用户昵称：leviyuan
Username：51456703-4824-4632-83E6-3E897D4111C9
最近悟出来一个通过AI既能快速学习知识，又能提高英语水平的学习方法，
即费曼学习+英文解释+刻意练习
1.将你要学习的PDF上传到GPT或者claude
2.告诉AI你用费曼学习+英文解释的方法帮助你理解这篇材料。
3.向AI提问，让他用英文出问题考你。
4.关键：自己用英文默念回答一遍，如果回答不上来，再去学习相关概念，直到用英文能把概念解释得很清楚。
费曼学习的核心就是：当你能给人解释清楚一个概念时，才算完全理解。而你能用英文解释清楚时，代表你能用母语人的思维方式去解释一个复杂概念，这个过程中你需要对你的英语表达方式进行整合，并且用口语输出，这个过程很慢，但对你英语有巨大提升。
5.让AI纠正你的问题。这是《刻意练习》的核心概念：通过正确答案的反馈，有目的的纠正自己的理解，语法，表达，词汇，从而让你大脑走出舒适区。建立新的心理表征。
这个过程很痛苦，但是同时学习知识和英文效率很高的方式。
via AI探索站 - 即刻圈子 (author: leviyuan)
解锁LLM潜能：掌握高效Prompt Engineering技巧
LLM赋能未来：Prompt Engineering精要指南
在智能科技日新月异的发展浪潮中，大型语言模型（LLM） 已跃升为创新领域的核心推手，它们不仅在解答疑问上展现非凡才能，更在创作、解析乃至深度理解层面彰显出前所未有的潜力。而这一系列潜能的充分释放，其背后的秘密武器正是Prompt Engineering——一门专注于构建高效指令以精准引导模型输出的技艺。本文旨在为您深入浅出地剖析Prompt Engineering的核心理念与实践策略，铺设一条直达LLM高效应用的捷径。
Prompt Engineering基础
1. Prompt的定义与作用
Prompt，作为人与模型交互的媒介，在LLM应用领域扮演着至关重要的角色。它不仅是问题或请求的载体，更是塑造对话场景、指引模型行为的蓝图。精心设计的Prompt能够显著提升模型的理解精度与生成内容的相关性，是通往精确交流的不二法门。
2. 设计原则：明晰性、详实性与导向性
● 明晰性：Prompt应直截了当，避免模糊不清，确保模型能直接洞悉用户的真正意图。采用通俗易懂的语言，减少不必要的复杂性，使信息传达更为直接。
● 详实性：提供丰富的背景信息与细节，帮助模型锚定讨论的特定领域或情境。尤其在涉及具体知识领域时，时间、地点、人物等信息的加入能显著提高答案的精准度。
● 导向性：通过构建逻辑清晰的指令框架或提问方式，为模型设定思考路径。利用条件句、假设情景等高级策略，可激发模型的创造力与多角度分析能力。
3. 高级设计技巧
● 范例融入：在Prompt中嵌入实例，特别是需要模型模仿特定风格或格式时，较长的、含有示例的Prompt往往能取得更佳效果。
● 格式明确：对于需要特定输出格式的任务，务必在Prompt中清晰界定，包括展示基础模板，以指导模型遵循正确的格式输出。
● 分步引导：面对复杂需求，不妨将任务拆解为一系列简明指令，先从基础入手，逐步深化至最终目标，实现由简至繁的平滑过渡。
● 反馈迭代：实践操作中，依据模型的初次反馈不断微调Prompt，形成一个“Prompt-评估-调整”的闭环，直至达到理想效果。
通过上述原则与技巧的灵活运用，Prompt Engineering使我们能够精准解锁LLM的浩瀚潜能，成为智能时代沟通与创新的有力工具。
Prompt Engineering的基础构建于对模型特性的深刻理解之上，通过精细设计的Prompt，我们得以解锁LLM的无限潜能。掌握上述原则与技巧，是在人工智能时代高效沟通与创新的必备钥匙。
安全处理API密钥
在使用大数据模型时，我们需要注意API密钥的安全问题。我们不希望我们的代码中展示我们的API密钥。因此，我们可以通过dotenv 将 .env 中的变量添加到环境变量对象之中。之后代码中需要使用API密钥时只需要使用环境变量而不是具体信息，确保了安全性。接下来将展示如何编写.env文件和如何创建环境变量。
Prompt Engineering实战案例
案例剖析
● 精炼总结：通过精心设计的Prompt，要求模型将大段文本精髓提炼成一句话，凸显了Prompt Engineering在信息浓缩方面的高效性。
