【AIGC-ChatGPT進階提示詞指令】AI美食助手的設計與實現:Lisp風格系統提示詞分析

引言

在人工智能助手的應用領域中,美食烹飪是一個既專業又貼近生活的方向。本文將詳細分析一個基于Lisp風格編寫的美食助手系統提示詞,探討其結構設計、功能實現以及實際應用效果。

請添加圖片描述

提出你的菜系,為你分析,并生成圖片卡片
提示詞在最下方

效果圖

在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述

系統架構設計

核心角色定義

(defun 美食家 ()"充滿激情的美食探索家,擅長發掘食材精髓與烹飪藝術"(list (理念 . '(探索 創新 傳承 品味))(技能 . '(烹飪 搭配 鑒賞 創作))(表達 . '(誘人 生動 優雅 細膩))))

這段代碼定義了AI助手的核心角色特征,包含理念、技能和表達方式三個維度,使其能夠以專業且富有感染力的方式傳遞烹飪知識。

功能模塊分析

前期準備模塊

(defun 前期準備 (食材清單)"食材準備和處理階段"(list (清洗處理 . '(去皮 切塊 切絲 切片 切段))(腌制調味 . '(鹽 糖 料酒 生抽 老抽 醋))(配菜準備 . '(蔥姜蒜 青紅椒 香菜 八角 桂皮))(工具準備 . '(炒鍋 蒸鍋 案板 菜刀 鏟勺))))

該模塊系統化地規劃了烹飪前的準備工作,確保食材處理的規范性和完整性。

烹飪步驟模塊

(defun 烹飪步驟 (處理方式)"核心烹飪技法組合"(list (火候控制 . '(大火 中火 小火 武火 文火))(基礎技法 . '(煎 炒 烹 炸 煮 燉 燜 蒸))(進階技法 . '(爆炒 煸炒 紅燒 清蒸 干煸))(出鍋時機 . '(斷生 七分熟 全熟 酥脆 軟糯))))

實際應用示例

以"宮保雞丁"為例,系統展現了完整的烹飪指導過程:

食材準備階段

精確的用料比例、專業的切配方式、合理的調味配比構成了系統的基礎準備階段。每個環節都經過精心設計,確保烹飪過程的順暢進行。

烹飪流程

系統提供清晰的步驟說明,準確的火候控制指導,以及專業的技法運用建議,讓使用者能夠準確把握烹飪要領。

成品展示

系統設定了標準的擺盤要求,細致的品質描述標準,以及專業的評價體系,幫助使用者達到預期效果。

系統優勢分析

系統展現出三個主要優勢:

結構化設計

模塊劃分清晰,功能定位準確,具有良好的擴展性。這種設計方式使系統易于維護和升級。

專業性保障

系統包含完整的烹飪技法體系,規范的用料標準,以及詳細的流程說明,確保專業性。

交互體驗

系統采用生動形象的表達方式,提供清晰明確的指導,并能夠及時有效地進行反饋。

結語

這個基于Lisp風格設計的美食助手系統提示詞,展現了AI在專業領域應用的巨大潛力。通過結構化的設計和模塊化的實現,成功構建了一個專業、實用且富有特色的美食指導系統。隨著AI技術的不斷發展和數據的持續積累,類似的專業領域AI助手將在未來發揮更大的價值。

好的系統提示詞設計不僅需要考慮功能的完整性,還要注重實用性和用戶體驗。這一點對于開發其他領域的AI助手同樣具有重要的參考價值。


本文提示詞為自己編寫的,如需轉發請附帶本片內容的鏈接地址;

我的作品發布了好多提示詞,都可以用在自媒體創作以及寫作方向。可以自行研究


歡迎主頁加上我的聯系方式,探討更多的AIGC 提示詞相關知識。

另外,小歐同學開通了實戰專欄,有興趣的可點頭像過去看看,都是經過實踐的知識。

相關文章:
【AIGC-ChatGPT進階提示詞指令】商業職場競爭中的陽謀之道:年底了,看看怎么漲薪吧
【AIGC】面試高頻問題應對指南
【AIGC-ChatGPT職業提示詞指令】智能職業規劃助手:基于SVG可視化的職業發展指南系統
【AIGC-ChatGPT職業提示詞指令】職業發展的航海指南:在人生的十字路口做出明智抉擇
【AIGC進階-ChatGPT提示詞副業解析】魔法咖啡館:一個融合創意與治愈的互動體驗設計
【AIGC-ChatGPT副業提示詞指令】煉金術士的元素啟示
【AIGC-ChatGPT進階副業提示詞】星際占卜師:探索星象能量的藝術

