标签 ChatGPT 下的文章 - 🥝 E 家 分 享 🥝

自己部署谷歌 Gemini Pro Chat 前言最近谷歌的 Gemini Pro Chat 比较火，大有超过其他各大 GPT 的趋势。网上找到有人基于现有的 GPT 开源套壳修改而成的项目，为 Gemini Pro 聊天模型提供了一个直观、易用的用户界面。并且完全开源，支持自己以各种方式搭建。项目信息Github 项目地址：https://github.com/babaohuang/GeminiProChat体验网址：https://geminiprochat.com/项目介绍：与 Gemini Pro 聊天的最简 WebUI。部署API key 获取Google AI Studio 会为每个新的 API 密钥创建一个新的 Google Cloud 项目。您还可以在现有 Google Cloud 项目中创建 API 密钥。 注意：Gemini API 目前为公共预览版。尚不支持生产应用程序。 获取地址：https://makersuite.google.com/app/apikey点击“Create API key in new project"按钮。 复制生成的 API key。 使用 Vercel 部署（推荐）只需点击上面的按钮，并按照说明操作，即可部署自己的副本。[!NOTE]关于 API 使用过程中 “User location is not supported for the API use” 的解决方案如果你遇到了 “User location is not supported for the API use” 的问题，请按照以下步骤进行解决：前往 palm-proxy 仓库并点击其中的 “Deploy With Vercel”。部署完成后，你将收到 Vercel 分配的域名 （例如 https://xxx.vercel.app）。在你的 Gemini Pro Chat 项目中，设置名为 API_BASE_URL 的环境变量，其值为部署 palm-proxy 时获得的域名 (https://xxx.vercel.app)。重新部署你的 Gemini Pro Chat 项目来完成配置。这应该可以解决问题。感谢 antergone 提供解决方案。使用 Railway 部署只需点击上面的按钮，然后按照说明在 Railway 上进行部署。使用 Zeabur 部署只需点击上面的按钮，然后按照说明在 Zeabur 上进行部署。使用 Docker 部署要使用 Docker 进行部署，可以使用以下命令：docker run --name geminiprochat \ --restart always \ -p 3000:3000 \ -itd \ -e GEMINI_API_KEY=your_api_key_here \ babaohuang/geminiprochat:latest请确保将 your_api_key_here 替换为你自己的 Gemini API 密钥。这将启动 geminiprochat 服务，访问地址为 “http://localhost:3000”。环境变量你可以通过环境变量来控制网站。名称说明必填GEMINI_API_KEY你的 Gemini API 密钥。可以从此处 获取。✔API_BASE_URLGemini API 的自定义基本 URL。点击此处查看何时使用这个。❌HEAD_SCRIPTS在页面的“”之前注入分析或其他脚本❌PUBLIC_SECRET_KEY项目的密文字符串。用于为 API 调用生成签名❌SITE_PASSWORD为网站设置密码，支持用逗号分隔的多个密码。如果不设置，网站将允许公开访问❌本地运行前期环境Node: 检查你的开发环境和部署环境是否都在使用 Node v18 或更高版本。你可以使用 nvm 在本地管理多个 node 版本。node -vPNPM: 我们建议使用 pnpm 来管理依赖关系。如果从未安装过 pnpm，可以使用以下命令进行安装：npm i -g pnpmGEMINI\_API\_KEY: 在运行此应用程序之前，你需要从 Google 获取 API 密钥。你可以前往 https://makersuite.google.com/app/apikey，申请 API 密钥。部署安装依赖pnpm install复制 .env.example 文件并重命名为 .env，并在 .env 文件中添加 GEMINI_API_KEY。GEMINI_API_KEY=AIzaSy...运行应用程序，项目会在 http://localhost:3000/ 上运行。pnpm run dev其他类似项目基于 Gemini Pro API 搭建的网站，无需注册登录，可供国内免费使用。https://www.chatgemini.nethttps://gemini.ai4you.tophttps://googlegemini.co/try-google-gemini-for-free参考网站https://github.com/babaohuang/GeminiProChat/blob/main/README\_cn.mdhttps://andytreasurebox.blogspot.com/2023/12/gemini-api-key.html【END】