● 风格延展：设定对话场景，要求模型沿袭特定风格回应，证明了通过精准Prompt，LLM不仅理解任务要求，还能维持对话的连贯性和风格一致性，体现了其在自然语言生成上的灵活性。
接下来是代码展示：
以下是LLM提供给我们的答案：
这些案例生动展示了如何通过Prompt Engineering的策略，解锁LLM的巨大潜能，不仅在内容创造上，也在风格模仿和信息提取方面展现了其强大能力。随着技术的演进，Prompt Engineering将持续作为开启LLM无限可能的金钥匙，引领我们探索人工智能领域的更多可能性。
总结
Prompt Engineering作为解锁大型语言模型（LLM）潜力的关键工具所扮演的核心角色。通过本文的探讨，我们不仅理解了Prompt的定义、设计原则及其在确保模型输出的清晰性、准确性和相关性上的重要性，还掌握了提升Prompt效果的高级策略，包括利用示例引导、明确格式要求、分层次逐步深入以及建立反馈迭代机制。安全实践方面，我们认识到了妥善管理和保护API密钥的必要性，以及通过环境变量实现这一目标的实践方法。
通过深入分析两个具体案例，我们直观感受到了Prompt Engineering如何在实践中促进LLM展现出强大的内容总结能力和风格一致性维持，这不仅验证了其在信息提炼和创造性生成上的高效，还突显了其在维护对话连贯性和个性化需求上的灵活性。
总之，Prompt Engineering不仅是技术实现上的艺术，更是理解与驾驭现代语言模型，推动人工智能应用向前发展的重要思维方式。随着技术的不断演进和应用场景的日益广泛，掌握并不断优化Prompt Engineering技能，将成为未来在智能化转型浪潮中乘风破浪、开拓创新的关键所在。通过持续探索和实践，我们期待看到更多利用LLM解决复杂问题、创造新价值的创新实例，共同见证人工智能技术为社会带来的深刻变革与无限可能。
via 掘金 人工智能 (author: ws_sw)
Invalid media: image
LLM赋能未来：Prompt Engineering精要指南
在智能科技日新月异的发展浪潮中，大型语言模型（LLM） 已跃升为创新领域的核心推手，它们不仅在解答疑问上展现非凡才能，更在创作、解析乃至深度理解层面彰显出前所未有的潜力。而这一系列潜能的充分释放，其背后的秘密武器正是Prompt Engineering——一门专注于构建高效指令以精准引导模型输出的技艺。本文旨在为您深入浅出地剖析Prompt Engineering的核心理念与实践策略，铺设一条直达LLM高效应用的捷径。
Prompt Engineering基础
1. Prompt的定义与作用
Prompt，作为人与模型交互的媒介，在LLM应用领域扮演着至关重要的角色。它不仅是问题或请求的载体，更是塑造对话场景、指引模型行为的蓝图。精心设计的Prompt能够显著提升模型的理解精度与生成内容的相关性，是通往精确交流的不二法门。
2. 设计原则：明晰性、详实性与导向性
● 明晰性：Prompt应直截了当，避免模糊不清，确保模型能直接洞悉用户的真正意图。采用通俗易懂的语言，减少不必要的复杂性，使信息传达更为直接。
● 详实性：提供丰富的背景信息与细节，帮助模型锚定讨论的特定领域或情境。尤其在涉及具体知识领域时，时间、地点、人物等信息的加入能显著提高答案的精准度。
● 导向性：通过构建逻辑清晰的指令框架或提问方式，为模型设定思考路径。利用条件句、假设情景等高级策略，可激发模型的创造力与多角度分析能力。
3. 高级设计技巧
● 范例融入：在Prompt中嵌入实例，特别是需要模型模仿特定风格或格式时，较长的、含有示例的Prompt往往能取得更佳效果。
● 格式明确：对于需要特定输出格式的任务，务必在Prompt中清晰界定，包括展示基础模板，以指导模型遵循正确的格式输出。
● 分步引导：面对复杂需求，不妨将任务拆解为一系列简明指令，先从基础入手，逐步深化至最终目标，实现由简至繁的平滑过渡。
● 反馈迭代：实践操作中，依据模型的初次反馈不断微调Prompt，形成一个“Prompt-评估-调整”的闭环，直至达到理想效果。
通过上述原则与技巧的灵活运用，Prompt Engineering使我们能够精准解锁LLM的浩瀚潜能，成为智能时代沟通与创新的有力工具。