如果覺得內容不錯的話,記得點贊 關注 收藏 每天更新~

;; ━━━━━━━━━━━━━━
;; 作者: 深夜食客
;; 版本: 1.0
;; 模型: Claude sonnet
;; 用途: 美食探索
;; ━━━━━━━━━━━━━━;; 設定如下內容為你的 *System Prompt*
(require 'dash)(defun 美食家 ()"充滿激情的美食探索家,擅長發掘食材精髓與烹飪藝術"(list (理念 . '(探索 創新 傳承 品味))(技能 . '(烹飪 搭配 鑒賞 創作))(表達 . '(誘人 生動 優雅 細膩))))(defun 前期準備 (食材清單)"食材準備和處理階段"(list (清洗處理 . '(去皮 切塊 切絲 切片 切段))(腌制調味 . '(鹽 糖 料酒 生抽 老抽 醋))(配菜準備 . '(蔥姜蒜 青紅椒 香菜 八角 桂皮))(工具準備 . '(炒鍋 蒸鍋 案板 菜刀 鏟勺))))(defun 烹飪步驟 (處理方式)"核心烹飪技法組合"(list (火候控制 . '(大火 中火 小火 武火 文火))(基礎技法 . '(煎 炒 烹 炸 煮 燉 燜 蒸))(進階技法 . '(爆炒 煸炒 紅燒 清蒸 干煸))(出鍋時機 . '(斷生 七分熟 全熟 酥脆 軟糯))))(defun 味蕾之旅 (食材主題)"創造獨特的美食探索之旅"(let* ((食譜規劃 (-> 食材主題季節特性口感定位烹飪難度))(備菜流程 (-> (前期準備 食材清單)處理方式調味配比))(制作過程 (-> (烹飪步驟 處理方式)火候掌控調味節奏收汁時機))(成品呈現 (-> 擺盤藝術裝飾點綴風味搭配質地層次)))(生成卡片 食材主題 備菜流程 制作過程 成品呈現)))(defun 生成卡片 (食材主題 備菜流程 制作過程 成品呈現)"生成精美的美食探索卡片"(let ((畫境 (-> `(:畫布 (640 . 880):margin 30:配色 美食色系:排版 '(層次 韻律 節奏 平衡):字體 (font-family "GourmetScript"):構圖 (餐盤邊框(標題 "味蕾之旅") 木紋分隔線(自動換行 食材主題)(-> 備菜流程食材清單準備步驟)分隔裝飾線(-> 制作過程技法說明火候控制調味要點)分隔裝飾線   (-> 成品呈現擺盤圖示裝飾細節)木紋分隔線 "深夜食客 2024"))元素生成)))畫境))(defun 調味配比 ()"調味料使用的基礎比例"(list (醬油系 . '(生抽 1:2 老抽 1:4))(醋系 . '(米醋 1:3 陳醋 1:5))(鹽糖系 . '(2%3%))(香辛料 . '(花椒 2g 八角 1個 桂皮 1))))(defun start ()"美食家,開始探索!"(let (system-role (美食家))(print "告訴我你想嘗試的菜品,讓我為你詳細解析烹飪步驟。")));; ━━━━━━━━━━━━━━
;;; Attention: 探索規則!
;; 1. 初次啟動時必須只運行 (start) 函數
;; 2. 接收菜品需求后,調用主函數 (味蕾之旅 食材主題)
;; 3. 嚴格按照(生成卡片) 進行美食教程展示
;; 4. 輸出完 SVG 后,不再輸出任何額外說明
;; 5. 注意調味料的使用比例和火候的控制
;; ━━━━━━━━━━━━━━

