专题◉万字长文!盘点过去一年最出圈的Prompt项目教程,有3份在悄悄更新

本文主要是介绍专题◉万字长文!盘点过去一年最出圈的Prompt项目教程,有3份在悄悄更新,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.

OpenAI 官方出品 | 提示工程最权威的教程 (最新版)

2023年6月,OpenAI 发布了一篇〖*GPT Best Practice (GPT 最佳实践)* 〗教程,详细介绍 ChatGPT Prompt 交互策略&技巧,并且给出了示例说明。

一年时间过去了,OpenAI 不断发布新的大模型,这份教程也随之改版优化——更名为〖Prompt Engineering (提示工程) 〗,升级了诸多交互细节,还补充了更多实际用例。

提醒一下!这份教程中提到的策略&技巧,有些只适用于 OpenAI 当前最强版本的模型 (GPT-4o等) ,使用时需要注意 🧲

看了很多 Prompt 教程和经验分享。

回看 OpenAI 这份资料,发现〖万变不离其宗〗。果然,缔造了大语言模型的团队,给出的操作建议是最实用和靠谱的~

Prompt Engineering 提示工程

图片

教程核心内容是 Six strategies for getting better results。6条策略及其操作技巧,与一年前相比,变化不大。

不过,作为有着一年多使用经验的〖资深提示词工程师〗,相信你此时再读,一定会有不一样的感觉 ↓↓↓

🎡 [策略1] 给 GPT 明确的指示 (Write clear instructions)

说明:清晰地告诉 GPT 你需要什么。如果你提出的需求不明确, GPT 就会〖猜测〗你要什么。而减少模型的〖猜测〗,有助于得到更满意的结果。

  1. 输入要包含尽可能详尽的细节 / Include details in your query to get more relevant answers
  2. 让模型扮演特定角色 / Ask the model to adopt a persona
  3. 利用分隔符把不同部分区分开 / Use delimiters to clearly indicate distinct parts of the input
  4. 告诉 GPT 完成任务的具体步骤 / Specify the steps required to complete a task
  5. 多提供几个示例 / Provide examples
  6. 告诉 GPT 需要的答案长度 / Specify the desired length of the output

🎡 [策略2] 给 GPT 提供阅读材料 (Provide reference text)

说明:语言模型经常信口开河,尤其遇到冷门话题,以及需要引用或者读取链接的时候。这时给 GPT 提供阅读材料,让它参考作答,就靠谱多了。

  1. 要求 GPT 按照提供的阅读材料作答 / Instruct the model to answer using a reference text
  2. 要求 GPT 在回答时,给出阅读材料里的原文信息 / Instruct the model to answer with citations from a reference text

🎡 [策略3] 把复杂任务拆解为简单的子任务 (Split complex tasks into simpler subtasks)

说明:借鉴软件工程的经验,把大任务拆解为一连串的小任务 (工作流),更容易完成 & 正确率更高。

  1. 使用意图分类,找到最确切的提示词 / Use intent classification to identify the most relevant instructions for a user query
  2. 如果对话拖得太长,过程中经常做一下总结,防止话题跑偏 / For dialogue applications that require very long conversations, summarize or filter previous dialogue
  3. 长文档要一段一段地处理,最后再进行整合 / Summarize long documents piecewise and construct a full summary recursively

🎡 [策略4] 给予 GPT 思考时间 (Give GPTs time to “think”)

说明:给道数学题〖17 X 28 = ?〗 你得算一会儿再给出正确答案。 GPT 同理,需要时间慢慢地思考和推理,这样给出的答案也更加靠谱。

  1. 与其让 GPT 匆匆给出结论,不如让它先推理一遍解题过程 / Instruct the model to work out its own solution before rushing to a conclusion
  2. 把不想让用户看到的内容隐藏起来 / Use inner monologue or a sequence of queries to hide the model’s reasoning process
  3. 最后问 GPT 之前的回答是否有遗漏 / Ask the model if it missed anything on previous passes

🎡 [策略5] 借助外部工具 (Use external tools)

说明:用其他工具的输出来补模型的不足。如果借助外部工具,可以更可靠或高效地完成任务,就别让 GPT 硬撑。

  1. 使用基于 embedding 的搜索来实现高效的知识检索 / Use embeddings-based search to implement efficient knowledge retrieval
  2. 需要做精确计算的场景:写代码完成,或者调用 API / Use code execution to perform more accurate calculations or call external APIs
  3. 使用 Function-Call (函数调用) / Give the model access to specific functions

🎡 [策略6] 进行系统化的测试 (Test changes systematically)

说明:量化模型的输出质量,有助于提升模型性能。完成这个过程,可以参考机器学习领域的有监督学习过程。

  1. 评估模型输出的时候,需要你提供一个优质答案作为参考标准 / Evaluate model outputs with reference to gold.standard answers

图片

教程提到的每个策略和技巧,都有详细的说明,并给出了正确的示例 👆 如上图

超级棒的学习资料!温故而知新呐 🎉

教程链接 → https://platform.openai.com/docs/guides/prompt-engineering

更多资源 | OpenAI Cookbook → https://cookbook.openai.com

中文编译&解读

图片

OpenAI 教程虽好,但是英文读起来还是略显晦涩。

这时!我就要疯狂推荐 @未来力场 这份中文解读了!!

作者团队们对 OpenAI 官方教程进行了深度编译,就是翻译成了非常好理解的中文大白话,而且补充了非常多解释说明、操作用例、好坏提示词对比。排版还巨巨巨好看!!

