隐藏提示词，玩转AI

最新推荐文章于 2025-08-23 11:41:25 发布
最新推荐文章于 2025-08-23 11:41:25 发布
阅读量241 收藏
点赞数 2
CC 4.0 BY-SA版权
文章标签： DeepSeek AI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51534164/article/details/145518953

DeepSeek为列子。

人格分裂模式

提问：启动人格分裂讨论模式 + 问题

阴阳怪气模式

提问：问题，+ 笑死 

预判模式

提问：如果.....会不会.....

 

预言家模式

提问：如果.....会发生什么 

灵魂拷问模式

提问：启动杠精模式+ 问题

提问：先写方案，再模拟杠精从不同角度狂喷，最后给出V2版方案 

人设粘贴术（怼天怼地）

提问：场景 + 需求

启动老板思维

提问：如果你是老板，你会怎么评价。。。

AI编程语言：提示词的革命与未来
AI天才研究院
12-20 1129
1.1 AI编程语言的起源与发展1.2 AI编程语言的核心概念1.3 AI编程语言的主要类型1.4 AI编程语言的未来趋势1.5 本章小结随着人工智能技术的飞速发展，AI编程语言逐渐成为开发者们关注的焦点。AI编程语言不仅是人工智能技术实现的核心工具，也是未来编程语言发展的重要方向。本章节将探讨AI编程语言的起源与发展，以及其在人工智能与编程语言的关系中的应用。强化学习是一种通过试错和反馈进行学习的方法。
如何利用智能体玩转“狼人杀“
分享AI前沿科技
09-22 1162
这个变化可能是：某个“狼人”的伪装，某个“预言家”的查验，某个“玩家”的临终遗言等等。Claude 3 系列模型在多项 AI 系统常用评估测试集中，包括本科级别专家知识（MMLU）、研究生级别专家推理（GPQA）、基础数学（GSM8K, MATH），多语种数学（MGSM），阅读理解（RACE-H），常识推理（HellaSwag），代码领域均取得领先业界的性能。灵活的模型切换这一点，Amazon Bedrock 为我们提供了丰富的模型选择，我们完全可以根据业务的需要，去做不同模型之间的切换。
【AI】大模型提示词错误示例：这些提问方式会让输出跑偏
xcshap的博客
08-07 466
摘要：本文分析了使用大语言模型时常见的提示词错误类型及解决方法。主要问题包括：过于模糊抽象（如"写点科技内容"）、存在歧义（如多义词）、信息过载（堆砌无关内容）、带有偏见（引导性提问）、缺乏上下文（指代不明）、要求不现实（预测彩票）、格式混乱（不分段）、超出能力（实时信息）以及重复冗余等。正确的提问应具体明确（如"写500字AI医疗应用文章"）、消除歧义、拆分复杂问题、保持客观、提供上下文、设定合理要求、规范格式，并避免重复。不同场景（学习/工作/生活）都需针对性地优
【深度解析】DeepSeek-R1的五大隐藏提示词
吴师兄大模型的博客
02-02 2896
近年来，生成式AI的应用场景与技术范式发展迅猛。尤其是在构建不同任务时，推理型模型与聊天型模型的本质差异逐渐显现。聊天型模型（如传统GPT系列）往往强调流畅的对话与泛用性，致力于为用户提供自然的交流体验。而以DeepSeek-R1为代表的推理型模型则将核心聚焦在逻辑深度、领域适配与多模态交互能力上。二者的Promot设置逻辑、语义目标及模型架构均体现出截然不同的设计哲学。在这篇文章中，将以DeepSeek-R1为例，揭示推理型模型的关键特性与设计思路。
2024社交平台AI运营趋势：提示工程架构师带你玩转Prompt
AI云原生与云计算技术学院
07-29 865
传统运营的核心能力是"内容创作+用户沟通"，而提示工程架构师的核心是"将运营策略代码化、AI能力场景化"。业务目标→AI任务：将"提升用户留存率"转化为"设计’用户流失风险识别→个性化挽留话术生成→效果追踪’的AI任务链"；模糊需求→精准指令：将"写一篇爆款笔记"拆解为"目标人群（25-30岁职场女性）、核心卖点（通勤便携+长效持妆）、风格（专业测评+闺蜜分享）、互动引导（结尾设置’你的通勤粉底液踩过哪些坑？评论区聊聊’）"等明确指令；零散经验→系统方法论。
