样啊，如果之后我想构建某种分析工具，或者只想得到一个明确的判定，我就可以用这个方式来实现运行。 这里你会看到同样过程啊，和之前一样，但这次它更加简洁啊，大家啊啊，因为我们要求它以更直接的方式总结发现啊。最后，你会看到它会用最终的裁决 xml 标签包裹输出。你可以看到， 在这个演示中，我们从滑雪事故开始，到第二个版本中，可能来自车祸的不确定，不自信的输出，再到现在。呃， 这个格式严格自信的输出。我们实际上可以围绕它构建一个 l l m 应用，并真正帮助到现实世界中的车险公司。最后，如果我们切回幻能片，塑造 cloud 输出的另一个关键方法实际上是替 cloud 说出 内容，或者我们称之为预填充响应。你可以想象解析 xml 标签固然不错，但也许你想要一个结构化的 jc 输出，以确保它是 jc 可虚拟化的，并且可以在后续调用中使用。 这做起来很简单，你只需添加啊啊， cloud 需要以特定格式啊开始去输出。例如，这可能是一个左方括号啊，或者在我们眼前看到的这个案例中，这可能是一个形成的啊 xml 标签， 它可能是最终采取 xml blueprint。 这再次是一种很好的方式，可以塑造 cloud 的 响应，去掉所有你不想要的前沿。尽管前沿对于确保 cloud 按照我们希望的步骤进行推理也很关键， 只需包在最终裁决 blueprint 内，后续 jc 也能预存。 最后，我想强调的一点是， cloud three point seven， 尤其是 cloud four， 当然是一个混合推理模型。这意味着你可以使用扩展思考。 这是我们想强调的，因为你可以将扩展思考作为提升工程的辅助手段。 keyonho cloud 有 时间思考，会添加思考标签和草稿版。 美妙之处在于，你实际上可以分析那个记录。你理解 cloud 如何处理那些数据。所以正如我们提到的，我们有这些复选框。呃，它会逐步检查事故发生的场景。 在很多方面，你实际上可以尝试帮助 cloud 将其构建到系统提示本身中。这不仅更节省 token， 而且是一种理解这些没有我们直觉的智能模型如何处理我们提供的数据的好方法。正因为如此，他在尝试分解如何让你的系统提示变得更好方面非常关键。 说到这里，我想感谢大家今天的到来。我们也在有提示，问题请尽管提。 what you don't tease is？ 想学 t 士，所以小时候有智能体环节，而现在我们有一个精彩 claude warbuckman 的 眼神。所以，别走开。 christian 说，完全在我知道这次环节没有谁在问答。那如果你想了解一下我的情感挚友们，感谢你的到来。 thank you very much！

chevy 的 车就会变得很不安全，然后给人家搭墙啊，危险啊！哈喽，各位朋友们，现在所有的车都是走 keyless 之类，然后 chevy 的 车也是不例外啦。 ok， 然后过后 chevy 的 车有个功能，就是讲你身上只要带着锁匙，或者是你放在你的背包里面，你走靠近那个车，它就会自动开门给你啦， 这功能固然讲是非常的方便，也非常的好用，但是有一些朋友们会担心，就是讲如果我这样捷径他就打开的话，会不会讲穿越车就会变得很不安全，然后给人家搭墙啊，危险啊什么的。 ok， 其实他是可以管掉这个风险的，接下来我就教大家怎样子去提升我们车辆的安全性啦！ ok， 朋友们，其实这个方法非常简单啊，首先我们进入到这个 vegas things， 然后我们进去了过它有很多选项了，你可以做调整，然后我们选择这个 smarty， 然后过后就按这个 unlock when approaching and locks when leaving 了。 ok， 这个就非常的容易了，可是它也是一个缺点，就是你关掉的话，有时候，呃，你忘记锁门的话，你直接走掉，它就不会自动帮你锁了。 ok， 好， 就我们现在关掉啊， ok， 这样子就是你靠近它就不会自动打开了。 ok， 朋友们，你们可以看到现在就是这个功能关掉过后的一个效果，就是你可以看到我拿着这个锁匙，不管我走到多么靠近，它都是不会自动开门啊，然后如果我要开门的话，就按一下这个开门的按钮啊，现在就可以开门了， ok， 所以 安全性方面就有所提升了。 ok， 我是 lucas。 然后过后我会为大家介绍很多关于 cherry 方面的一个用车小知识啦，所以有兴趣的话可以帮我点点关注点点赞。然后如果是对 cherry 有 兴趣想要看车试车的话，可以联络我 lucas， 谢谢大家支持！ bye。

vivo 终于更新了 android auto， android auto 是 什么功能呢？是可以给你看 carplay 的， 可是通过 android auto 我 们还可以看 youtube， 就是 这个东西 g d 八之前哦， g d 八用在 apple carplay 的 时候，它是巨赖格，怎样用都不能用的。现在我们终于研究到通过 android auto 它就可以实现 youtube 自由。我教你怎样用。首先只需要把这个拉进去你的 usb 罐里面， 然后你等他一个十到十五秒，他就会自己跳进去那个那传奇三宝界面。 ok， 这就是里面的画面了，里面的画面就有那一件 udo 吧 freestyle 啊，可以给你看。那 freestyle 最重点还可以分屏看位置， 然后操作，你点你的 udo， 点这个小白点分屏，然后你点你的位置 啊，就是这样子而已，看到吗？基数它比 apple carplay 比起来差一个天一个地。如果你们想要实测 g t 八能不能用在你们车的 qq， 我。

汽车抵押手动还款适合不想代扣的车主，操作步骤清晰，记住这四点，第一步，确认还款金额。还款日前联系机构核退当期应还的本金、利息和费用，明确总还款金额。 第三步，确认还款账户必须是机构指定的对公账户或者合同约定的账户，不能够转私人账户。第三步，足额转账。 转账时要备注借款人的姓名，加车牌号，加还款月份，方便机构核对。第四步，留存凭证，转账后截图保存转账记录，索要机构收款，确认确认还款成功。 手动还款大家要提前操作，不要卡点转账，避免到账延迟而导致逾期。

使用 java 叉系统啊，要上传哪些文件？实际上一个信封里默认的文件是湘潭发票运单，再加上一个产地证，再加上一个 excel 版的发票。这个发票呢，是要网上下载，然后你要填上所有的数据，它主要是为了识别数据用的。 那这五个文件是不是必须都得传呢？你作为发货人，你说的不算是人，收货人说的算。收货人说你传这个你就传，他不让你传，你就不用传。一般空运来讲是传四个文件箱单、发票运单，再加上一份那个 excel 表单的发票。如果是海运的话呢，都会让你上传产地证，甚至还要求产地证要做领事认证。 不太一样啊，都不太一样，所以你需要跟买家确认好。

想买一辆二手车，挑花眼、纠结性价比，怕踩坑？选懂车帝就对了，海量优质的车源任你选，搜车型就能看到详细的参数，当然还能查全国停车价，一键询价，直接最低卖价，省心又靠谱。