Prompt Engineering的基础构建于对模型特性的深刻理解之上，通过精细设计的Prompt，我们得以解锁LLM的无限潜能。掌握上述原则与技巧，是在人工智能时代高效沟通与创新的必备钥匙。
安全处理API密钥
在使用大数据模型时，我们需要注意API密钥的安全问题。我们不希望我们的代码中展示我们的API密钥。因此，我们可以通过dotenv 将 .env 中的变量添加到环境变量对象之中。之后代码中需要使用API密钥时只需要使用环境变量而不是具体信息，确保了安全性。接下来将展示如何编写.env文件和如何创建环境变量。
# openai
OPENAI_API_KEY=*********************
// require , node里面的模块化里的关键字, 引入模块
// 从本地node_modules 引入openai模块，OpenAI
// dotenv将.env中的变量添加到环境变量对象之中
require('dotenv').config();
// 环境变量
const OpenAI = require('openai');
Prompt Engineering实战案例
案例剖析
● 精炼总结：通过精心设计的Prompt，要求模型将大段文本精髓提炼成一句话，凸显了Prompt Engineering在信息浓缩方面的高效性。
● 风格延展：设定对话场景，要求模型沿袭特定风格回应，证明了通过精准Prompt，LLM不仅理解任务要求，还能维持对话的连贯性和风格一致性，体现了其在自然语言生成上的灵活性。
接下来是代码展示：
require('dotenv').config();
const OpenAI = require('openai');
const client = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
baseURL:'https://api.chatanywhere.tech/v1'
})
const getChatResponse = async function (model, prompt) {
const response = await client.chat.completions.create({
model: model,
// 提供的信息的条数
//n: 2,
messages: [
{
role: 'user',
content: prompt
}
]
})
// choices 表示大模型提供给你的答案数组(大模型给你选择的机会)
return response.choices[0].message.content;
}
async function main () {
// es6的模板字符串，比''" "可以动态解析， 可以支持多行 特别适合详细的设置prompt
let text = `
您应该提供尽可能清晰、具体的指示,以表达您希望模型执行的任务\
这将引导模型朝向所需的输出，并降低收到无关或不正确响应的可能性。\
不要将写清晰的提示词与写简短的提示词混淆。\
在许多情况下，更长的提示词可以为模型提供更多的清晰度和上下文信息，从而导致更详细和相关的输出。
`
//使用三个反引号括起来展现了prompt设计原则的清晰性
let prompt = `
把用三个反引号括起来的文本总结成一句话。
\`\`\`${text}\`\`\`
`
const response1 = await getChatResponse('gpt-3.5-turbo', prompt)
console.log(response1);
let prompt2 = `
您的任务是以一致的风格回答问题。
<孩子>: 教我耐心。
<祖父母>: 挖出最深峡谷的河流源于一处不起眼的泉眼；最宏伟的交响乐从单一的音符开始；最复杂的挂毯以一根孤独的线开始编织。
<孩子>: 教我韧性。
`
const response2 = await getChatResponse('gpt-3.5-turbo', prompt2)
console.log(response2);
}
main();
以下是LLM提供给我们的答案：