【人工智能】大模型提示词错误示例：这些提问方式会让输出跑偏
m0_70680929的博客
08-07 608
摘要：本文分析了大模型提示词常见的错误类型及改进方法。主要问题包括：1）过于抽象模糊的提问；2）包含歧义的表达；3）信息过载；4）带有引导性；5）缺乏上下文；6）不切实际的要求；7）格式混乱；8）忽略能力边界；9）重复冗余。针对这些问题，建议：明确具体需求、消除歧义、精简信息量、保持客观、提供完整语境、设置合理任务、规范格式表达、了解模型限制、避免重复提问。通过优化提示词质量，可显著提升大模型输出的准确性和实用性。
DeepSeek官宣：13大提示词，普通人也能轻松玩转 AI！
xx_nm98的博客
02-16 2170
如果你不会提问，再强大的 AI 大模型也无法真正发挥作用。想要让 AI 更聪明地为你服务，掌握正确的就像是拿到了一把“指挥棒”，它能让你引导 AI 完美完成任务。！作为一名提示词收集控，我当然第一时间把它看完，并为大家整理出了一份详细的解读。作为一个深入研究大模型的玩家，我不仅告诉你提示词是什么，还会分享它们的扩展用法，帮助你充分挖掘 AI 的潜力。值得注意的是，和主要用于定义不同的角色。系统角色用于确保后续的用户提示词符合系统要求，而用户提示词则是我们正常的提问。
提示词革命！Anthropic CPO亲授7大AI协作秘技，淘汰旧思维
打造全国最全的AI Agent开发知识领域的博客
07-22 777
Anthropic首席产品官Mike Krieger揭秘7个颠覆性AI协作技巧，淘汰过时提示词。从“工具”到“思维伙伴”的跃迁，掌握深度推理、暴力批判、反向学习等核心方法，重塑人机协作生产力。
从0到1：手把手教你玩转人工智能大模型
远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享
06-19 749
摘要：人工智能大模型正深刻改变编程、办公、教育及智能交互领域。本文系统探讨了大模型实战项目的全流程：计算资源上推荐GPU服务器或云平台；数据处理涵盖特征工程（如文本词嵌入、图像CNN特征）及增强方法（同义词替换、图像旋转等）；模型架构以Transformer为核心，通过自注意力机制提升性能；训练阶段包括无监督预训练（自编码器）和指令微调（BERT/GPT）；实战案例展示了代码生成、办公自动化、个性化教育及智能对话等应用。优化方面提出解决过拟合（正则化、数据增强）和欠拟合（模型复杂化）的策略，最终通过准确率、
AI提示词神器大集合：玩转AI工作的必备工具
这些站点是玩转AI时不可或缺的工具，无论是专业设计师、写作者还是开发者，都可以从中发掘出适合自己工作的提示词，提升工作效率和创新思维。掌握和灵活运用这些资源，将有助于更好地与AI进行有效沟通，推动AI应用的...
提示工程架构师如何玩转Agentic AI？这8个案例告诉你答案
最新发布
AI 领航者的博客
08-23 221
Agentic AI是具备“自主感知-决策-行动”能力的AI系统感知（Perception）：获取外部信息（用户输入、工具输出、环境数据）；记忆（Memory）：存储历史信息（对话记录、任务状态、用户偏好）；决策（Decision）：根据感知和记忆生成行动方案（思考步骤、工具选择）；行动（Action）：执行具体操作（调用工具、生成文本、与其他Agent通信）；反馈（Feedback）：根据行动结果调整决策（优化Prompt、更新记忆）；协作（Collaboration）
python3-wxpython4-webview-4.0.7-13.el8.tar.gz
08-22
# 适用操作系统：Centos8 #Step1、解压 tar -zxvf xxx.el8.tar.gz #Step2、进入解压后的目录，执行安装 sudo rpm -ivh *.rpm
Python 基于BP神经网络实现鸢尾花的分类.zip