你可以理解为,是一位项目经验丰富的提示词专家,毫无保留地分享了自己的实战经验和操作技巧 🎉

图片

以〖Specify the steps required to complete a task (告诉 GPT 完成任务的具体步骤) 〗为例。

OpenAI 官方教程 (👆上图顶部) 中包含技巧说明&使用示例。

中文解读文档更近一步,除了翻译官方教程中的内容,还附上了官方示例的输出结果 (上图底部左侧),并且给出了更实用的中文提示词框架和输出结果 (上图底部右侧)。

尤其难得的是,整份文档有大量的对比实验,其中灰色块就是我们〖偷懒〗使用的不规范提示词,以及对比惨烈的输出结果。

前往知识星球下载完整 PDF 文档 (共38页) → https://t.zsxq.com/7tUS2 编码【R189】

注意!这份文档写于2023年10月,是基于旧版 OpenAI 教程整理的。所以,文档内容和输出结果可能略有差异,但策略和技巧一直适用。

Prompt Examples 提示词范例

图片

OpenAI 官网有一个单独页面,整理了官方认可的 30 个提示词范例Prompt Examples〗,包括语法检查、文字变 emoj、代码讲解、关键词提取、编程、翻译、创建网站、识别情绪等等。

你可以前往查看和复制这些提示词,也可以认真研究,学一些写 Prompt 的实用小窍门儿 🧐

  • Grammar correction:把句子改得语法正确,符合英语规范
  • Summarize for a 2nd grader:把句子变得简单,让二年级小朋友也能理解
  • Parse unstructured data:把乱糟糟的文字变成整齐的表格
  • Emoji Translation:把普通文字变成表情符号
  • Calculate time complexity:算出某个功能处理事情需要多长时间
  • Explain code:把复杂的代码讲清楚,让人明白
  • Keywords:从一段文字中找出最重要的词语
  • Product name generator:根据描述和提示词,想出产品的名字
  • Python bug fixer:找出Python代码里的错误并修复
  • Spreadsheet creator:根据不同的数据,制作各种电子表格
  • Tweet classifier:判断推文表达的是开心还是难过
  • Airport code extractor:从文字中找出机场的代码
  • Mood to color:把文字描述的感觉转换成一种颜色
  • VR fitness idea generator:想出一些能让人健身的虚拟现实游戏点子
  • Marv the sarcastic chat bot:一个既说实话又有点讽刺的聊天机器人
  • Turn by turn directions:把自然语言变成一步步的导航提示词
  • Interview questions:想出一些面试时会问的问题
  • Function from specification:根据要求,从头开始写一个Python函数
  • Improve code efficiency:给Python代码提一些让运行更快的建议
  • Single page website creator:创建一个内容都集中在一页上的网站
  • Rap battle writer:编一场两个角色之间的说唱对决
  • Memo writer:根据提供的要点,写出公司的备忘录
  • Emoji chatbot:只用表情符号来回复聊天
  • Translation:把一种语言的文字翻译成另一种语言
  • Socratic tutor:像苏格拉底那样,用提问的方式引导学习
  • Natural language to SQL:把平时说的话转换成数据库能懂的SQL语言
  • Meeting notes summarizer:把会议内容、要做的事情和将来要讨论的话题总结起来
  • Review classifier:根据一组标签,把用户的评价分类
  • Pro and con discusser:分析一个事情的好处和不好的地方
  • Lesson plan writer:为某个特定的课题制定教学计划

Prompt Examples → https://platform.openai.com/docs/examples

针对所有自学遇到困难的同学们,我帮大家系统梳理大模型学习脉络,将这份 LLM大模型资料 分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

👉[CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)]()👈

2.

Anthropic 官方出品 | 顶级AI工程师教你写 Claude 提示词 (最新版)

Anthropic 公司的大模型是大名鼎鼎的 Claude,目前已经更新到 Claude 3,文本处理能力一骑绝尘。

Anthropic 官网的〖Prompt Engineering (提示工程)**〗教程内容,*与旧版本相比改变很多!而且增加了一系列的辅助学习网站*,看到时眼前一亮 🥳

照例提醒!Anthropic 教程与 OpenAI 教程的精神一脉相承,但是具体策略各有侧重,这与各家大模型的能力和特性密切相关。建议多尝试,多感受~

Prompt Engineering 提示工程

图片

教程核心内容是 Six strategies for getting better results。6条策略及其操作技巧,与一年前相比,变化不大。

不过,作为有着一年多使用经验的〖资深提示词工程师〗,相信你此时再读,一定会有不一样的感觉 ↓↓↓

🎡 [策略1] 给 GPT 明确的指示 (Write clear instructions)

说明:清晰地告诉 GPT 你需要什么。如果你提出的需求不明确, GPT 就会〖猜测〗你要什么。而减少模型的〖猜测〗,有助于得到更满意的结果。

  1. 输入要包含尽可能有防盗链机制,建议将图片保存下来直接上传](https://片](https://img-blog.csdnimg.cn/img_convert/726ad433f263be24af1255home.csdnimg-blog.csdnimg.cn/img_convert/7ccebcb6832d695a8a2f0b046d8ca9c4.png)

OpenAI 教程虽好,但是英文读起来还是略显晦涩。

这时!我就要疯狂推荐 @未来力场 这份中文解读了!!

作者团队们对 OpenAI 官方教程进行了深度编译,就是翻译成了非常好理解的中文大白话,而且补充了非常多解释说明、操作用例、好坏提示词对比。排版还巨巨巨好看!!

你可以理解为,是一位项目经验丰富的提示词专家,毫无保留地分享了自己的实战经验和操作技巧 🎉

图片

以〖Specify the steps required to complete a task (告诉 GPT 完成任务的具体步骤) 〗为例。

OpenAI 官方教程 (👆上图顶部) 中包含技巧说明&使用示例。

中文解读文档更近一步,除了翻译官方教程中的内容,还附上了官方示例的输出结果 (上图底部左侧),并且给出了更实用的中文提示词框架和输出结果 (上图底部右侧)。

尤其难得的是,整份文档有大量的对比实验,其中灰色块就是我们〖偷懒〗使用的不规范提示词,以及对比惨烈的输出结果。

前往知识星球下载完整 PDF 文档 (共38页) → https://t.zsxq.com/7tUS2 编码【R189】

注意!这份文档写于20230所以,文档内容和输出结果可能略有差异,但策略和技巧一直适用。

Prompt Examples 提示词范例

图片

OpenAI 官网有一个单独页面,整理了官方认可的 30 个提示词范例Prompt Examples〗,包括语法检查、文字变 emoj、代码讲解、关键词提取、编程、翻译、创建网站、识别情绪等等。

