00:00 / 13:14
连播
清屏
智能
倍速
点赞63
00:00 / 00:57
连播
清屏
智能
倍速
点赞2769
00:00 / 11:35
连播
清屏
智能
倍速
点赞4
00:00 / 01:24
连播
清屏
智能
倍速
点赞15
00:00 / 08:01
连播
清屏
智能
倍速
点赞191
00:00 / 28:47
连播
清屏
智能
倍速
点赞215
00:00 / 00:41
连播
清屏
智能
倍速
点赞233
00:00 / 00:09
连播
清屏
智能
倍速
点赞41
00:00 / 02:38
连播
清屏
智能
倍速
点赞4
00:00 / 00:23
连播
清屏
智能
倍速
点赞1
00:00 / 00:13
连播
清屏
智能
倍速
点赞4
00:00 / 00:16
连播
清屏
智能
倍速
点赞25
00:00 / 01:22
连播
清屏
智能
倍速
点赞53
00:00 / 00:41
连播
清屏
智能
倍速
点赞313
Power2天前
#gemini 最近刷到一些手势互动的视频,感觉很有意思,我也用大模型捣鼓了一个。 借着这个机会,分享一下我用大模型的一点点经验。 大模型刚出来那会儿我就开始用了,这两年来它的能力越来越强。我靠着它,多次高效高质地完成了各项实验和作业,还把很多想法落地成了可以使用的小程序、小软件。关于大模型的使用,我总结出几点方法和心法。 首先,最重要也是最基础的,就是选对模型。不同模型在不同任务上的表现差异很大,咱们非专业人士不用啃技术白皮书,看一些测评博主对各大模型的测评结果就完全够用。选适配任务类型的模型,哪怕需要付出一定的费用也是值得的。 其次是提示词的编写,现在也有专门的研究领域,也就是 Prompt Engineering(提示工程)。咱们非专业的,掌握一些常用实用的提示词技巧就够用了:明确需求与输出格式,设定角色定位与目标受众,再清晰定义任务核心;用分隔符划分需求、约束、输出要求等模块,让指令结构更清晰;按逻辑顺序拆解任务步骤,最好附上一到三个参考示例,降低 AI 理解偏差。若结果不符预期,可以针对性地补充细节,通过多轮沟通,推动大模型输出精准贴合需求的内容。 最后是心法:放下对大模型 “一次对话就成功” 的期待。就算它回答得牛头不对马嘴,也别焦虑烦躁。Be water, my friend,耐心多和它聊聊就好。我们反馈的信息越多,它给出的结果就越靠谱。
00:00 / 00:36
连播
清屏
智能
倍速
点赞133