一、All Clear
All Clear从文本生成功能图，而不是直接做图。虽然标榜为流程图软件，All Clear却能创建组织结构图、进程图等，且包括一个过程分析仪。（原文转载自慧都控件网，作者：Juliet）
二、Bizag Process Modeler
Bizag Process Modeler是Bizagi BPM Suite的一个组件，也可作为一个独立的工具。Biza
本文介绍了大模型（LLM）的基本概念和应用中的提示词工程。大模型可视为高维复杂函数，通过调整输入（prompt工程）或参数优化来提升输出效果。文章对比了不同模型特点（如指令型vs推理型），并详细讲解了四种提示词工程模板（LangGPT、CRISPE、ICIO、OCEP）的结构和应用场景，包括广告创意生成和软件开发文档编写等实例。这些模板通过系统化结构设计，帮助用户更精准地引导模型输出预期结果。
本文介绍了如何写好大模型提示词，基于大赛冠军的经验分享，涵盖了基础知识和实践技巧。通过学习本文，读者将能够了解如何编写有效、精确且易于理解的提示词，从而在大模型应用中取得更好的效果。
原创
2024-03-11 11:20:29
562阅读
1.什么是提示工程提示工程（Prompt Engineering），也被称为上下文学习，是指通过精 心设计的提示技术来引导LL
原创
2024-09-18 15:41:23
3191阅读
一、大模型技术方向 - 大模型训练 / 大模型应用二、大模型应用 - 业务架构1、AI Embedded 模式2、AI Copilot 模式3、AI Agent 模式三
原创
2024-07-01 14:54:01
780阅读
由于提示词的膨胀以及工具选择变得复杂，大语言模型（LLMs）很难高效地使用越来越多的外部工具，特别是那些由模型上下文协议（MCP）定义的
既然大模型应用的编程范式是面向提示词的编程，需要建立一个全面且结构化的提示词库， 对提示词进行持续优化也是必不可少的，那么如何在大模型应用中更好的管理提示词呢？1. 提示词回顾提示词在本质上是向大型语言模型（例如GPT-4）提出的具体问题，它们作为初始输入，指导着人工智能生成相应的输出。在利用这些大模型进行
原创
2024-06-23 15:20:21
0阅读
提示构成为了写出更好的提示，我们可以把一个提示拆解为4个重要部分，每一个部分都不是必须要存在的。指令内容，是指你要模型帮你完成的任务的具体描述，可以简单也可以复杂，最重要的是要具体。主要内容，正在处理或转换的某种文本。主要内容通常与指令一起使用。辅助内容，它与主要内容的不同之处在于，它不是任务的主要目标，但它通常与主要内容一起使用。常见示例包括上下文信息，例如当前日期、用户名、用户偏好等。格式要求
原创
2023-05-16 22:44:59
1928阅读
万用公式1 写出一个基础的PromptPrompt万用公式：Prompt=任务+生成主体+细节（可选）+形式（可选)【必选】任务：指明希望模型完成的任务类型，如“请生成一篇广告文案”、“扮演翻译官”，“生成一篇广告文案”即是希望生成的任务类型。生成主体：指要生成的主要对象，如“请生成一篇关于狗不理包子的广告文案”中，“狗不理包子”即是主要对象。
【可选】细节：倘若我们需要让生成文案中增加emoji
原创
2023-05-17 23:10:07
1297阅读
RAG（Retrieval-Augmented Generation）是一个用于生成任务的大型模型，它结合了检索和生成的方法。它的设计目标是在生成文本时能够从外部文档中检索相关信息，并将其整合到生成的过程中。
RAG的架构由两部分组成：检索模块和生成模块。
检索模块负责从一个或多个外部文档中检索与生成任务相关的信息。这个模块可以基于检索技术（如TF-IDF、BM25等）进行查询，并返回与查询相关联
通过使用推理框架，AI变得更加像一个能够处理复杂任务的助手，而不仅仅是一台静态的机器。在本文中，我们将探讨 和 树形思维（ToT）。
人工智能技术的迅猛发展正催生着各行业的变革与创新浪潮。在此背景下，检索增强生成（RAG）、人工智能代理（A
原创
2024-10-25 16:07:01
1061阅读
--表结构
CREATE TABLE [dbo].[ARP_TXSZ](
[TXSZ_ID] [int] IDENTITY(1,1) NOT NULL,
[TXSZ_LX] [varchar](50) NOT NULL,
[TXSZ_YC_SJ] [datetime] NULL,
[TXSZ_CF_PL] [varchar](50) NULL,
[TXSZ_MTPL_LX] [varc
发现：绝大多数应用场景的Prompt,质量都与使用者对“好结果”的了解成正比。1 产品海报2 写科普文 3 写代码指定Markdown、js总结一下这几个例子·拿到应用场景后，先试着判断场景的任务特点，结合任务共性先优化一波。
再结合场景主体、应用场合的特点，对生成内容的需求做一些补充说明。
结合该场景下优质内容的来源特点，给大模型一些找信息的“灵感”。 &nbs
原创
2023-05-18 21:40:05
406阅读
针对当下大模型比较成熟的几种应用模式，包括智能问答、RAG、Agent、Agent+MCP等等，大家理解时容易陷入两种极端：当你刚本质。
1. 淘宝网的秒杀 是如何确保数据的准确性和效率的. 希望小伙伴们能从前端架构,分布式的数据共享和安全等以及数据库多个层面来讨论下...一定要具体 服务端负载均衡，设置处理上限，比上限多的请求直接抛弃，防止集群down机；数据共享，用内存数据库，根据id，hash到不同的内存数据库，多个机器并发处理。2. 新浪微博的短URL是如何实
并支持动态更新而无需重新训练模型。随着技术进步，RAG正成为生成式AI系统的标配，为企业提供更可靠、合规的AI解决方案。
3D游戏模型提取、导入、导出教程
这个是我的第二个教程，这个教程的主要内容是教大家如何提取3D游戏里的模型，因为有一些3D游戏里面的模型非常精致，例如有一些人物模型或者场景模型。这样大大方便了模型的制作过程。希望这个教程能对大家有用。
一，下载安装
1、下载3D游戏模
转载
2024-03-13 13:50:53
176阅读
Datawhale干货 作者：崔涵，宋岩奇，哈工大SCIR摘要一个一直以来的共识是，模型的规模越大，模型在下游任务上的能力越多、越强。随着最近的新的模型的提出，大规模的语言模型出现了很多超乎研究者意料的能力。我们针对这些在小模型上没有出现，但是在大模型上出现的不可预测的能力——“涌现能力”做了一些归纳和总结，分别简要介绍了涌现能力的定义、常见的激发手段和具体的分类和任务。缩放