AI 时代的炼金术：Prompt 完全食用指南 本文作者：善宝橘 转载地址：https://sspai.com/post/79923前言2023 年是 AI 的时代，以 ChatGPT 为首的大模型召唤出了一大批炼金术士，他们挥舞着魔杖，以自己的智慧、灵感和激情不停地创造着一个又一个绚丽的世界。而 Prompt，就是这个 AI 时代的炼金咒语。“假如你是莎士比亚，请帮我写一首 100 字左右的情诗，献给我心爱的姑娘”，当一位初生的炼金术士对着这个时代最强大的炼金模型念诵着他的咒语，模型慷慨地回应了他的所求：“我最亲爱的，我心目中的美丽少女。你是太阳，照耀着我的世界。你的美丽胜过最亮的星，在你面前，我所有的烦恼都远去。你是我花园里盛开的玫瑰，最甜美的香气使我的灵魂变得坚硬。你的声音是我耳边的音乐，在你的怀抱中，我忘记了所有的恐惧。”如斯美言，让这位不善倾吐的炼金术士，有了一展爱意的可能性。然而，正如古老的炼金之神所传下的箴预：炼金乃一门艺术，而非科学。咒语时而能达成炼金者的心意，时而又如充耳的聋子或叛逆的顽童，唯一所长即是同炼金者作对，以不达心意为最大之己任。所幸，炼金界的前辈们已总结了咒语的最佳实践，虽不能在所有实践场景下奏效，但已是金玉良言，足以为吾等初学者铺路。一、大模型的工作原理咒语，本质上是控制大模型的一把钥匙。若想学好咒语，需先学一学大模型的皮毛。大模型的本质，是基于大样本训练出的预测模型。模型基于给它输入的语料，根据概率预测可能的回答。模型的预测结果，受它的语料限制。譬如，模型所接收的语料是如下内容：中国的首都是哪里？法国的首都是哪里？美国的首都是哪里？当提问者提问模型「中国的首都是哪里？」，模型的回答可能是「法国的首都是哪里？」。模型实际上并不理解提问的含义，它只是根据过往的训练，预测与该提问最相关的内容 。为了避免这种情况的出现，在预测模型之上，早期的炼金术士们想出了一种方案：通过人类的反馈来约束模型，从而让模型回答出人类满意的答案。当预测模型执行某个任务时，人类可以提供正面或负面的反馈，以指导模型的行为。通过这样的方式，当提问者再次提问「中国的首都是哪里？」时，模型就可以回答出人类想要的答案：「北京」。（炼金小密闻：模型学习文本的方式同人类不同，它们会同时查看所有的内容，而不是像人类一样从左到右阅读。它们输出的每个字符都基于它们以前看到的和写下的，每次它们输出一个新字符时，都会停下来思考下一个字符是什么。另外，模型定义的字符和人类的定义也不一样，有时人类以为是一个字符的存在，在模型眼中可能是两个字符。）二、大模型的能力斯温伯恩曾言：“简单是真理的明证”，大模型也同样如此。作为炼金史上最强大的产物之一，它的能力也可以简单归为三类：识别、理解、生成。识别：查找，并从语料中提取特定的信息；理解（并非人类意义上的理解）：对语料加以解释、概括和推理；生成：基于识别和理解之上，生成新的语料；三生万物，杰出的炼金术士基于大模型的三种能力，与特定的行业结合，迸发出强大的创新和生产力。信息筛选器请基于我提供的文本，分析文本的内容，如果文本主题与 AI 伦理相关，请为我保留下 来，并输出 100 字左右的简单概述。我希望你能将所有保留的文本梳理成一篇简报， 并基于保留的文本输出 200 字左右的综述。个性化客服请阅读我所提供的客户评论，并分析用户的情感倾向。你将基于用户的情感倾向回复用 户评论。如果用户评论为正向，请向用户表示感谢，字数为 50 字左右。如果用户评论 为负向，请向用户致以诚挚的歉意，并表明我们的改进诚意，字数为 100 - 150 左右。 你应该在回复中引用用户的原文。代码生成器假设你是一个 python 代码生成器，你的任务是基于用户所给的代码注释，生成对应的 python 代码，你应该以 markdown 的格式输出你的内容。在生成过程中，你应该检 查用户的输入信息，以确保该信息足以让你输出正确的答案。若你在生成过程中有任何 不确定的地方，请立即停止你的输出，并告知用户。三、编写咒语的原则杰出的炼金术士总是知道如何编写好的咒语以充分发挥大模型的能力，而他们也总是告诫初出茅庐的菜鸟们：编写咒语是一种艺术而非科学，因此需要反复实践，在挫败中总结。切勿迷信一成不变的最佳模板，每一个发挥良好功效的咒语都有它的适用场景和局限。当然，一些良好且共通的实践规范仍然可以被分享，这是一条初生的道路，需要所有实践者的共同贡献。编写有效咒语的良好实践准则：明确且具体的指令。初生炼金术士在编写咒语，很容易在咒语中泛泛而谈。「请为我生成一首情诗」，既不知情诗的风格，也不知情诗的字数。相较而言，「请为我生成一首 100 字左右的莎士比亚风格的情诗」则具体许多。在具体实践时，炼金术士们应该从输入 、思考 、输出三个维度思考咒语的编写，在每个维度都紧扣「明确且具体」的要求。（一）输入维度输入：指 prompt 的输入格式。一个良好 prompt 的输入格式应该是层次分明的，不同的内容类型最好以分隔符区分，譬如：请将下列括号中的内容翻译成英文：（这是一个美好的时代，我们都有美好的未来。 我们唯一要做的是耐心等待。）通过括号的分割，prompt 的指令与文本被分开了，这使得咒语被模型识别时，不同的内容以不同的功能被执行。分隔符可以是任意类型，核心在于将不同的内容类型进行区分。