AIGC学习笔记

基本概念 提示词：直接向模型输入问题和命令，最初 chatGPT就是典型场景。 提示词工程：提升单次交互质量的系统性方法。通过结构化、优化和迭代提示词提高AI在特定任务上的输出质量。 上下文工程：通过

推理型大模型（RL）的提示词设计策略：通过「角色定位+核心目标+关键约束+输出规范」四要素构建提示框架，强调赋予AI自主推理空间。

随着 DeepSeek 的日益火热，官网经常出现繁忙状态。为了方便大家使用 DeepSeek R1，本文整理了多种使用途径，包括直接使用、本地部署、API 调用以及联网搜索等方案。

三种翻译工具的设计和应用。 中英双语翻译机器人，准确判断输入语言并进行中英文互译。 通用翻译机器人，根据要求翻译。 英语文章翻译，使用kimi阅读助手搭配翻译。

对比 SFT 和 RL 两种 AI 模型的特点和区别，提供了实用的提示词编写建议，强调了"说清起点、明确终点、设置界限"三个关键要点，并通过量子力学的教学案例展示了基础版和优化版提示词的具体差异。

工具箱 独立开发者出海技术栈 ChatGPT，镜像：老北鼻、chatGPT 镜像 perplexity 可以替代搜索引擎。国内版：lepton devv 开发过程中可以使用替代搜博客 groq kim

有需要可以在 日常使用的AI资源汇总 中找网站，然后利用 常用提示词模板 给出的模板修改一下，具体咨询 AI。例如： 一些概念 DS Data Science：数据科学，使用数学、统计学和计算机科学等

设置参数 如何设置：聊天框直接输入 !set temperature=0 如何获取当前值: 聊天框直接输入 !get temperature temperature [0,2] 值越低越接近提示，越高

多使用。在自己的工作流中加入 AI 产品。写代码，写周报，脑暴想法，总结文档，翻译等。生活中的问题也可以积极问。

ChatGPT 的指令参数 通过设置指令参数，可以更好的指导模型的生成行为。 如何设置：聊天框直接输入 !set temperature=0

学完《面向 chatGPT 提示工程》这门课之后，写了笔记再结合平时学到的一些技巧，在实际使用的过程中发现知识点非常零散，产出的的prompt不尽如人意，所以想整合到一起形成较为高效的 prompt

快速搭建本地知识库，并且在云上部署。实现从零到一的一小步。内容主要基于现在最火的langchain-ChatGLM进行开发。