这些案例生动展示了如何通过Prompt Engineering的策略，解锁LLM的巨大潜能，不仅在内容创造上，也在风格模仿和信息提取方面展现了其强大能力。随着技术的演进，Prompt Engineering将持续作为开启LLM无限可能的金钥匙，引领我们探索人工智能领域的更多可能性。
总结
Prompt Engineering作为解锁大型语言模型（LLM）潜力的关键工具所扮演的核心角色。通过本文的探讨，我们不仅理解了Prompt的定义、设计原则及其在确保模型输出的清晰性、准确性和相关性上的重要性，还掌握了提升Prompt效果的高级策略，包括利用示例引导、明确格式要求、分层次逐步深入以及建立反馈迭代机制。安全实践方面，我们认识到了妥善管理和保护API密钥的必要性，以及通过环境变量实现这一目标的实践方法。
通过深入分析两个具体案例，我们直观感受到了Prompt Engineering如何在实践中促进LLM展现出强大的内容总结能力和风格一致性维持，这不仅验证了其在信息提炼和创造性生成上的高效，还突显了其在维护对话连贯性和个性化需求上的灵活性。
总之，Prompt Engineering不仅是技术实现上的艺术，更是理解与驾驭现代语言模型，推动人工智能应用向前发展的重要思维方式。随着技术的不断演进和应用场景的日益广泛，掌握并不断优化Prompt Engineering技能，将成为未来在智能化转型浪潮中乘风破浪、开拓创新的关键所在。通过持续探索和实践，我们期待看到更多利用LLM解决复杂问题、创造新价值的创新实例，共同见证人工智能技术为社会带来的深刻变革与无限可能。
via 掘金 人工智能 (author: ws_sw)
Invalid media: image
👉 名称：提示词 0-1入门
🤖 类型：👀资料
👏 介绍：提示词（Prompt）编写速成指南，教大家如何无痛写出一个贴合需求、达到商用级的
via 老胡周刊资源分享频道 - Telegram Channel
🤖 类型：👀资料
👏 介绍：提示词（Prompt）编写速成指南，教大家如何无痛写出一个贴合需求、达到商用级的
Prompt 。via 老胡周刊资源分享频道 - Telegram Channel
提示詞示例：
1. SWOT分析：
提示 → “我正在评估一个项目，但不知道如何评估其优势、劣势、机会和威胁。你能解释一下SWOT分析如何帮助我吗？”
翻译：SWOT分析是一种战略规划工具，用于评估项目的优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）和威胁（Threats）。它通过识别内部和外部因素，帮助你全面了解项目的潜在成功和风险。你可以通过列出每个方面的具体内容，来制定更有效的策略和决策。
2. 艾森豪威尔矩阵：
提示 → “我在有效管理时间上遇到了困难。你能解释一下艾森豪威尔矩阵如何帮助我优先处理任务吗？”
翻译：艾森豪威尔矩阵是一种时间管理工具，将任务分为四类：重要且紧急、重要但不紧急、紧急但不重要、不紧急也不重要。通过这种分类，你可以更好地优先处理任务，专注于重要事项，减少时间浪费。
3. 设计思维：
提示 → “我需要开发一款新产品，但不知道从哪里开始。你能解释一下设计思维如何指导我的创意过程吗？”
翻译：设计思维是一种以用户为中心的创新方法，包含五个阶段：同理心、定义、创意、原型和测试。它通过深入理解用户需求，定义问题，产生创意，制作原型并测试解决方案，帮助你系统地开发新产品。
4. 鱼骨图：
提示 → “我遇到了一个持续存在的问题，需要找出所有可能的原因。你能解释一下鱼骨图如何帮助我吗？”
翻译：鱼骨图，也称因果图，用于识别问题的根本原因。通过将问题的主要类别（如人、方法、材料、机器等）作为骨干，并列出每个类别的具体原因，你可以系统地分析并找出问题的根源。
5. 情景规划：
提示 → “我需要为业务中的未来不确定性做准备。你能解释一下情景规划如何帮助我制定不同的未来情景策略吗？”
翻译：情景规划是一种战略规划方法，通过创建多个可能的未来情景，帮助你为不确定性做好准备。它涉及识别关键驱动因素，预测不同情景，分析其影响，并制定相应的策略，从而提高业务的灵活性和适应能力。
6. 安索夫矩阵：
提示 → “我在考虑不同的业务增长策略。你能解释一下安索夫矩阵如何帮助我评估选项吗？”
翻译：安索夫矩阵是一种战略工具，帮助企业评估和选择增长策略。它将策略分为四类：市场渗透、市场开发、产品开发和多元化。通过分析每种策略的风险和机会，你可以确定最适合的增长路径。