（二）思考维度思考：指要求模型执行指令时的思维方式。正如人类有系统一和系统二一样，模型在执行时似乎也遵循着同样的逻辑。因此，当我们输入某些复杂问题时，模型为了效率优先，常常输出一些貌似正确，实则荒唐的答案。为了避免类似情况的出现，炼金术士在编写咒语时可以要求模型按特定的方式进行思考。有两种方式可以「框定」模型的思考逻辑，一种是案例法，一种是框架法。（1）案例法案例法：在要求模型输出特定的结果前，可以给模型少许样本参考，让它学习其中的模式。例：Q：3 + 4 = ？ A：7 Q：3 + a = ？ A：unknown Q：4 + b = ? A：模型通过用户提供的样本，识别了其中的模式，最终回答为 unknown。（2）框架法框架法：案例法相当于经验材料，让模型从中提取思维模式。我们也可以直接要求模型模型按照某些特定的思考模式进行思考。譬如：我们可以要求模型按我们指定的步骤进行思考，对于一些鼎鼎大名的逻辑（譬如贝叶斯），我们也可以直接要求模型按照该思维模型进行思考。prompt: 假如你是天气预测器，最近 7 天都没有下雨，请思考明天下雨的概率 output：作为 AI 语言模型，我没有能力进行天气预测，但是从概率角度来看， 如果最近 7 天都没有下雨，那么明天下雨的概率应该是比较低的，因为天气预测 是基于历史数据和气象学知识进行预测的，而历史数据中连续多天都没有下雨的情 况比较少见，因此明天下雨的概率应该是比较小的。但是天气变化是不确 定的，也有可能出现突发情况导致明天下雨，因此不能完全排除下雨的可能性。这是一位初生炼金士的咒语，该咒语中没有约束模型的思考方式，输出的结果则略显空泛。现在将咒语修改，增加对思维方式的约束：prompt: 假如你是天气预测器，最近 7 天都没有下雨，请根据贝叶斯定理思考明 天下雨的概率 output： 作为 AI 语言模型，我并不具备实时天气预测的能力，但我可以根据贝叶斯定理给出 一个思考过程。 根据贝叶斯定理，我们可以通过已知的先验概率和新的证据来更新我们的后验概率。 在这个问题中，我们可以将先验概率定义为在这个地区下雨的概率，而新的证据是 最近 7 天都没有下雨。 假设在这个地区下雨的概率为 P(R)，那么没有下雨的概率为 P(¬R) = 1 - P(R)。根据贝叶斯定理，我们可以得到： P(R|¬R) = P(¬R|R) * P(R) / P(¬R) 其中，P(R|¬R) 表示在没有下雨的情况下，明天下雨的概率；P(¬R|R) 表示在 下雨的情况下，明天不下雨的概率；P(R) 表示先验概率，即在这个地区下雨的 概率；P(¬R) 表示没有下雨的概率。 由于最近 7 天都没有下雨，我们可以将 P(¬R|R) 设为一个较小的值，比如 0.1。 而 P(R) 则需要根据实际情况来估计。如果这个地区经常下雨，那么 P(R) 可能 会比较高；如果这个地区很少下雨，那么 P(R) 可能会比较低。 假设我们估计 P(R) 为 0.3，那么可以得到： P(R|¬R) = 0.1 * 0.3 / (1 - 0.3) = 0.043 也就是说，在没有下雨的情况下，明天下雨的概率只有 4.3%。但需要注意的是， 这个结果只是一个估计值，实际情况可能会有所不同。相较于未约束的输出结果，约束后的模型的输出结果则更具体，也更具说服力。在框架法中，有两种被推荐的实践方法，分别是一致性与 ReAct 模型：一致性：当我们要求模型处理一个复杂问题时，我们可以要求模型以多种角度进行思考，最终以多数一致性的方式判断最终的答案（例如我们要求模型以五种不同的思考角度思考同一个问题，最终其中的三种角度都得出了相同答案，根据多数原则，最终答案为三种角度得出的共同答案）ReAct 模型：ReAct 是对问题的一种处理输出，要求模型按照思考->行动->行动结果->答案呈现的顺序处理过程，实际上是要求模型在输出答案前要先思考，再基于思考行动，基于行动得出行动结果，最终基于行动结果呈现答案；（3）异常机制处理马尔库塞说，人类是单向度的生物。此话也可以套用在思考上。无论是人类还是大模型，在思考上往往只考虑如果达成某项任务，而忽略了如果达不成某项任务，该如何处理。富有经验的炼金士门在调教模型时，总是会在 prompt 中作如下约束：要求模型检查用户所提供的信息，以确保信息的完善性足以保证任务的完成；当模型运行时，若遭遇异常机制（如无法处理当前问题），应暂停回复生成的过程，及时报错；（三）输出维度咒语的输出维度包含两种要求：内容要求和格式要求：内容要求：咒语可要求输出内容包含的相关要点，例如当咒语为「输出莎士比亚风格的情诗」时，可要求情诗中包含月亮、玫瑰、梦境等意象；格式要求：咒语可要求最终的输出结果以表格、代码、Markdown 等形式输出。甚至，爱搞事的炼金士们还自创模式：「请输出你的回答，你的回答应该以列表的形式呈现，每行回答的开头字母应该以“BEHAVIOR”作为开头」；四、良好咒语的格式根据编写咒语的原则，炼金术士们总结了一套 prompt 的基本格式：指令：要求模型对文本的处理动作；指令的对象：需要模型处理的文本；示例：案例或思维模型提示；输出要求：对于输出内容的内容和格式要求异常情况：对于模型无法执行，或指令信息缺失时的异常处理机制；五、魔法时刻炼金术是一种魔法，而魔法总有难以解释之处。