你可以前往查看和复制这些提示词,也可以认真研究,学一些写 Prompt 的实用小窍门儿 🧐

  • Grammar correction:把句子改得语法正确,符合英语规范
  • Summarize for a 2nd grader:把句子变得简单,让二年级小朋友也能理解
  • Parse unstructured data:把乱糟糟的文字变成整齐的表格
  • Emoji Translation:把普通文字变成表情符号
  • Calculate time complexity:算出某个功能处理事情需要多长时间
  • Explain code:把复杂的代码讲清楚,让人明白
  • Keywords:从一段文字中找出最重要的词语
  • Product name generator:根据描述和提示词,想出产品的名字
  • Python bug fixer:找出Python代码里的错误并修复
  • Spreadsheet creator:根据不同的数据,制作各种电子表格
  • Tweet classifier:判断推文表达的是开心还是难过
  • Airport code extractor:从文字中找出机场的代码
  • Mood to color:把文字描述的感觉转换成一种颜色
  • VR fitness idea generator:想出一些能让人健身的虚拟现实游戏点子
  • Marv the sarcastic chat bot:一个既说实话又有点讽刺的聊天机器人
  • Turn by turn directions:把自然语言变成一步步的导航提示词
  • Interview questions:想出一些面试时会问的问题
  • Function from specification:根据要求,从头开始写一个Python函数
  • Improve code efficiency:给Python代码提一些让运行更快的建议
  • Single page website creator:创建一个内容都集中在一页上的网站
  • Rap battle writer:编一场两个角色之间的说唱对决
  • Memo writer:根据提供的要点,写出公司的备忘录
  • Emoji chatbot:只用表情符号来回复聊天
  • Translation:把一种语言的文字翻译成另一种语言
  • Socratic tutor:像苏格拉底那样,用提问的方式引导学习
  • Natural language to SQL:把平时说的话转换成数据库能懂的SQL语言
  • Meeting notes summarizer:把会议内容、要做的事情和将来要讨论的话题总结起来
  • Review classifier:根据一组标签,把用户的评价分类
  • Pro and con discusser:分析一个事情的好处和不好的地方
  • Lesson plan writer:为某个特定的课题制定教学计划

Prompt Examples → https://platform.openai.com/docs/examples

2.

Anthropic 官方出品 | 顶级AI工程师教你写 Claude 提示词 (最新版)

Anthropic 公司的大模型是大名鼎鼎的 Claude,目前已经更新到 Claude 3,文本处理能力一骑绝尘。

Anthropic 官网的〖Prompt Engineering (提示工程)**〗教程内容,*与旧版本相比改变很多!而且增加了一系列的辅助学习网站*,看到时眼前一亮 🥳

照例提醒!Anthropic 教程与 OpenAI 教程的精神一脉相承,但是具体策略各有侧重,这与各家大模型的能力和特性密切相关。建议多尝试,多感受~

Prompt Engineering 提示工程

图片

这份〖Prompt Engineering (提示工程) 〗教程,提到了 10 项操作技巧〖technique〗,并对每一项都进行了详细的介绍。

🎡 [技巧1] 提示词要清晰明确 (Be clear & direct)

说明:在与 Claude 互动过程中,输入清晰直接的提示词,对于获得最佳响应至关重要。

  • Claude 最喜欢直截了当的提示词。如果输入的提示词比较复杂,建议将其分步和编号
  • 判断提示词是否清晰明确的〖黄金法则〗:把 Claude 当成一位聪明勤奋的新员工,试想 ta 能否按照你的提示词,准确地行动并最终产生你期望的结果。

🎡 [技巧2] 给 Claude 举例 (Use examples)

说明:提示词包含几个精心设计的例子,可以显著提高 Claude 回答的准确性、一致性和质量。这一技巧通常也被称作 few-shot prompting / one-shot prompting。

  • 举例是提升 Claude 性能、引导产生符合期望的输出的最有效工具。如果你的输出需要包含更多的细节、更加结构化、或者遵守特定格式,那么〖举例〗这个技巧尤其有效。
  • 通常,提供的示例越多,Claude 回答就越可靠,但代价是响应时间、计算资源等随之增多。
  • 确保给 Claude 提供常见的边缘情况示例。

🎡 [技巧3] 角色扮演 (Give Claude a role)

说明:在提示词中给 Claude 设定指定一个角色 (比如数学家),能引导提升其准确性和性能。这一技巧也常被称作 role prompting。

  • 为了帮助 Claude 理解它在特定对话中扮演的角色,你需要提供额外的上下文。
  • Claude响应体现在两个方面:① 调整输出内容 (行为/语气等) 以符合角色特征,② 在某些情况下(如数学问题)显著提高回答的准确性。

🎡 [技巧4] 使用 XML 标签 (Use XML tags)

说明:Claude 大模型已经针对 XML 标签进行了专门训练,因此特别推荐使用 XML 标签来强化提示词的结构

  • XML 标签 <> 可以帮助 Claude 理解提示词的结构,类似于章节标题帮助人类理解文本结构。
  • 将提示词的关键部分 (如例子、输入数据等) 用 XML 标签区隔开,可以帮助 Claude 更好地理解上下文,输出也能更准确。
  • 当提示词比较长,或者结构比较复杂时,这个技巧尤其有效。

🎡 [技巧5] 任务拆解 (Chain prompts)

说明:把复杂任务拆解成多个步骤,并将子任务构建成串行的工作流,确保过程中的每一步 & 最终输出是准确的。

  • 任务完成后,你可以给 Claude 提供一套评分标准或评价准则,让 Claude 自己判断之前回答的质量。
  • 让Claude根据评分标准的最高要求,重新生成或者修正之前的回答

🎡 [技巧6] 逐步思考 (Let Claude think)

说明:面对复杂问题时,让 Claude 在回答之前先想清楚具体的步骤,再根据步骤生成最终的答案。这一技巧也被称作 chain of thought (CoT) prompting [思维链]。

🎡 [技巧7] 预填充引导 Claude回答 (Prefill Claude’s response)