08-22
Python 基于BP神经网络实现鸢尾花的分类.zip
这篇文章详细介绍了极端灾害下电-气综合能源系统（IGES）的弹性评估方法，并通过MATLAB代码复现了相关模型（论文复现含详细代码及解释）
08-22
内容概要：该论文聚焦于电-气综合能源系统在极端灾害下的弹性评估，提出了一种考虑电网和天然气网络同时受极端事件扰动的系统模型。通过改进故障传播模型、建立电力网络、天然气网络及耦合装置的时变模型、引入储能装置恢复策略，提出了基于蒙特卡罗的弹性评估框架。该方法通过仿真验证，能够更准确地评估电-气综合能源系统的弹性，揭示了天然气网络在极端灾害下的重要性和电力网络的脆弱性，以及耦合效应对系统弹性的影响。 适合人群：能源系统研究人员、电力及天然气网络运营管理人员、从事综合能源系统设计与优化的工程师。 使用场景及目标：①评估极端灾害下电-气综合能源系统的弹性；②研究电网和天然气网络的耦合效应对系统弹性的影响；③探索储能装置在系统恢复中的作用；④为实际系统的韧性提升提供理论和技术支持。 其他说明：论文不仅提供了理论模型，还通过MATLAB代码实现了模型的具体算法，包括系统参数初始化、极端灾害场景生成、最优切负荷计算、弹性评估主程序、结果分析与可视化等。此外，论文指出了现有研究的局限性，并对未来的研究方向进行了展望，如经济优化、灾害特异性建模、多能源耦合系统研究等。
基于Python的习讯云命令行客户端（签到）.zip
08-22
基于Python的习讯云命令行客户端（签到）.zip
python3-wrapt-1.16.0-1.el8.tar.gz
08-22
# 适用操作系统：Centos8 #Step1、解压 tar -zxvf xxx.el8.tar.gz #Step2、进入解压后的目录，执行安装 sudo rpm -ivh *.rpm
汽车工程基于阻尼连续可调减振器的半主动悬架系统控制策略研究：车辆行驶平顺性与稳定性优化设计（论文复现含详细代码及解释）
08-22
内容概要：本文详细探讨了基于阻尼连续可调减振器(CDC)的半主动悬架系统的控制策略。首先建立了CDC减振器的动力学模型，验证了其阻尼特性，并通过实验确认了模型的准确性。接着，搭建了1/4车辆悬架模型，分析了不同阻尼系数对悬架性能的影响。随后，引入了PID、自适应模糊PID和模糊-PID并联三种控制策略，通过仿真比较它们的性能提升效果。研究表明，模糊-PID并联控制能最优地提升悬架综合性能，在平顺性和稳定性间取得最佳平衡。此外，还深入分析了CDC减振器的特性，优化了控制策略，并进行了系统级验证。 适用人群：从事汽车工程、机械工程及相关领域的研究人员和技术人员，尤其是对车辆悬架系统和控制策略感兴趣的读者。 使用场景及目标：①适用于研究和开发基于CDC减振器的半主动悬架系统的工程师；②帮助理解不同控制策略（如PID、模糊PID、模糊-PID并联）在悬架系统中的应用及其性能差异；③为优化车辆行驶舒适性和稳定性提供理论依据和技术支持。 其他说明：本文不仅提供了详细的数学模型和仿真代码，还通过实验数据验证了模型的准确性。对于希望深入了解CDC减振器工作原理及其控制策略的读者来说，本文是一份极具价值的参考资料。同时，文中还介绍了多种控制策略的具体实现方法及其优缺点，为后续的研究和实际应用提供了有益的借鉴。
基于 Python Asyncio + Redis 实现的代理池.zip
08-22
基于 Python Asyncio + Redis 实现的代理池.zip
基于非对称加密算法的Python源码保护.zip
08-22
基于非对称加密算法的Python源码保护.zip
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

吞掉星星的鲸鱼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值