以下是炼金术士们在经验中总结的魔法诀窍，除了遵循正统的咒语编写原则和格式外，应用这些魔法诀窍也能在实践中获得更好的咒术效果。给模型起一个名字；让它扮演某种角色；赋予它某种任务；在赋予任务时，使用「你应该…」而不是「禁止你…」的句式；赋予任务后，要让模型确认你的要求；当模型确认完（以及每次回复）你的指令时，给它一个鼓励；请在 prompt 的开头和结尾都重复下你的指令；如果你不想在 prompt 中输入示例，请在 prompt 的结尾加入如下的魔法咒语：「让我们一步步思考，以确保得出正确的答案」；六、大模型的局限任何一件伟大事物都有它的阿喀琉斯之踵，我们无法要求伟大事物做它能力边界之外的事情。正如前述指出的，大模型本质上是一种预测模型，它是披着语言之神外衣的概率之神所伪装，本质上只擅长三件事：识别、理解和生成。所以，不要让它计算数学。尽管它通过了诸多考试，然而你绝不想考验它在关键时刻的准确性。曾经有炼金术士以小学的数学题让它思考，尽管它的分析过程并无谬误，但计算结果却堪称灾难。问题：建筑工地有一批砖，最上层两块砖，第2层6块砖，第3层10块砖……， 依次每层比其上一层多4块，已知最下层有2106块砖，这堆砖共有多少块?另外，大模型在某种意义上是一个记忆不佳的吹牛者。实际上，模型没有完全记住它所看到的信息，但它又想在提问者面前逞能，于是经常编造一些不存在的记忆。大模型自身无法规避这种行为的出现，炼金术士在编写咒语时，应鼓励大模型承认自己的无知，敢于将「不知道」宣之于口。同时，咒语中也应该要求大模型在列出事实性的信息时，注明来源和对应可核查的地址（尽管它连信息源都会伪造，但提供了一种核查的路径）。除了这两个严重的缺陷外，炼金术们还发现了顺序对于大模型的影响，有时，示例顺序的不同，也会影响大模型的结果输出。对于这类情况，尚没有好的解决方案，只能调整语料顺序以找到最佳的输出结果。七、真正重要的如果让杰出的炼金术士留下他们最宝贵的箴言，那么一定是：没有什么是重要的，除了在实践中反思并重新迭代自己的咒语。即使是再杰出的炼金术士们，编写一条可用的咒语也至少需要三到四次的迭代，那些只编写了一次就开始抱怨大模型不起作用的炼金术士们，正缺乏这条箴言的鞭笞。学习、运用、反思、迭代，正是这样循环往复的过程，才使得咒语的效力被真正发挥出来。挥动语言的炼金术士们，无人能够夺走他们对魔法的幻想和憧憬。本文参考：Learn PromptingChatGPT Prompt Engineering for DevelopersIntroduction to prompt engineeringPrompt Engineering Guide【END】

如何用 ChatGPT 帮你自动分析数据？ 本文作者：FreeCultureBoy 转载地址：https://sspai.com/post/79800误判好几天之前，我就在 ChatGPT 选单里看到了 Code Interpreter。它正在灰度测试中 —— 先给一部分用户试用，如果反响不错并做了一定改进，就能推广给更多用户。可惜当时我没能正确理解它的含义，犯了一个大错误——望文生义。我以为 Code Interpreter 是指「代码解释器」，也就是给代码添加注释进行讲解的。可那不是 ChatGPT 早就有了的功能吗？干嘛还专门弄个新的模式出来呢？后来经朋友提醒我才发现，Code Interpreter 的功能不是「解释代码」，而是执行代码。在这个模式下，你可以上传文件作为输入，让 Code Interpreter 编写代码对输入文件做处理，并且在自带的虚拟环境中执行。根据代码内容的不同，它可以利用文本、数字、图形、表格等方式给你展示结果，甚至还可以给你一个下载链接，把你指定的输出以文件形式下载回本地。当我意识到这一点时，真可以用「惊讶」和「懊恼」来形容。我迫不及待尝试后，赶紧写作本文，告诉你这个功能。以免你跟我一样望文生义，重蹈覆辙。下面我用一个实际的例子给你演示。实例首先我们需要一个演示数据集。这里我选择了一个名为 loans.csv 的贷款安全数据集。它是一张表格，属于简单结构数据，其中包含若干行，每一行代表一条贷款记录；而每列则代表某一相关属性特征，例如贷款等级，房屋拥有情况，贷款时长等信息。最后一列 safe_loans 代表贷款成功或失败，也即这次放款是否安全。其中 -1 代表不安全。1 代表贷款安全回收。首先我们需要将数据集上传到 Code Interpreter 中。上传按钮很不显眼，在输入框的旁边。上传后，Code Interpreter 会自动进行分析，并为每列数据提供解释。我点击了「show work」来看看究竟 Code Interpreter 是如何分析出上述结果的。原来，Code Interpreter 直接编写了 Python 代码，读取了上传后的 loans.csv 文件，然后执行 head () 命令，打印出来前 5 行，根据列名称和具体显示的数据综合分析信息，然后做了回答。提示数据已经准备好，我们现在可以开始输入提示语了。我觉得使用英文与 Code Interpreter 对话很别扭，因此我提出：请用中文翻译上面的内容，并且对于专业术语加以简单明了的解释。谢谢你可能会纳闷儿，老师你干嘛要这么客气呢？不就是个机器……?，别瞎说。礼多人不怪，AI 也一样。