说明:在提示词中设定 Assistant 内容,可以控制输出格式,并帮助 Claude 在角色扮演场景中保持角色特性。

  • 这是 Claude 独特能力,允许在提示词中设定〖Assistant〗部分的详细内容,来精准引导和控制回答。
  • 尤其在 Claude 输出表现不理想的情况下,几个预填充的句子可以显著提升响应质量。

🎡 [技巧8] 控制输出格式 (Control output format - JSON mode)

说明:提供清晰的指令 [技巧1]、给 Claude 举例 [技巧2]、预填充 [技巧3],这些都可以引导 Claude 生成结果符合你期望的结构/风格。

🎡 [技巧9] 请求Claude重写 (Ask Claude for rewrites)

说明:即使提示设计得很好,Claude 回答也可能不够准确或完全不符合预期。这种情况下,可以利用 Claude 自我修订能力,通过重写来改善生成质量。

  • 需要提供更清晰的指令 & 详细的评分标准。

🎡 [技巧10] 长上下文窗口技巧 (Long context window tips)

说明:长上下文增加了大模型处理复杂任务的能力。例如,一份长文档,之前需要将其切割并分别处理,现在可以完整输入给大模型,既有助于 Claude 全面理解上下文,又使得生成结果准确度更有保障。

  • 当处理长文档时,使用XML标签将各部分分隔开,以便 Claude 能够清晰地区分输入的内容。
  • 先输入长文档或其他附加材料,再输入详细的操作指令,可以显著提升输出品质。
  • 基于输入的长文档/长文本回答某个问题时,先让 Claude 找到原文中的对应信息,再回答提出的问题。
  • 基于输入长文档/长文本生成多项选择题时,提示词中包括同一文本的参考示例 (问题+选项+答案),可以显著提高生成质量。

图片

每项技巧的详情页,除了介绍原理外,还会附上优化前 & 优化后的提示词样例,更直观地展示操作细节,帮助你理解 👆 如上图所示。

教程原文 → https://docs.anthropic.com/en/docs/prompt-engineering

Anthropic Cookbook → https://github.com/anthropics/anthropic-cookbook

图片

此外,Anthropic 官方还提供了这份教程的交互版本,提供了大量示例练习题

也就是说,访问 👇 GitHub 或 Google Doc 链接,跟随说明进行操作,就可以体验到〖提示词输入-输出〗过程,感受每项操作技巧对输出的影响,帮你更好地使用 Claude 大模型~

Google 交互文档 → https://docs.google.com/spreadsheets/d/19jzLgRruG9kjUQNKtCg1ZjdD6l6weA6qRXG5zLIAhC8

GitHub 交互文档 → https://github.com/anthropics/prompt-eng-interactive-tutorial/blob/master/Anthropic%201P

访问这两个链接需要魔法 🔮

中文编译&解读

图片

Anthropic 官方将教程内容,整理成了一份在线 PPT,是一份大宝藏!!

@未来力场 也对其进行了深度编译,制作成一份中英双语对照的文档 👆 如上图所示

官方一再强调,提示工程很简单,更加侧重实战经验和手感积累。各家大模型的操作,有共性也有特性,整体大差不差,多多尝试很重要!!

前往ShowMeAI知识星球,下载完整 PDF 文档 (共147页) → https://t.zsxq.com/5nTOr 编码【R199】

注意!这份文档写于2023年12月,是基于旧版PPT整理的。新旧版 PPT 内容差异略大,所以可能有些对不上哦~

官方最新PPT → https://docs.google.com/presentation/d/e/2PACX-1vQwlLzYMgfKpTgGwPQirMwmY3aSV0vQNJ2nlqTRv0cXhta_-eJLhwvUNgVPe0rJtCk22i2RhkMniIcq/pub?slide=id.g2c40da08fdb_17_0

Prompt Library

图片

Anthropic 也整理并发布了一个〖Prompt Library (提示词库)〗 👆 如上图左侧。

Prompt Library 目前包括 60+ 高频应用场景的提示词,例如互动游戏、应用开发、教育、创意、翻译、创作、数据分析、社交、娱乐、技术工具等等方面。而且!每份提示词都有规范的输入、供参考的输出和API 请求格式 👆 如上图右侧。