7. 凯普纳-特雷戈矩阵：
提示 → “我需要一种系统化的决策方法。你能解释一下凯普纳-特雷戈矩阵是如何运作的吗？”
翻译：凯普纳-特雷戈矩阵是一种系统的决策分析方法，帮助你在复杂情况下做出明智的决策。它通过定义问题、识别决策标准、评估备选方案和选择最佳方案，提供一个结构化的决策过程。
8. GROW模型：
提示 → “我是一个教练，想帮助我的客户设定和实现目标。你能解释一下GROW模型如何指导我的教练课程吗？”
翻译：GROW模型是一种教练工具，用于帮助客户设定和实现目标。它包括四个步骤：目标（Goal）、现状（Reality）、选择（Options）和意愿（Will）。通过引导客户明确目标，了解现状，探索选择，并确定行动计划，帮助客户实现目标。
9. 思维导图：
提示 → “我需要组织我的项目想法和思路。你能解释一下思维导图如何帮助我有效地头脑风暴吗？”
翻译：思维导图是一种视觉工具，通过图形方式组织信息和想法。它从一个中心主题出发，向外扩展分支，帮助你清晰地展示和结构化思维过程，提高头脑风暴的效率。
10. 波士顿矩阵：
提示 → “我需要分析公司的产品组合。你能解释一下波士顿矩阵如何帮助我进行这项分析吗？”
翻译：波士顿矩阵是一种产品组合管理工具，将产品分为四类：明星产品、问题产品、现金牛产品和瘦狗产品。通过分析市场增长率和市场份额，你可以评估产品的表现和潜力，制定相应的策略。
11. 平衡计分卡：
提示 → “我想更好地将业务活动与组织的愿景和战略对齐。你能解释一下平衡计分卡的工作原理吗？”
翻译：平衡计分卡是一种战略管理工具，通过财务、客户、内部流程、学习和成长四个维度衡量和管理绩效。它帮助你将组织的愿景和战略转化为具体的目标和指标，从而更好地实现战略对齐。
12. 波特五力分析：
提示 → “我在分析行业的竞争环境。你能解释一下波特五力分析框架如何帮助我吗？”
翻译：波特五力分析是一种竞争分析工具，通过评估五种竞争力量（供应商议价能力、买家议价能力、新进入者威胁、替代品威胁和现有竞争者竞争程度），帮助你理解行业结构和竞争态势，制定竞争策略。
13. 双钻设计过程：
提示 → “我在进行一个设计项目，需要一个结构化的过程。你能解释一下双钻设计过程的工作原理吗？”
翻译：双钻设计过程是一种设计思维方法，包含四个阶段：发现、定义、开发和交付。通过两个钻石形状的扩展和收敛过程，帮助你从广泛的问题探索到具体的解决方案开发，确保设计过程的系统性和创造性。
14. 看板方法：
提示 → “我在尝试改进团队的工作流程和效率。你能解释一下看板方法如何帮助吗？”
翻译：看板方法是一种可视化的工作流程管理工具，通过看板板和卡片跟踪任务进展。它强调持续改进和工作流程优化，帮助团队更高效地管理任务和资源，提升工作效率。
15. 约束理论：
提示 → “我在试图识别和管理生产过程中的瓶颈。你能解释一下约束理论如何帮助我吗？”
翻译：约束理论是一种管理理念，通过识别和优化系统中的瓶颈，提高整体系统的效率和产出。它包含五个步骤：识别约束、充分利用约束、 subordinating所有其他流程、提升约束、重新评估。
16. 蒙特卡洛模拟：
提示 → “我需要理解项目中的风险和不确定性。你能解释一下蒙特卡洛模拟如何帮助吗？”
翻译：蒙特卡洛模拟是一种统计方法，通过反复模拟和计算不同变量的可能结果，帮助你评估风险和不确定性。它广泛应用于项目管理、金融和工程等领域，用于预测和决策。
17. 德尔菲法：
提示 → “我在进行一个复杂的预测练习。你能解释一下德尔菲法如何通过收集专家意见来工作吗？”
翻译：德尔菲法是一种预测技术，通过多轮匿名问卷调查收集专家意见，逐步达成共识。它适用于复杂和不确定性高的问题，帮助你获得更加准确和可靠的预测结果。
18. 力场分析：
提示 → “我需要分析变革计划中的支持和反对力量。你能解释一下力场分析如何帮助我吗？”
翻译：力场分析是一种变革管理工具，通过识别和分析推动和阻碍变革的力量，帮助你制定有效的变革策略。它有助于了解变革的障碍和推动因素，从而更好地实施变革。
19. 蓝海战略：
提示 → “我在寻找一个新的市场空间以避开竞争。你能解释一下蓝海战略如何工作吗？”
翻译：蓝海战略是一种市场拓展策略，通过创造全新的市场空间，避开现有竞争。它强调创新和差异化，帮助企业开拓新的市场机会，实现增长。