你跟它客气，它回答起来也会比较认真。在《人工智能这么强，我直接把工作都交给它可以吗？》一文中，我给你解释过具体的证据。闲言少叙，这是 Code Interpreter 返回的结果。你看，用中文回答是不是感觉好多了？对比一下你就会发现，这里的「可循环信贷利用率」等专业术语，都已有具体解释了。Code Interpreter 还在最后提出「告诉我您希望对这些数据进行哪种分析或任务」。此时，你可以要求 Code Interpreter 做一些简单分析，并要求绘制图表（如分布图）。但对于我而言，这样的机械操作实在太无趣了 —— 每个步骤都需要我来提示，那我还要你这 AI 干啥？计划因此，我的下一个提示语，是这样的：能否根据目前的数据集，思考它可以做哪些分析？请一步步思考，并且给我你有信心的答案。谢谢注意这一段提示语中的两个技巧，你可以尝试吸收：「一步步思考」是尝试启动大语言模型的思维链；「有信心的答案」是指设定阈值，避免 ChatGPT 天马行空随意乱答。这是 Code Interpreter 的反馈结果。Code Interpreter 列出了可能的分析类型。第一步是描述性分析，比如基本数量分布等。第二步是相关性分析，总结其他变量间的相关性。第三步是建立预测模型，其中提到了决策树，随机森林和逻辑回归等方法。也提到必须将之分为训练及测试数据集，且要「使用测试级来评估模型性能」。这种意识非常棒，已经超出了机器学习常见入门水平。第四步就有点儿莫名奇妙了，虽然 Code Interpreter 提出使用支持向量机 (SVM)、朴素贝叶斯等几个新模型，但要做的事情和第三步是重复的。好在，我们使用 AI 作为助手，而不是枪手。我们大可以将第四种分析类型省略，只让 Code Interpreter 将前三个步骤做一下。这里为了方便展示，我让 AI 一次只做一个步骤。下面是执行各个步骤的效果。结果第一步，描述性分析。Code Interpreter 给出了这个数据集的一些基本统计信息。包括记录数量、最常见的贷款等级、平均被雇佣不足一年人员数量、平均雇佣年限、平均债务收入、最常见贷款期限数量等。第二步，相关性分析。Code Interpreter 识别出属于不同变量之间的正负相关关系。例如，短期雇佣与雇佣年限是相反的概念，因此 short_emp 和 emp_length_num 之间存在负相关性；债务收入比高的贷款申请者往往会使用循环信贷，因此 dti 和 revol_util 之间存在正相关性；而 safe_loans 和一些其他变量之间存在负相关性，这意味着对那些高债务收入比的人贷款，可能不太安全。Code Interpreter 还不忘提醒咱们，这些相关性不意味着因果关系，尚需要考虑更多变量的交互和非线性关系。如果是我的学生回答此题，仅仅最后这一句，就会让我非常欣慰。第三步，构建预测模型。Code Interpreter 中规中矩地进行了数据预处理。我看了一下具体执行的代码：之后是模型的训练和性能测试环节。点开 show work，对应的代码是这样：之后，Code Interpreter 自动进行了结果的汇总输出与阐释。该模型在测试数据集上的准确率为 61.7%。虽然不高，但 Code Interpreter 指出相对于随机预测的准确率 50%，还是要好一些。有意思的是，它还自动提出了如何对准确率进行提升。例如超参数优化、特征工程、使用其他模型等。特别地，Code Interpreter 提出需要不仅仅关注准确率，还要考虑模型可解释性、训练和预测时间等其他指标。非常好！不过你是说，让我自己去逐一尝试上述提升策略？那怎么可能？！Code Interpreter 既然你画了道儿，就得你来走嘛。于是我这样提问：你能否实施改进策略，并且在同样的测试集上进行测试？谢谢这是 Code Interpreter 的回答。你看？AI 开始认真干起来了不是？这是 Code Interpreter 一通改进之后的结果：从 61.7% 提升到了 64.9%，准确率高吗？我觉得谈不上。但是这是一个非常有意思的开端，意味着 Code Interpreter 可以自动帮助我们执行提升准确率的策略，而且获得了成效。小结我想跟你谈谈尝试 Code Interpreter 之后的感受。我想用「惊艳」二字来形容。具体来说，就是「分析得当，执行流畅」。咱们应该思考一下 Code Interpreter 出现的意义。曾几何时，很多小伙伴拿到宝贵的一手数据，却不知道如何分析。在几年前，你会看到很多不同学科的人一窝蜂跑去学习 Python。因为在彼时，只有学会了 Python 或者 R 后，你才可能对数据进行功能丰富且合理可行的分析。很多人因为不具备相关的技术能力，往往坐拥金山，但就是不知道怎么挖掘。要学完 Python 或者 R 的初级操作，你至少需要学一门课程，或者啃一本教材。但是现在，你只需要和 Code Interpreter 对话，就能把这样的分析结果保质保量快速做出来，甚至比数据分析师基础入门水平都要靠谱，不亦乐乎？ChatGPT 的 Code Interpreter，目前还在 Alpha 阶段。功能非常初级，时常遇到环境更新导致的不稳定，还有各种限制。例如说你可以让它帮你绘制统计图，英文显示都很好，但所有中文显示都是这个样子：你当然可以让 Code Interpreter 自己去改进。但是它折腾一通，也只能给你展示这种无奈：但是，我们有理由相信，这些问题随着技术产品的迭代改进，都会逐步解决的。你在数据分析的过程中，使用过其他的 AI 产品吗？有什么可以推荐给大家的？欢迎留言，咱们一起交流讨论。祝（自动）数据分析愉快！延伸阅读AI 帮我找卡片挺好，但能不能帮我创作出新的相关卡片啊？摸索那么多工具后，怎样才能避免「效率成瘾」？自己录制和剪辑视频，如何解决占用空间过大的问题？想打造个性化高效工作流，可不会编程怎么办？世界很大，英语不好的你如何去看看？【END】