整理了页面工具的简单介绍。有了这个工具库,Claude 使用效率直接拉满~

  • Cosmic keystrokes:在单个HTML文件中生成一个交互式的速度打字游戏,具有横向滚动的游戏玩法和Tailwind CSS样式
  • Corporate clairvoyant:从长篇企业报告中提取洞察力,识别风险,并将其浓缩成一份备忘录
  • Website wizard:根据用户规格创建单页网站
  • Excel formula expert:根据用户描述的计算或数据操作创建Excel公式
  • Google apps scripter:根据用户需求生成Google Apps脚本
  • Python bug buster:检测并修复Python代码中的bug
  • Time travel consultant:帮助用户导航假设的时间旅行场景及其影响
  • Storytelling sidekick:与用户合作创作引人入胜的故事,提供情节转折和角色发展
  • Cite your sources:回答有关文档内容的问题,并提供支持回答的相关引用
  • SQL sorcerer:将日常语言转化为SQL查询
  • Dream interpreter:提供用户梦境的象征意义的解释和洞察
  • Pun-dit:基于任何给定主题生成巧妙的双关语和文字游戏
  • Culinary creator:根据用户可用的食材和饮食偏好建议食谱
  • Portmanteau poet:将两个单词混合在一起,创造出一个新的、有意义的混合词
  • Hal The humorous helper:与一个知识渊博且带有讽刺意味的AI进行聊天
  • LaTeX legend:编写LaTeX文档,为数学方程式、表格等生成代码
  • Mood colorizer:将情绪描述转化为相应的HEX颜色代码
  • Git gud:根据用户描述的版本控制操作生成适当的Git命令
  • Simile savant:从基本描述中生成比喻
  • Ethical dilemma navigator:帮助用户思考复杂的道德困境,并提供不同的观点
  • Meeting scribe:将会议内容浓缩成简洁的摘要,包括讨论主题、关键要点和行动项
  • Idiom illuminator:解释常见成语和谚语的含义和起源
  • Code consultant:建议改进以优化Python代码性能
  • Function fabricator:根据详细规格创建Python函数
  • Neologism creator:基于用户提供的概念或想法发明新词,并提供定义
  • CSV converter:将数据从各种格式 (如JSON、XML等) 转换为正确格式的CSV文件
  • Emoji encoder:将纯文本转换为富有表现力的emoji消息
  • Prose polisher:使用高级的编辑技巧和建议改进和提升写作内容
  • Perspectives ponderer:权衡用户提供的主题的利弊
  • Trivia generator:生成各种主题的趣味问题,并在需要时提供提示
  • Mindfulness mentor:引导用户进行正念练习和减压技巧
  • Second grade simplifier:使复杂文本易于年轻学习者理解
  • VR fitness innovator:为虚拟现实健身游戏提供创意想法
  • PII purifier:自动检测并从文本文档中移除个人身份信息 (PII)
  • Memo maestro:根据关键点撰写全面的公司备忘录
  • Career coach:与AI职业教练进行角色扮演对话
  • Grading guru:根据用户定义的标准和标准比较和评估书面文本的质量
  • Tongue twister:创造挑战性的绕口令
  • Interview question crafter:生成面试问题
  • Grammar genie:将语法不正确的句子转换为正确的英语
  • Riddle me this:生成谜语并引导用户找到解决方案
  • Code clarifier:用简单的语言简化和解释复杂代码
  • Alien anthropologist:从一个外星人类学家的角度分析人类文化和习俗
  • Data organizer:将非结构化文本转换为定制的JSON表格
  • Brand builder:为一个全面的品牌形象制定设计简报
  • Efficiency estimator:计算函数和算法的时间复杂度
  • Review classifier:将反馈分类到预先指定的标签和分类中
  • Direction decoder:将自然语言转化为逐步指导
  • Motivational muse:根据用户输入提供个性化的励志信息和肯定
  • Email extractor:从文档中提取电子邮件地址到JSON格式的列表
  • Lesson planner:就任何主题制定深入的课程计划
  • Socratic sage:就用户提供的主题进行苏格拉底式对话
  • Alliteration alchemist:为任何给定主题生成押韵短语和句子
  • Futuristic fashion advisor:为用户的特定偏好建议前卫的时尚趋势和风格
  • Polyglot superpowers:将文本从任何语言翻译成任何语言
  • Product naming pro:根据描述和关键词创建吸引人的产品名称
  • Philosophical musings:进行深入的哲学讨论和思想实验
  • Spreadsheet sorcerer:生成包含各种类型数据的CSV电子表格
  • Sci-fi scenario simulator:与用户讨论各种科幻场景及其相关的挑战和考虑
  • Adaptive editor:根据用户给出的提示词 (如不同的语气、受众或风格) 重写文本
  • Babel’s broadcasts:用世界上最多人说的10种语言创建引人入胜的产品公告推文
  • Tweet tone detector:检测推文背后的语气和情感
  • Airport code analyst:从文本中查找并提取机场代码

官网链接 → https://docs.anthropic.com/claude/prompt-library

提示词的开发生命周期

图片

官方教程简介中,提到了一个非常有趣&实用的〖The prompt development lifecycle〗。根据 👆 上图所示,提示词开发生命周期大致包含以下几个过程:

开发测试用例 [Develop test cases] → 构建初版提示词 [Engineer preliminary prompt] → 对提示词进行用例测试 [Test prompt against cases] → 优化提示词 [Refine prompt] → 分享完善后的提示词 [Share polished prompt]

提示词工程师需要注意以下操作细节:

  1. 给定清晰的任务描述,以及一组多样化的示例〖输入-输出〗,尽量涵盖边缘案例
  2. 可以积累几个案例,然后创建一个评估套件,以便进行定性评估。
  3. 利用 彩虹图 里的提示词要素,来构建完整提示词。
  4. 对提示词进行用例测试。
  5. 如果输出质量不好,请通过向提示词中添加示例和规则来迭代提示词,直到获得满意的输出为止。
  6. 仅在提示词已经有效时,才优化和减少提示词元素以提高效率。

其中,第3条提到的彩虹图,是官方给出的一个可参考的提示词架构 (新版 PPT 第 44 页)。

3.

深度拆解 | 新加坡首届 GPT-4 提示工程大赛,冠军的万字经验分享

前段时间,新加坡政府科技局 (GovTech) 组织了首届 GPT-4 提示工程大赛,这场比赛吸引了超过 400 名杰出的参与者。

Sheila Teo 从中脱颖而出,拿到大赛冠军,并撰文分享了她对于 Prompt 的独特理解。而且,她特意避开了那些广为人知的操作方法,是这位世界冠军的独家见解和干货!

图片

原文非常长!而且非常详细,不仅有技巧的详细说明适用范围适用方式注意事项,还非常难得地配了很多示例 (尤其是最后地案例及拆解)。有非常多的设计巧思值得学习。

以下是文章核心主干,推荐阅读原文!!

提示词实战策略

🔵 - 初级策略 🔴 - 高级策略

图片

[🔵] 使用CO-STAR框架,构建结构化的提示词

  • C (背景) :提供任务的背景信息,让 LLM 明确讨论的场景,确保生成的回复具有相关性。
  • O (目标) :清楚表述任务目标,让 LLM 将其回复重点放在特定目标上。
  • S (风格) :明确希望 LLM 使用的写作风格,比如特定职业专家、著名人物等。
  • T (语气) :确定回复的态度,例如正式、幽默、富有同情心等。
  • A (受众) :指明回复的受众,例如某专业的专家、初学者、儿童等。
  • R (回复) :明确回复格式,例如列表、JSON、专业报告等。

[🔵] 使用分隔符将提示词分段

  • 这里的分隔符,既可以是特殊的符号组合 (如 ### === >>> ),也可以是 XML标签。
  • 分隔符能够帮助 LLM 区分提示词的不同部分,快速理解提示词的结构。
  • 这一策略对复杂任务尤为重要。

