一、大語言模型應用場景

1. 文本生成

• 文本創作： 詩歌故事，劇本，推文帖子

• 摘要與改寫： 長文本摘要與簡化，多語言翻譯與本地化

• 結構化生成： 表格，根據需求生成代碼片段，API文檔生成

2. 語義理解

• 語義分析： 解析，意圖識別，實體提取

• 文本分類： 主題標簽生成，垃圾內容檢測

• 知識推理： 數學、常識推理，事件關聯性（因果分析）

3. 代碼生成補全

• 代碼生成

• 代碼調試

• 技術文檔處理

• 智能對話

• 計算推理

二、創新的火花：如何自己去設計提示詞

AI交互的三重概率：多層互動逐層精煉

• 初始生成概率：AI通過大模型的概率預測與推理生成初步內容

• 交互篩選概率：用戶與AI互動，通過對話和選擇篩選出更優作品。

• 主觀優化概率：用戶基于自身能力和創意對生成內容進行個性化優化

🌌 提示詞語鏈介紹

簡述：提示語鏈是用于引導AI生成內容的連續性提示語序列，告訴AI“做什么”，引導AI“如何做”

   💭 **思考步驟**1. 提問前先明確目標與要求。2. 設定上下文背景3. 明確核心內容，并確保內容連貫性（邏輯性）。4. 只需要提供必要的信息的，不用拘泥于框架；5. 結構化提示詞有助于AI理解，記住并遵循指令；復雜的內容可以用結構化梳理，但簡單的指令直接提問即可。6. 提問約束明確是否需要拓展與聯想。**太過微管理的方式指揮AI，只會扼殺AI的創造力**1. 不要過度干涉AI思考方式：不要指定思考步驟，除非你只希望嚴格執行2. 最后改善語言表達，評估整體質量。3. 通過觀察AI的思考方式來理解原因，微調提示詞。---

📑 提示詞設計思路

提示詞設計思路一：主題聚焦機制（TFM，鎖定核心內容）

   - 構建主題原型：確定主題的核心特征和典型例子；出主題的關鍵特征和代表性例子- 設置語義框架：創建與主題相關的概念網絡- 建立重點梯度：設定主題相關性的層級結構；按重要性排序相關概念和子主題- 提供主題引導圖：計特定的關鍵詞（主要與次要）或短語來保持主題聚焦

提示詞設計思路二：知識轉移技術（KTT，跨域智慧應用）

   - 定義問題：確目標領域需要解決的問題或創新點·個性化挑戰- 尋找源域：搜索可能包含相關知識或方法的其他領域- 知識提取：從源域提取關鍵的知識、技能或方法- 相似性分析：分析源域和目標域之間的結構相似性- 轉移策略設計：制定知識從源域到目標域的轉移策略- 構建轉移提示：創建引導AI進行知識轉移的提示語

提示詞設計思路三：多重約束策略（MCS，發創造性問題解決）

   - 問題定義：確需要解決的核心問題- 約束條件設定：制定多個具有挑戰性的限制條件- 約束間矛盾分析：識別約束之間的潛在沖突，估每個約束對問題解決的影響- 創造性妥協探索：尋找滿足所有約束的創新解決方案- 約束突破思考：探索創造性地繞過或重新定義約束

?? 設計模型

1. 涌現思維模型

   - 分解與重組：將復雜問題拆解為簡單組件，再設計交互方式- 設定約束：使用提示語定義組件設定規則- 分析與調優：設計機制來觀察和約束多組件的結果。📝 **流程思路**- 設定期望結果 ----> 倒推提示語結果 ----> 調整提示語細節- 將問題抽象化 ----> 代入案例收集具象化反饋 ----> 迭代與優化

3. 任務拆解模型：SPECTRA

   - Segmentation（分割）：將大任務分為獨立但相關的 部分 - Prioritization（優先級）：確定子任務的重要性和執行 順序 - Elaboration（細化）：深入探討每個子任務的細節- Connection（連接）：建立子任務之間的邏輯關聯- Temporal Arrangement（時序安排）：考慮任務的時 間維度- Resource Allocation（資源分配）：為每個子任務分配 適當的注意力資源- Adaptation（適應）：根據AI反饋動態調整任務結構

4. 發散模型：IDEA

   - Imagine（想象）：鼓勵超越常規的思考- Diverge（發散）：探索多個可能性- Expand（擴展）：深化和拓展初始想法 - Alternate（替代）：尋找替代方案

5. 設計模型：CIRS

   - Refinement （優化）：對初步輸出進行修改和完善- Context （上下文）：提供背景信息和任務概述- Synthesis（綜合）：整合所有輸出，形成最終成果- Instruction（指令）：給出具體的指示

6. 提示詞構建模型：RTGO

   - Role（角色）- Goal（目標）- Task（任務）- Objective（操作要求）

三、個人提升方向

個人提升方向

• AI思維 / 引導力：掌握AI思維模式，構建個人提示詞體系，建立人機協作認知框架（工作流）主導AI交互過程，確保輸出符合預期

• 整合力 / 創新力：融合人機優勢，跨領域知識整合，構建創新生態系統，創造1+1>2的價值

• 判斷力 / 競爭力：保持獨立思考，發展個人方法論，創造專屬工具組合，形成難復制優勢，做AI輸出的把關者

進階思路

• AI 進階使用

  • 知識喚醒：AI輔助頭腦風暴，通過AI提問激發思考，用AI拓展思維維度

  • 知識整合：AI輔助關聯分析，發現知識應用場景 形成系統化觀點

  • 提示構建：形成結構化提示，整合關鍵信息要素，設定具體的約束。

AI輔助知識生成進化

• 知識獲取增強：構建概念圖譜，學習人機交互（對話），驗證知識。

• 知識整合升級：跨領域關聯，系統化重構知識體系，實踐驗證情境化應用

• 知識創新突破：構建新觀點，構建新方法，實踐應用創造價值

• AI 學習路徑與節點

  • 基礎使用層（獨特工作流）：單一任務，簡單提示詞，被動應用

  • 進階使用層（方法創新）：任務組合，結構化提示詞，主動優化

  • 創新使用層（領域整合）：流程再造，提示詞藝術，創造性應用

• 知識庫+知識喚醒框架：融合具身性的高質量內容，將人的具身經驗與AI的形式知識有機結合，產生既有深度又有溫度的內容

• 突破路徑：建立提示詞體系，設計協作流程，發展創新方法，打造個人特色

🧃 備注：提示語只是與AI人機交互的其中一種方式，我們還可以通過視覺（圖片、視頻、面部表情、肢體動作）與傳感器（腦電波）等方式與AI交互。