Superpower for ChatGPT - ChatGPT 聊天插件功能介绍 本文作者：阿斯酉 转载地址：https://sspai.com/post/79740简介Superpower for ChatGPT：为什么你不能错过这个插件？当你想要通过 AI 技术来改进工作流程、生活或学习时，ChatGPT 如同魔法师一样出现在眼前。魔法虽好，增强技能也必不可少——各类插件如同魔法棒，让你施咒变得更加轻松自在。本文为你介绍了一款值得一试的 ChatGPT 插件：Superpower for ChatGPT。这个插件提供了一些强大的功能，可以让聊天体验更上一层楼。以下是这款插件的 7 个超能力，让我们一探究竟。红色为重点介绍（为什么只有六个？请往下看）? 文件夹和重新排序你有没有试过在淘宝购物车里找一个特定的商品，然后花了好几个小时却毫无结果？这个插件就能帮你解决这个问题。该插件可以让你轻松创建文件夹，并将聊天记录组织在文件夹中。你可以拖放文件以重新排序或将其添加/移除到文件夹中，还可以为每个文件夹分配不同的颜色。文件夹管理对话，有效提高列表的清爽程度，也方便我们更好地管理内容。文件夹管理对话? 社区提示语如果你正在寻找灵感，那么这个功能就像是一个巨大的灵感库，你可以从社区创建的提示语中获取灵感。你可以把这个功能想象成一个友好的邻居，他总是愿意分享，而你也可以把你的提示语分享给他。你还可以投票来表达你对某个提示语的喜欢程度，就像在社交媒体上点赞一样。⭐ 收藏提示语你是不是常常在与 ChatGPT 的对话中得到一些有价值的回答或者提示语，但是却找不到地方保存它们？这个功能就像是你的私人图书馆，能够帮助你保存你认为有价值的提示语。只需点击“My Prompt History”，历史记录就像从时间隧道中被召唤出来一样，展现在你的面前。? 搜索和高亮对于长期使用 ChatGPT 的用户来说，可能会有大量的聊天记录。如果你想要找到某个具体的信息，这可能会是一项挑战。而搜索和高亮功能正好可以解决这个问题，它如同一个侦探，可以帮助你在聊天记录中快速查找信息，为你高亮显示结果。?语气、风格、语言提示语教程里，都强调过风格和角色的重要性。在提示语里限定范围，可以让我们得到更想要的结果。通过使用这个插件，你可以轻松地更改响应的语气和写作风格，省去手动调整的步骤。此外，你还可以从插件的输出中学习，以便在未来创造更具个性化和独特的提示语。语气（Tone）写作风格远不止截图中显示的这些，你可以直接在对话中使用。写作风格（Writing Style）ChatGPT支持多种语言，你可以选择需要的语言来进行对话。语言? 模型切换器Superpower for ChatGPT 支持在对话中间轻松更改模型（如 GPT-4、GPT-3.5 等）。这意味着你可以根据对话的需要选择不同的模型进行交互。例如，你可能想用 GPT-4 进行复杂的任务，而在进行一般对话时则可能倾向于使用 GPT-3.5。这个功能增加了工具的灵活性，并使其更能满足用户的个性化需求。模型切换? 自动同步你是否曾经在对话中灵光一闪，却因为没有及时保存而丢失了这些信息？自动同步功能就像是你的秘书，能够保存你的所有聊天记录，确保你的每一个想法都不会丢失。辛辛苦苦创作一番，可别让网络毁掉成果。无论是工作还是学习，这个功能都会为我们提供极大的便利。发现了吗？这就是首图里没有标记的功能，因为它藏在了设置里。除去这七大重要功能，插件的细节处理也非常到位。你可以在每次对话中置顶重要消息。这就意味着，当你进行了一个长段对话之后，不用再像翻旧账一样手动回看。只要你把消息置顶，就能像使用 GPS 一样快捷定位到想要的内容。你还可以在页面收藏提示语，省去手动自定义提示语的过程。支持复制、导出多种格式。比如html、markdown、html等。有一个彩蛋功能：输入框最下端可以显示 GPT4 的对话轮数（基于 OpenAI 的最新限制所进行的 GPT4 请求次数）。这个功能就像是一个计步器，只不过它不是记录你走了多少步，而是记录了你和 GPT4 对话了多少轮。 如果没有显示，你可以回到设置，检查开关是否打开。GPT4的对话请求次数记得打开开关总结简而言之，这个插件就像是一台超级机器，强大到包括了之前许多优质插件的功能，是一款全能的瑞士军刀。无论你是想要更好地保存和查找聊天记录，控制字数和字符，获取和分享提示语，还是希望能够更灵活地切换不同的模型，这个插件都能为你提供强大的帮助。如今插件市场百花齐放，功能各异。如果不需要瑞士军刀型的插件，你可以按照自己的需求来挑选插件。如果你需要分享对话链接，可以使用 42share （国人开发）或者 sharegpt；如果你想要分享更多格式，比如 pdf、markdown、png 等格式，可以使用 ChatGPT 智能提示语（该插件同时支持自定义 prompt、修改界面主题等功能）；如果你只需要导出 markdown 格式，ChatGPT to Markdown 也相当好用。欢迎在评论区分享你使用 ChatGPT 的欢乐一刻，也欢迎分享和推荐相关技巧和工具。我把官网提到的所有功能都帮你列了出来，文字太多，因此做成了图片。【END】