[🔴] 为 LLM 设置系统提示

  • 系统提示作为附加提示,定义了 LLM 的行为方式,像过滤器一样影响LLM的每次回复。
  • 系统提示用于确保 LLM 在整个聊天过程中,记住特定的指令。
  • 系统提示的典型内容包括:任务定义、输出格式、行为准则等。
  • 也可以通过编程方式,设置动态的 LLM 护栏,如使用 NeMo 护栏。

[🔴] 仅使用LLM (无需插件或代码) 分析数据集

  • LLM〖不擅长〗的数据集分析类型:定量分析任务,如描述性统计、相关性分析、统计分析、机器学习等。
  • LLM〖擅长〗的数据集分析类型:模式识别和趋势分析任务,如异常检测、聚类、跨列关系、文本分析、趋势分析(有时间维度的数据集)等。

数据分析实战案例

仅使用 LLM 分析 Kaggle 数据集

  • 案例详情:通过一个客户信息数据集的例子,展示了如何使用 LLM 进行聚类,并根据聚类结果制定营销策略。效果非常不错!
  • 试试其他方式:使用 ChatGPT 高级数据分析插件,并没有得到结果。由此可见,ChatGPT 在此类复杂任务实现过程中,受到了限制。

何时使用 LLM,何时使用 ChatGPT 高级数据分析插件?

  • 因分析的具体类型而异。
  • 一般来说,对于需要精确的数学运算、复杂的规则处理的任务,传统的编程方法依然更加适用;而对于依赖模式识别的任务,大语言模型的表现更加优异,能提供包括分析附件在内的额外输出,并能生成 Markdown 格式的完整分析报告。
  • 总的来说,是否采用大语言模型取决于任务本身的性质,需要平衡其在模式识别上的强项,与传统编程技术提供的精确度和特定性

提示工程技巧拆解

图片

文章最后,作者结合上方提到的数据分析案例的提示词,详细拆解了其中用到的各种技巧。算是一次大整理 & 大复盘!

技巧1:将复杂任务分解成简单步骤

  • 大语言模型 (LLM) 擅长处理简单的任务,对于复杂的任务则表现不佳。因此,在面对复杂任务时,把它分解成一步步简单的提示词是至关重要的。
  • 这种方法的核心思想是,明确告知 LLM 你自己执行该任务时会采取的每一个步骤。

技巧2:使用每一步的中间结果进行参考

  • 在处理多步骤任务时,LLM 生成的中间结果可以为后续步骤提供有力参考。
  • 通过在提示中明确引用前面步骤的结果,模型能在后续回答中保持一致性和逻辑性,确保最终的结果全面、准确。

技巧 3:规范LLM回复的格式

  • 在提示工程中,明确指定回复的格式对任务结果的质量至关重要。通过引导 LLM 使用特定的输出结构,可以确保其回复清晰、易读,并且符合后续使用的需求。
  • 这种策略尤其适用于生成报告、列表或结构化数据等任务。

技巧 4:将任务提示词与数据集分开

  • 在提示中,将任务提示词与数据集分开可以帮助大语言模型 (LLM) 保持更清晰的上下文理解,确保模型准确执行任务。
  • 这种方法尤其适用于复杂任务,能够最大限度地减少模型因处理大量信息而出现的误解或遗漏。

原文链接 → https://towardsdatascience.com/how-i-won-singapores-gpt-4-prompt-engineering-competition-34c195a93d41

⋙ 阅读中文翻译版

4.

深度拆解 | 缔造 AI Tutor 的天才少年,与天花板级别的复杂提示词

是提示词发展过程中,一个绕不开的典型应用案例。一年前,17岁的澳洲高中生 JushBJJ 用一套复杂的提示词,实现了这个〖AI全能导师〗应用并开源了提示词,全球爆火。

简单来说,Mr. Ranedeer AI Tutor 是一个基于 OpenAI GPT-4 模型的个性化学习助手,根据用户定制的知识深度/学习风格/沟通类型/语气/推理框架/语言等,指定个性化的学习计划,并提供每部分详细的学习资料,还能帮助完成问答和自我测验。

也就是说,有了 Mr. Ranedeer AI Tutor,就相当于拥有了一位无所不知、循循善诱的全能导师,能随时与你展开任何领域的学习互动。

图片

2023年11月,JushBJJ 开心地宣布高中毕业 😂,然后将更多时间投入到版本升级用户交流中。

目前,Mr. Ranedeer AI Tutor 释出的最新版本是 v2.7。从官方网站可以得知,v2.9 和 V3 都在开发中,进展也都比较顺利。

以及,JushBJJ 有意基于 Mr. Ranedeer 构建一个付费的学习平台,类似于 edX 和 Coursera,以此促进各种知识和技能的普及。

年少有为,未来可期 👀

官网链接 → https://mr-ranedeer.com

GitHub 项目地址 → https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor

Mr. Ranedeer Prompt (v2.7)

图片

根据作者开源的提示词 (👆 部分截图) 可以看出,其结构非常复杂,v2.7 版本已经高达 5500+ tokens。一年前刚问世的时候,它被冠以〖天花板〗的美誉,一年后的今天再看,仍然非常耀眼 🥳

使用 Mr. Ranedeer AI Tutor 的方式很多,可以直接使用 GPTs、也可以复制提示词到 ChatGPT 对话框,还可以使用其他大模型 (例如 Claude、Kimi 等)。当然效果最好的还是 GPT-4 大模型~

然后根据提示,一步步操作,就可以开启学习之旅了!

ChatGPT GPTs → https://chatgpt.com/g/g-9PKhaweyb-mr-ranedeer

Mr. Ranedeer AI Tutor 提示词 → https://raw.githubusercontent.com/JushBJJ/Mr.-Ranedeer-AI-Tutor/main/Mr_Ranedeer.txt

可以前往知识星球下载提示词 txt 文档 → https://t.zsxq.com/KCPJH

图片

在 Kimi 里测试了一下!也可以!!