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/65012.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/65012.shtml
英文地址,請注明出處:http://en.pswp.cn/web/65012.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

智能工廠的設計軟件 應用場景的一個例子:為AI聊天工具添加一個知識系統 之9 重新開始 之2

本文要點 對程序設計而言:前者基于一個自上而下的 分類體系--(生物遺傳基因),后者者需要一個收集差異的自下而上的差異繼承路徑--(系統繼承源流) 就是 廣義和狹義 分類學。 共性對齊 和 差異收集 正是兩者…

MCA:用于圖像識別的深度卷積神經網絡中的多維協同注意力

摘要 大量先前的研究已經表明,注意力機制在提高深度卷積神經網絡(CNNs)性能方面具有巨大潛力。然而,現有的大多數方法要么忽略了在通道和空間維度上同時建模注意力,要么引入了更高的模型復雜度和更重的計算負擔。為了緩解這一困境,本文提出了一種輕量級且高效的多維協同…

halcon中圖像處理及圖像濾波

圖像濾波簡介 圖像濾波的方法主要分為兩大類:空間域方法和頻域方法。 空間域方法是以對圖像的像素直接進行處理為基礎,包括均值濾波、中值濾波、高斯濾波等;頻域方法則是以修改圖像在傅里葉變換空間的值為基礎的,包括高通濾波、低通濾波、同態濾波等。 1.空間域圖像濾波 圖…

【從零開始入門unity游戲開發之——C#篇42】C#補充知識——隨機數(Random)、多種方法實現string字符串拼接、語句的簡寫

文章目錄 一、隨機數1、Random.Next()生成隨機整數示例:生成一個隨機整數生成指定范圍內的隨機整數 2、Random.NextSingle生成隨機浮點數示例:生成隨機浮點數 3、 生成隨機字母或字符示例:生成隨機字母示例:生成隨機小寫字母 二、…

吐卡機開發——指令合集—未來之窗行業應用跨平臺架構

序號指令10A 09 02 01 01 0D DE20A 09 02 02 01 FD DE30A 09 02 03 01 6D DF40A 09 02 04 01 5D DD50A 09 02 05 01 CD DC60A 09 02 06 01 3D DC70A 09 02 07 01 AD DD80A 09 02 08 01 5D D890A 09 02 09 01 CD D9100A 09 02 10 01 5D D2110A 09 02 11 01 CD D3120A 09 02 12 0…

fpga系列 HDL:verilog 常見錯誤與注意事項 位寬不匹配+case 語句中沒有覆蓋所有情況

位寬不匹配問題 信號或操作數的位寬不匹配,可能導致仿真或綜合錯誤。 module top (input wire [3:0] a,output wire [7:0] b );assign b a; endmodulecase 語句中沒有覆蓋所有情況 module top (input wire [1:0] sel,input wire [7:0] a,input wire [7:0] b,in…

Linux中操作中的無痕命令history技巧

當我們需要查看Linux下的操作記錄時,就可以用history命令來查看歷史記錄 1、關閉history記錄功能,如果不想讓別人看到自己在Linux上的操作命令,可以用這個命令 set o history 2、打開history記錄功能 set -o history3、清空記錄 histor…

計算機網絡練習題

學習這么多啦,那就簡單寫幾個選擇題鞏固一下吧! 1. 在IPv4分組各字段中,以下最適合攜帶隱藏信息的是(D) A、源IP地址 B、版本 C、TTL D、標識 2. OSI 參考模型中,數據鏈路層的主要功能是(…

優化租賃小程序提升服務效率與用戶體驗的策略與實踐

內容概要 在這個快速發展的商業環境中,租賃小程序成為了提升服務效率和用戶體驗的重要工具。通過對用戶需求的深入挖掘,我們發現他們對于功能的便捷性、響應速度和界面的友好性有著極高的期待。因此,針對這些需求,完善租賃小程序…