AI 提示词玩家 本文作者：NOISE 转载地址：https://sspai.com/post/79190导语众所周知，在AI的世界里，提示词就是和AI沟通语言的桥梁，提示关键词常用于AI对话及AI绘画等相关场景，通过准确的使用关键词，你就能更好的让AI辅助自己的工作，其中的成分重要性不言而喻，今天我们来汇总和探索一些提示词相关的网站注意：以下不含任何排名，可根据自己需要使用一、AIGC 提示词可视化编辑器这是一个旨在把 AIGC 提示词（现在支持 Midjourney）可视化并提供编辑功能的工具，主要用于AI绘画领域，有以下特性显示英文提示词的中文翻译翻译输入的中文提示词到英文（因为 Midjourney 仅支持英文提示词）为提示词进行分类（普通、样式、质量、命令）轻松的排序、隐藏提示词把提示词可视化结果导出为图片常用提示词词典通过 Notion 管理提示词词典使用地址：https://moonvy.com/apps/ops/开源：https://github.com/Moonvy/OpenPromptStudio二、ChatGPT 提示语汇集了丰富的 ChatGPT 提示语、创意写作灵感与实用技巧，包含了学术论文、创意写作、语言和翻译、技术文档等待类别使用地址：https://prompts.fresns.cn开源：https://github.com/jevantang/chatgpt-prompts三、发现、学习和测试不同的聊天 GPT 提示主界面为英文，可使用网页翻译进行查看其中包含角色扮演、ChatGpt聊天、代码编程、设计、游戏等类别提示，支持订阅查看更新使用地址：https://www.promptvibes.com四、PromptPerfect提示优化器通过可自定义的设置和直观的界面，PromptPerfect 简化了提示词优化并为我们节省了宝贵的时间。使用地址：https://promptperfect.jina.ai特征第一个自动提示词优化器第一个也是唯一一个可以自动优化任何 AI 模型提示词的提示词优化器。SOTA 人工智能模型优化 ChatGPT、GPT-3/3.5/4、DALL-E 2、Stable Diffusion 和 MidJourney 的提示。多目标优化根据您的需要自定义您的提示词优化，例如更快的优化、更短的提示词等等。10 秒内出结果在 10 秒或更短时间内获得优化的提示词。多语言提示词您的提示词不必是英文。您可以优化任何语言的提示词。API 和数据访问API 访问 AI 引擎，将您的数据导出为通用格式，允许您将 AI 集成到您自己的应用程序中五、ChatGPT ShortcutChatGPT 快捷指令，按照领域和功能分区，可对提示词进行标签筛选、关键词搜索和一键复制。特征? 简化流程：ChatGPT Shortcut 提供了快捷指令表，可以快速筛选和搜索适用于不同场景的提示词，帮助用户简化使用流程。? 提高生产力：通过使用优化过的提示词，用户可以获得更加准确、有用的回复，从而提高生产力。? 适合初学者：即使是初学者，只需复制提示词，稍加修改后发送给 ChatGPT，就能获得指定输出。? 定期更新：ChatGPT Shortcut 的提示词来自网络精选、投稿和 Awesome ChatGPT Prompts，定期进行更新，为用户提供新的提示词和思路。?? 方便中文用户：虽然提示词使用英文，但提供了中文翻译，方便中文用户理解和使用。? 开箱即用：https://ai.newzone.to开源：https://github.com/rockbenben/ChatGPT-Shortcut六、promptbase这是一个综合的AI提示市场，可以登录注册售卖自己的提示词或购买他人的包含GPT、DALL·E、Midjourney、Stable Diffusion等市场你也可以在直接在提示库中生成图像使用地址：https://promptbase.com七、提示工程指南提示工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。 掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。研究人员可利用提示工程来提升大语言模型处理复杂任务场景的能力，如问答和算术推理能力。开发人员可通过提示工程设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作用。用户可以通过提示工程来提高大语言模型的安全性，也可以赋能大语言模型，比如借助专业领域知识和外部工具来增强大语言模型能力。