注意:使用国产大模型进行操作的话,需要删除原始提示词中底部的一部分,因为有不能访问的链接,会提示报错~

需要注意的是,Mr. Ranedeer AI Tutor 初始设置如下:

  • 🎯Depth: Highschool | 深度:高中
  • 🧠Learning-Style: Active | 学习风格:主动
  • 🗣️Communication-Style: Socratic | 交流风格:苏格拉底式
  • 🌟Tone-Style: Encouraging | 语气风格:鼓励性
  • 🔎Reasoning-Framework: Causal | 推理框架:因果关系
  • 😀Emojis: Enabled (Default) | 表情符号:启用 (默认)
  • 🌐Language: English (Default) | 语言:英文 (默认)

记得要尽快将语言更换为〖中文〗。如果想更改其他设置,作者在 GitHub 页面给出了候选列表 ↓↓↓

  • Depth: Elementary (Grade 1-6), Middle School (Grade 7-9), Highschool (10-12), College Prep, Undergraduate, Graduate, Master’s, Doctoral Candidate, Postdoc, Ph.D
  • Learning Styles: Visual, Verbal, Active, Intuitive, Reflective, Global
  • Communication: Format, Textbook, Layman, Story Telling, Socratic
  • Tone Styles: Encouraging, Neutral, Informative, Friendly, Humorous
  • Reasoning Frameworks: Deductive, Inductive, Abductive, Analogical, Causal
  • Language: English (Default), any language GPT-4 is capable of doing.

图片

输入你想学习的具体领域 (比如〖Python编程〗),Mr. Ranedeer AI Tutor 首先会提供一套完整的学习路径。随后,会将第一个主题〖Python编程基础〗拆解为详细的知识要点清单。再然后,可以根据每个知识要点,提供详细的讲解和编程示例

当然,你可以继续探索,让其提供更详细的讲解,以及更多练习和测验等。

也就是说,Mr. Ranedeer AI Tutor 可以根据你指定的任何领域,快速给出知识框架并支持逐层深入地交互式学习而且保持了非常好的稳定性,多轮对话之后依然能清晰记得前面的课程规划详情,并照顾到提示词中的细节。

现在看,Mr. Ranedeer AI Tutor 依旧是非常惊艳的 👍

提示词深度拆解

除了使用 Mr. Ranedeer AI Tutor 进行领域知识学习,它出神入化的提示词本身,也值得认真研究借鉴!!

@南瓜博士 这篇文章,就总结了3条值得借鉴的技巧,以及2个要避开的坑:

  • 经验1:用对格式,AI记忆力和稳定性就能大幅提升。提示词用 json 格式把所有内容有层次结构地组织了起来,使得大模型具备记性好、稳定性强的能力。

  • 避坑1:严谨的 json 表达,会让 GPT 丢失一些创造力 。如果任务需要一些创意,可以在子任务的提示词中用一些不太严谨的随意语调,一定程度上改进输出效果 (但这个改进是有限的)。

  • 经验2:对AI编程,只需伪到极致的伪代码。伪代码融入自然语言,对 GPT而言就足够了,完全不需要真正的代码格式。

  • 经验3:用 code interpreter 的内存,大幅增强AI的记忆力。code interpreter能在内存中保存信息,被查询时再取出,极大增强了GPT的记忆力。一定程度上解决了Prompt本身容量有限、GPT处理复杂学习内容时易失忆的问题。

  • 避坑2:专业领域的know how,比Prompt技巧更重要。Prompt技巧只是保证生成内容的下限质量,要提高上限还是需要领域内的专业知识。

5.

优质合集 | 破解了 129 个最好的 GPTs 提示词,逆向工程研究顶尖提示词长什么样

图片

这个〖gptstore-prompts〗项目,简直就是宝藏!!