20. 关键路径：
提示 → “我在管理一个大型项目，需要优化进度。你能解释一下关键路径法如何帮助我有效地计划吗？”
翻译：关键路径法（Critical Path Method，CPM）是一种项目管理技术，帮助你识别和计划项目中最重要的任务序列，从而优化项目进度。
1. SWOT分析：
提示 → “我正在评估一个项目，但不知道如何评估其优势、劣势、机会和威胁。你能解释一下SWOT分析如何帮助我吗？”
翻译：SWOT分析是一种战略规划工具，用于评估项目的优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）和威胁（Threats）。它通过识别内部和外部因素，帮助你全面了解项目的潜在成功和风险。你可以通过列出每个方面的具体内容，来制定更有效的策略和决策。
2. 艾森豪威尔矩阵：
提示 → “我在有效管理时间上遇到了困难。你能解释一下艾森豪威尔矩阵如何帮助我优先处理任务吗？”
翻译：艾森豪威尔矩阵是一种时间管理工具，将任务分为四类：重要且紧急、重要但不紧急、紧急但不重要、不紧急也不重要。通过这种分类，你可以更好地优先处理任务，专注于重要事项，减少时间浪费。
3. 设计思维：
提示 → “我需要开发一款新产品，但不知道从哪里开始。你能解释一下设计思维如何指导我的创意过程吗？”
翻译：设计思维是一种以用户为中心的创新方法，包含五个阶段：同理心、定义、创意、原型和测试。它通过深入理解用户需求，定义问题，产生创意，制作原型并测试解决方案，帮助你系统地开发新产品。
4. 鱼骨图：
提示 → “我遇到了一个持续存在的问题，需要找出所有可能的原因。你能解释一下鱼骨图如何帮助我吗？”
翻译：鱼骨图，也称因果图，用于识别问题的根本原因。通过将问题的主要类别（如人、方法、材料、机器等）作为骨干，并列出每个类别的具体原因，你可以系统地分析并找出问题的根源。
5. 情景规划：
提示 → “我需要为业务中的未来不确定性做准备。你能解释一下情景规划如何帮助我制定不同的未来情景策略吗？”
翻译：情景规划是一种战略规划方法，通过创建多个可能的未来情景，帮助你为不确定性做好准备。它涉及识别关键驱动因素，预测不同情景，分析其影响，并制定相应的策略，从而提高业务的灵活性和适应能力。
6. 安索夫矩阵：
提示 → “我在考虑不同的业务增长策略。你能解释一下安索夫矩阵如何帮助我评估选项吗？”
翻译：安索夫矩阵是一种战略工具，帮助企业评估和选择增长策略。它将策略分为四类：市场渗透、市场开发、产品开发和多元化。通过分析每种策略的风险和机会，你可以确定最适合的增长路径。
7. 凯普纳-特雷戈矩阵：
提示 → “我需要一种系统化的决策方法。你能解释一下凯普纳-特雷戈矩阵是如何运作的吗？”
翻译：凯普纳-特雷戈矩阵是一种系统的决策分析方法，帮助你在复杂情况下做出明智的决策。它通过定义问题、识别决策标准、评估备选方案和选择最佳方案，提供一个结构化的决策过程。
8. GROW模型：
提示 → “我是一个教练，想帮助我的客户设定和实现目标。你能解释一下GROW模型如何指导我的教练课程吗？”
翻译：GROW模型是一种教练工具，用于帮助客户设定和实现目标。它包括四个步骤：目标（Goal）、现状（Reality）、选择（Options）和意愿（Will）。通过引导客户明确目标，了解现状，探索选择，并确定行动计划，帮助客户实现目标。
9. 思维导图：
提示 → “我需要组织我的项目想法和思路。你能解释一下思维导图如何帮助我有效地头脑风暴吗？”
翻译：思维导图是一种视觉工具，通过图形方式组织信息和想法。它从一个中心主题出发，向外扩展分支，帮助你清晰地展示和结构化思维过程，提高头脑风暴的效率。
10. 波士顿矩阵：
提示 → “我需要分析公司的产品组合。你能解释一下波士顿矩阵如何帮助我进行这项分析吗？”
翻译：波士顿矩阵是一种产品组合管理工具，将产品分为四类：明星产品、问题产品、现金牛产品和瘦狗产品。通过分析市场增长率和市场份额，你可以评估产品的表现和潜力，制定相应的策略。
11. 平衡计分卡：
提示 → “我想更好地将业务活动与组织的愿景和战略对齐。你能解释一下平衡计分卡的工作原理吗？”
翻译：平衡计分卡是一种战略管理工具，通过财务、客户、内部流程、学习和成长四个维度衡量和管理绩效。它帮助你将组织的愿景和战略转化为具体的目标和指标，从而更好地实现战略对齐。