Web版本指南：https://www.promptingguide.ai 开源：https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN八、飞书文档chatgpt中文提示词1、由K-Render整理，主要记录chatgpt场景下的一些提示词飞书文档地址：https://qddmercny4.feishu.cn/sheets/shtcnMklYu0WsXEDUXXanrSEB2m 开源地址：https://github.com/K-Render/best-chinese-prompt2、Awesome Chinese Prompt访问地址：https://k7mi5ivd8c.feishu.cn/sheets/shtcnz8rSveP6WAMd6eDVr7e49d九、MidJourney 提示助手主界面为英文，可以使用网页翻译查看提示词工具，使人们可以轻松地直观地探索样式和复杂的 MidJourney 提示。官网https://prompt.noonshot.com十、发现DALL·E 生成的 AI 艺术和提示包含 、Midjourney、Stable Diffusion来自Openart，官网：https://openart.ai可以通过搜索或点击图片发现图片的相关提示词查看地址：https://openart.ai/discovery十一、Krea探索数百万 AI 生成的图像并创建提示集合跟上一个介绍相同，通过查看AI图片来找到提示关键词官网：https://www.krea.ai十二、DallelistDallelist 允许您使用图像和样式作为参考轻松生成提示（关键字）他们也提供与 DallE 网站集成的 chrome 扩展。官网https://www.dallelist.com/十三、ECommerce Prompt Generator用于ChatGPT 提示可帮助您快速设置商店和营销活动！可免费设置电子商务提示词主界面为英文，可使用网页翻译查看官网https://www.ecommerceprompts.com/十四、IMI Prompt 提示生成器IMI Prompt 的工作原理 IMI Prompt 使用深度学习算法分析大量文本数据，并创建一个语言模型，该模型可以根据文本上下文预测句子的下一个单词。 IMI Prompt 还可以通过使用语言模型生成连贯且适合文本上下文的单词和短语，从头开始生成文本。官网https://imiprompt.com十五、AiTuts 提示AiTuts Prompts 是 100% 免费、高质量的 Midjourney 提示库界面为英文，你可以使用网页翻译查看使用地址：https://prompts.aituts.com十六、promptoMANIA 提示生成器具有在线提示生成器的 AI 艺术社区，您也可以尝试使用其他扩散模型，例如 DALL-E 2、Disco Diffusion、WOMBO Dream 或任何扩散模型官网：https://promptomania.com提示生成：https://promptomania.com/prompt-builder十七、MidJourney AI使用的样式和关键字的参考包含页面显示比例比较、图像权重开源：https://github.com/willwulfken/MidJourney-Styles-and-Keywords-Reference十八、魔咒百科词典，AI绘画tag生成器简单易用的AI绘画tag生成器，可根据预设生成关键词使用地址：https://aitag.top十九、AI DawnmarkAI绘画词汇生成，包含中英文，涵盖Novel、Nijijourney、Midjourney、Dreamstudio、Stable Diffusion使用场景使用地址：https://ai.dawnmark.cn二十、NovelAiTag生成器主要围绕NovelAi场景使用，可以根据预设生成Tags使用地址：https://thereisnospon.github.io/NovelAiTag/二十一、NovelAI tag生成器 V2.1主要围绕NovelAi场景使用，可以根据预设生成Tags使用地址：https://wolfchen.top/tag/其它不再过多统计，如leonardo.ai本身就带有提示词及绘画生成.以上就是目前多次受用的一些网站。如果你有其它更好的提示词站点分享，欢迎随时联系我，我的主页：www.noisework.cn扩展阅读Midjourney 教程Midjourney 的教程链接：https://learningprompt.wiki/Github链接：https://github.com/thinkingjimmy/Learning-PromptMidjourney 教程的特点：不仅仅只是告诉各位 How，而是告诉各位 Why。现在 Midjourney 的很多教程都只会直接给你所谓的 prompt，就像应试教育那样，将所有东西都填给你。但你却不会教你如何创造。举个例子，各位应该看过不少 Midjourney 的 prompt 都有 HD、4K 这些词，各位不好奇，这些词是否有效的吗？如果你去翻官方社群 FAQ，你会发现，官方并不推荐使用，这些词只是安慰词。通过 11 个场景教你所需要的 17 个技巧，而且技巧不仅仅只是教你用，还教你如何学。包含 5 个常用风格词 List。【END】