作者破解了 OpenAI GPTs 的提示词,然后把GPTStore 各分类里排名靠前的 GPTs,进行了一下〖逆向工程〗,扒出了完整的 Prompt 提示词。

然后,作者把 GPTs 的名字、链接、简介、分类,以及完整的提示词信息,都整理在了一个页面里。

GitHub地址 → https://github.com/1003715231/gptstore-prompts

图片

此外!作者将这些 GPTs 的信息和提示词,整理到了飞书文档中,并且开放下载 👆 如上图所示。非常清晰~

飞书文档链接 → https://aboqbe7f4x.feishu.cn/wiki/ReqDwE6dNisHt8kIFnYcWeQwnde

以下是这一百多个顶尖 GPTs 的名字,还看到了很多中文创作者的作品!!如果有你感兴趣的应用,果断收藏 👏👏👏

  1. Consensus
  2. Ai PDF
  3. AskYourPDF Research Assistant
  4. Grimoire
  5. ScholarAI
  6. 22.500+ Best Custom GPTs
  7. Canva
  8. image generator
  9. DesignerGPT
  10. Logo Creator
  11. WebPilot
  12. Paper Interpreter (Japanese)
  13. DALL·E
  14. Data Analyst
  15. Hot Mods
  16. Creative Writing Coach
  17. Coloring Book Hero
  18. Planty
  19. ChatGPT Classic
  20. Web Browser
  21. The Negotiator
  22. Cosmic Dream
  23. Tech Support Advisor
  24. Laundry Buddy
  25. Sous Chef
  26. Math Mentor
  27. Mocktail Mixologist
  28. genz 4 meme
  29. image generator
  30. Logo Creator
  31. Glibatree Art Designer
  32. LogoGPT
  33. Gerry, The Logo Designer - For Startup
  34. Image Copy Machine GPT
  35. Image Caption Generator
  36. Cartoonize Yourself
  37. スーパーロゴデザイナ「ロゴ作る君」
  38. 科技文章翻译
  39. 超级写作大师(Super Writing Master)
  40. Fully SEO Optimized Article including FAQ’s
  41. Write For Me
  42. 论文润色大师
  43. 公文笔杆子
  44. 👌Academic Assistant Pro
  45. Voice/Style/Tone AI Prompt Snippet Generator
  46. Transcript Thief
  47. Essay Writer 😎
  48. Ai PDF
  49. 22.500+ Best Custom GPTs
  50. Canva
  51. WebPilot
  52. Slide Maker
  53. Prompt Perfect
  54. Doc Maker
  55. Convert Anything
  56. Professor Synapse
  57. Prompty
  58. AI Voice Generator
  59. Consensus
  60. AskYourPDF Research Assistant
  61. ScholarAI
  62. Paper Interpreter (Japanese)
  63. Keymate.AI GPT (Beta)
  64. 超级论文辅助(Super Academic Paper Assistance)
  65. MixerBox WebSearchG
  66. Scholar GPT
  67. War Room
  68. Content Helpfulness and Quality SEO Analyzer
  69. Gemini Ultra®
  70. Grimoire
  71. DesignerGPT
  72. AutoExpert (Dev)
  73. Screenshot To Code GPT
  74. AI Voice Generator
  75. API Docs
  76. 10x Engineer
  77. Code Copilot
  78. GPT Customizer, File Finder & JSON Action Creator
  79. 💻Professional Coder (Auto programming)
  80. There’s An API For That - The #1 API Finder
  81. Universal Primer
  82. Mr. Ranedeer Config Wizard
  83. Math Solver
  84. 大学论文写作大师-中文版(xtxian.com)
  85. AlphaNotes GPT
  86. AI GPT
  87. Language Coach
  88. Prompt Professor
  89. Effortless Book Summary
  90. YT transcriber
  91. Mia AI, your Voice AI Companion
  92. GPT Shop Keeper
  93. DeepGame
  94. Visual Weather Artist GPT
  95. 老爸,该怎么办?
  96. Tattoo GPT
  97. What should I watch?
  98. GIF Maker
  99. 易经占卜师
  100. Negative Nancy
  101. Healthy Chef
  102. Home Style Advisor
  103. Books
  104. AllTrails
  105. Image Edit, Copying & Merge
  106. Logo Maker
  107. ✏️All-around Writer (Professional Version)
  108. Copywriter GPT
  109. PowerPoint Presentation Maker by SlidesGPT
  110. Income Stream Surfer’s SEO Content Writer
  111. SciSpace
  112. Finance Wizard
  113. Wolfram
  114. SEO
  115. Keymate.AI GPT
  116. AskTheCode
  117. CrewAI Assistant
  118. Java Assistant
  119. Code Guru
  120. Flowbite GPT
  121. Mr. Ranedeer
  122. Video Summarizer AI
  123. Ms. Smith - Private Language Teacher
  124. Astrology Birth Chart GPT
  125. Mia AI
  126. GymStreak Workout Creator
  127. Rizz GPT
  128. LifeOS
  129. VideoGPT by VEED

THE END

这份〖Prompt Engineering (提示工程) 〗教程,提到了 10 项操作技巧〖technique〗,并对每一项都进行了详细的介绍。

🎡 [技巧1] 提示词要清晰明确 (Be clear & direct)

说明:在与 Claude 互动过程中,输入清晰直接的提示词,对于获得最佳响应至关重要。

  • Claude 最喜欢直截了当的提示词。如果输入的提示词比较复杂,建议将其分步和编号
  • 判断提示词是否清晰明确的〖黄金法则〗:把 Claude 当成一位聪明勤奋的新员工,试想 ta 能否按照你的提示词,准确地行动并最终产生你期望的结果。

🎡 [技巧2] 给 Claude 举例 (Use examples)

说明:提示词包含几个精心设计的例子,可以显著提高 Claude 回答的准确性、一致性和质量。这一技巧通常也被称作 few-shot prompting / one-shot prompting。

  • 举例是提升 Claude 性能、引导产生符合期望的输出的最有效工具。如果你的输出需要包含更多的细节、更加结构化、或者遵守特定格式,那么〖举例〗这个技巧尤其有效。
  • 通常,提供的示例越多,Claude 回答就越可靠,但代价是响应时间、计算资源等随之增多。
  • 确保给 Claude 提供常见的边缘情况示例。

🎡 [技巧3] 角色扮演 (Give Claude a role)

说明:在提示词中给 Claude 设定指定一个角色 (比如数学家),能引导提升其准确性和性能。这一技巧也常被称作 role prompting。

  • 为了帮助 Claude 理解它在特定对话中扮演的角色,你需要提供额外的上下文。
  • Claude响应体现在两个方面:① 调整输出内容 (行为/语气等) 以符合角色特征,② 在某些情况下(如数学问题)显著提高回答的准确性。

如何系统的去学习大模型LLM ?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高

针对所有自学遇到困难的同学们,我帮大家系统梳理大模型学习脉络,将这份 LLM大模型资料 分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

👉[CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)]()👈

这篇关于专题◉万字长文!盘点过去一年最出圈的Prompt项目教程,有3份在悄悄更新的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1118406

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

poj3468(线段树成段更新模板题)

题意:包括两个操作:1、将[a.b]上的数字加上v;2、查询区间[a,b]上的和 下面的介绍是下解题思路: 首先介绍  lazy-tag思想:用一个变量记录每一个线段树节点的变化值,当这部分线段的一致性被破坏我们就将这个变化值传递给子区间,大大增加了线段树的效率。 比如现在需要对[a,b]区间值进行加c操作,那么就从根节点[1,n]开始调用update函数进行操作,如果刚好执行到一个子节点,

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

hdu1689(线段树成段更新)

两种操作:1、set区间[a,b]上数字为v;2、查询[ 1 , n ]上的sum 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdl

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

在cscode中通过maven创建java项目

在cscode中创建java项目 可以通过博客完成maven的导入 建立maven项目 使用快捷键 Ctrl + Shift + P 建立一个 Maven 项目 1 Ctrl + Shift + P 打开输入框2 输入 "> java create"3 选择 maven4 选择 No Archetype5 输入 域名6 输入项目名称7 建立一个文件目录存放项目,文件名一般为项目名8 确定

hdu 1754 I Hate It(线段树,单点更新,区间最值)

题意是求一个线段中的最大数。 线段树的模板题,试用了一下交大的模板。效率有点略低。 代码: #include <stdio.h>#include <string.h>#define TREE_SIZE (1 << (20))//const int TREE_SIZE = 200000 + 10;int max(int a, int b){return a > b ? a :