12. 波特五力分析：
提示 → “我在分析行业的竞争环境。你能解释一下波特五力分析框架如何帮助我吗？”
翻译：波特五力分析是一种竞争分析工具，通过评估五种竞争力量（供应商议价能力、买家议价能力、新进入者威胁、替代品威胁和现有竞争者竞争程度），帮助你理解行业结构和竞争态势，制定竞争策略。
13. 双钻设计过程：
提示 → “我在进行一个设计项目，需要一个结构化的过程。你能解释一下双钻设计过程的工作原理吗？”
翻译：双钻设计过程是一种设计思维方法，包含四个阶段：发现、定义、开发和交付。通过两个钻石形状的扩展和收敛过程，帮助你从广泛的问题探索到具体的解决方案开发，确保设计过程的系统性和创造性。
14. 看板方法：
提示 → “我在尝试改进团队的工作流程和效率。你能解释一下看板方法如何帮助吗？”
翻译：看板方法是一种可视化的工作流程管理工具，通过看板板和卡片跟踪任务进展。它强调持续改进和工作流程优化，帮助团队更高效地管理任务和资源，提升工作效率。
15. 约束理论：
提示 → “我在试图识别和管理生产过程中的瓶颈。你能解释一下约束理论如何帮助我吗？”
翻译：约束理论是一种管理理念，通过识别和优化系统中的瓶颈，提高整体系统的效率和产出。它包含五个步骤：识别约束、充分利用约束、 subordinating所有其他流程、提升约束、重新评估。
16. 蒙特卡洛模拟：
提示 → “我需要理解项目中的风险和不确定性。你能解释一下蒙特卡洛模拟如何帮助吗？”
翻译：蒙特卡洛模拟是一种统计方法，通过反复模拟和计算不同变量的可能结果，帮助你评估风险和不确定性。它广泛应用于项目管理、金融和工程等领域，用于预测和决策。
17. 德尔菲法：
提示 → “我在进行一个复杂的预测练习。你能解释一下德尔菲法如何通过收集专家意见来工作吗？”
翻译：德尔菲法是一种预测技术，通过多轮匿名问卷调查收集专家意见，逐步达成共识。它适用于复杂和不确定性高的问题，帮助你获得更加准确和可靠的预测结果。
18. 力场分析：
提示 → “我需要分析变革计划中的支持和反对力量。你能解释一下力场分析如何帮助我吗？”
翻译：力场分析是一种变革管理工具，通过识别和分析推动和阻碍变革的力量，帮助你制定有效的变革策略。它有助于了解变革的障碍和推动因素，从而更好地实施变革。
19. 蓝海战略：
提示 → “我在寻找一个新的市场空间以避开竞争。你能解释一下蓝海战略如何工作吗？”
翻译：蓝海战略是一种市场拓展策略，通过创造全新的市场空间，避开现有竞争。它强调创新和差异化，帮助企业开拓新的市场机会，实现增长。
20. 关键路径：
提示 → “我在管理一个大型项目，需要优化进度。你能解释一下关键路径法如何帮助我有效地计划吗？”
翻译：关键路径法（Critical Path Method，CPM）是一种项目管理技术，帮助你识别和计划项目中最重要的任务序列，从而优化项目进度。
1. 快速撰写简单的提示并测试其效果。
2.根据结果的不足，逐步丰富和细化提示，这可能导致更长、更详细的提示，甚至是“大型提示”。
3. 如果效果仍不理想，可以考虑应用少样本或多样本学习策略（如果适用），或偶尔进行微调。
4. 如果问题仍未解决，可将任务拆分为子任务，采用智能体工作流程。
来源：https://www.deeplearning.ai/the-batch/issue-249/
langgptai / wonderful-prompts🔥中文 prompt 精选🔥，ChatGPT 使用指南，提升 ChatGPT 可玩性和可用性！🚀Repo URL |
👀29 🍴217 ⭐2363#D20240517 #D20240517_Unknown #Unknown
GitHub
GitHub - langgptai/wonderful-prompts: 🔥中文 prompt 精选🔥，ChatGPT 使用指南，提升 ChatGPT 可玩性和可用性！🚀
🔥中文 prompt 精选🔥，ChatGPT 使用指南，提升 ChatGPT 可玩性和可用性！🚀. Contribute to langgptai/wonderful-prompts development by creating an account on GitHub.
via Github Trending - Telegram Channel