【數據結構】樹鏈刨分

1 u v k,修改路徑上節點權值,將節點 uu 和節點 vv 之間路徑上的所有節點(包括這兩個節點)的權值增加 kk。2 u k,修改子樹上節點權值,將以節點 uu 為根的子樹上的所有節點的權值增加 kk。3 u v,詢…

pandas.Grouper() 在實際項目中非常有用,尤其是在處理時間序列數據、財務數據或多級索引數據時

pandas.Grouper() 在實際項目中非常有用,尤其是在處理時間序列數據、財務數據或多級索引數據時。以下是幾個實際場景的例子,展示了如何使用 pandas.Grouper() 進行數據分組,并用數值示例說明。 1. 按月分組進行銷售數據匯總 場景&#xff1…

private static final Logger log = LoggerFactory.getLogger()和@Slf4j的區別

一、代碼方面 - private static final Logger log LoggerFactory.getLogger()方式 詳細解釋 這是一種傳統的獲取日志記錄器(Logger)的方式。LoggerFactory是日志框架(如 Log4j、Logback 等)提供的工廠類,用于創建Lo…

醫療數倉Hive安裝部署

Hive安裝部署 Hive安裝部署 1)把hive-3.1.3.tar.gz上傳到linux的/opt/software目錄下 2)解壓hive-3.1.3.tar.gz到/opt/module/目錄下面 [atguiguhadoop102 software]$ tar -zxvf /opt/software/hive-3.1.3.tar.gz -C /opt/module/3)修改hive…

通俗易懂的講一下Vue的雙向綁定和React的單向綁定

1.Vue 的雙向綁定&#xff1a; <template><!-- 輸入框和數據自動綁定&#xff0c;就像連體嬰兒&#xff0c;一個動另一個也動 --><input v-model"message"><p>{{ message }}</p><!-- 完整表單示例 --><form><!-- 所有…

使用setup.py打包 HuggingFace PEFT 項目詳解:pip install peft的幕后流程

使用 setup.py 打包 HuggingFace PEFT 項目詳解 Source: https://github.com/huggingface/peft/blob/main/setup.py 1. 項目簡介 HuggingFace 的 PEFT&#xff08;Parameter-Efficient Fine-Tuning&#xff09;庫是一個用于高效參數微調的 Python 工具包&#xff0c;支持多種…

BP神經網絡的反向傳播算法

BP神經網絡&#xff08;Backpropagation Neural Network&#xff09;是一種常用的多層前饋神經網絡&#xff0c;通過反向傳播算法進行訓練。反向傳播算法的核心思想是通過計算損失函數對每個權重的偏導數&#xff0c;從而調整權重&#xff0c;使得網絡的預測輸出與真實輸出之間…

線程池的創建規范

第1章&#xff1a;引言——為什么使用線程池&#xff1f; 1.1 線程池的概念 線程池是一個容器&#xff0c;用來管理多個工作線程&#xff0c;它通過對線程的管理、復用來提高系統性能。線程池的核心理念是將線程的創建、銷毀、復用等操作交給線程池來管理&#xff0c;避免了頻…

【藍橋杯比賽-C++組-經典題目匯總】

1. 最短路 題目描述&#xff1a; 如下圖所示&#xff0c;G是一個無向圖&#xff0c;其中藍色邊的長度是1、橘色邊的長度是2、綠色邊的長度是3。 則從 A 到 S 的最短距離是多少&#xff1f; #include <iostream> #include <cstring> using namespace std; const i…

活動預告 | Microsoft 安全在線技術公開課:通過擴展檢測和響應抵御威脅

課程介紹 通過 Microsoft Learn 免費參加 Microsoft 安全在線技術公開課&#xff0c;掌握創造新機遇所需的技能&#xff0c;加快對 Microsoft Cloud 技術的了解。參加我們舉辦的“通過擴展檢測和響應抵御威脅”技術公開課活動&#xff0c;了解如何更好地在 Microsoft 365 Defen…

第八節:GLM-4v-9b模型的大語言模型源碼解讀(ChatGLMForConditionalGeneration)

文章目錄 前言一、ChatGLMForConditionalGeneration類源碼解讀1、ChatGLMForConditionalGeneration類源碼2、self.transformer方法源碼3、loss_fct = CrossEntropyLoss(ignore_index=-100)方法Demo二、ChatGLMModel類源碼解讀三、GLMTransformer結構源碼解讀四、GLMBlock結構源…