模型，用于生成高质量的图像。 2.2.5 DALLE3 闭源：由 OpenAI 开发，是一个闭源的图像生成模型，可以根据文字描述生成 相应的图像。 2.2.6 Midjourney 闭源：由一个小团队开发的闭源 AI，专注于生成创意和艺术图像。 2.3 AI 视频工具 Figure 5: AI 视频工具 2.3.1 Sora (OpenAI 公司) 内测：由 OpenAI 开发，目前处于内部测试阶段的项目。 真人转油画：能将真人视频转换成油画风格的 AI 工具。 2.3.9 EBSynth 开源：一个开源的视频处理工具，用于将艺术风格应用到视频帧中。 2.4 AI 编程工具 2.4.1 DEvv 程序员的新一代 AI 搜索引擎，专为编程和技术问题检索设计。 2.4.2 JetBrains AI AI 编程开发助手，集成在 JetBrains 系列开发工具中，提升编码效率。 9 Figure 下载 在这里已经为大家准备好，只需要在我的微信公众号郭震 AI，回复消息： ollama，就能下载到软件。 下载之后打开，直接点击 Next 以及 Install 安装 ollama，安装步骤非常简 单。 3.1.2 步骤 2：安装 Llama 下载 Llama3，打开新的终端/命令行窗口，执行以下命令： ollama run llama3 程序会自动下载 Llama3 的模型文件，默认是

▪ 对未来或不确定事件做出过于具体的预测 应对策略： ▪ 明确不确定性：鼓励AI在不确定时明确说明。 ▪ 事实核查提示：要求AI区分已知事实和推测。 ▪ 多源验证：要求AI从多个角度或来源验证信 息。 ▪ 要求引用：明确要求AI提供信息来源，便于 验证。 常见陷阱与应对：新手必知的提示语设计误区 忽视伦理边界陷阱：低估AI的伦理限制 陷阱症状： ▪ 要求AI生成有争议、不道德或非法内容。 复杂问题的方式。这种方法主要基于分而治之原则、层级结构理论以及认知负荷理论作为其理论基础。 设计基于任务分解的提示语链涉及以下步骤： 明确总体 目标 识别主要 任务 细化子任 务 定义微任 务 设计对应 提示语 建立任务 间联系 加入反馈 调整机制 SPECTRA任务分解模型 • Segmentation（分割）：将大任务分为独立但相关的 部分 • Prioritiz 部分都是相对独立但与整体目标相关的。” 2. 优先级提示： “对上述分解的任务进行优先级排序，考虑它们对总 体目标的重要性和逻辑顺序。” 3. 细化提示：“选择优先级最高的子任务，将其进一步细化为2—3个具 体的行动项或小目标。” 4. 连接提示：“分析各个子任务之间的关系，确定它们如何相互支持和 影响，以及如何共同推进总体目标的实现。” 5. 时序提示：“为每个子任务制定一个粗略的时间表，考虑它们的依赖 关系和完成所需的相对时间。”

▪ 对未来或不确定事件做出过于具体的预测 应对策略： ▪ 明确不确定性：鼓励AI在不确定时明确说明。 ▪ 事实核查提示：要求AI区分已知事实和推测。 ▪ 多源验证：要求AI从多个角度或来源验证信 息。 ▪ 要求引用：明确要求AI提供信息来源，便于 验证。 常见陷阱与应对：新手必知的提示语设计误区 忽视伦理边界陷阱：低估AI的伦理限制 陷阱症状： ▪ 要求AI生成有争议、不道德或非法内容。 复杂问题的方式。这种方法主要基于分而治之原则、层级结构理论以及认知负荷理论作为其理论基础。 设计基于任务分解的提示语链涉及以下步骤： 明确总体 目标 识别主要 任务 细化子任 务 定义微任 务 设计对应 提示语 建立任务 间联系 加入反馈 调整机制 SPECTRA任务分解模型 • Segmentation（分割）：将大任务分为独立但相关的 部分 • Prioritiz 部分都是相对独立但与整体目标相关的。” 2. 优先级提示： “对上述分解的任务进行优先级排序，考虑它们对总 体目标的重要性和逻辑顺序。” 3. 细化提示：“选择优先级最高的子任务，将其进一步细化为2—3个具 体的行动项或小目标。” 4. 连接提示：“分析各个子任务之间的关系，确定它们如何相互支持和 影响，以及如何共同推进总体目标的实现。” 5. 时序提示：“为每个子任务制定一个粗略的时间表，考虑它们的依赖 关系和完成所需的相对时间。”

提示词 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响，仅供参考，无法作为决策制定、质量评估或产品验证的最终依据。 数据分析 Claude 3.5 sonnet 提供数据分析程序代码， 能够提取大部分特征并 对其与生存率的关联进 行分析，但最终没有形 成明确的结论。 Kimi k1.5 能够精准分析关键 指标生存率，但对 特征提取不完整， 仅能识别较为浅层 了坚实的基础， 使模型在后续的强化学习阶段能够更稳定地学习和优化。它解 决了纯强化学习训练中可能出现的可读性差和语言混杂等问题。 第一阶段：推理 导向的强化学习 基 于 冷 启 动 数 据 微 调 后 的 基 础 模 型 ， 进 行 大 规 模 强 化 学 习 。 此 阶 段 引 入 语 言 一 致 性 奖 励 ， 优 化 模 型 在 数 学 、 编 程 等 结 构 化 任 务 拒 绝 采 样 从 R L 检 查 点 生 成 新 的 合 成 数 据 ， 并 与 写 作 、 事 实 问 答 等 领 域的监督数据混合。 然 后 对 基 础 模 型 进 行 两 轮 微 调 ， 进 一 步提升模型的性能。 第三阶段：全场 景强化学习 结 合 规 则 奖 励 （ 针 对 推 理 任 务 ） 和 神 经 奖 励 模 型 （ 针 对 通 用 任 务 ） ， 对

更多 Deepseek 和 AI 资料，欢迎关注微信公众号【星禾光年 AI】，回复【deepseek】获取 1. 万能提示词生成模版：根据用户需求，帮助生成高质量提示词 SYSTEM 你是一位大模型提示词生成专家，请根据用户的需求编写一个智能助手的提示词，来指导大模型进行内容生成， 要求： 1. 以 Markdown 格式输出 2. 贴合用户需求，描述智能助手的定位、能力、知识储备 3 它将提供中文翻译结果。用户可以向助手发送需要翻译的内容，助手会回答相应的翻译结果，并确保符合中文语 言习惯，你可以调整语气和风格，并考虑到某些词语的文化内涵和地区差异。同时作为翻译家，需将原文翻译成 具有信达雅标准的译文。"信" 即忠实于原文的内容与意图；"达" 意味着译文应通顺易懂，表达清晰；"雅" 则 追求译文的文化审美和语言的优美。目标是创作出既忠于原作精神，又符合目标语言文化和读者审美的翻译。 USER 牛顿第一 角色扮演（情景续写）：提供一个场景，让模型模拟该场景下的任务对话 USER 假设诸葛亮死后在地府遇到了刘备，请模拟两个人展开一段对话。 5. 结构化输出 ：将内容转化为 Json，来方便后续程序处理 SYSTEM 用户将提供给你一段新闻内容，请你分析新闻内容，并提取其中的关键信息，以 JSON 的形式输出，输出的 JSON 需遵守以下的格式： { "entiry": <新闻实体>

AI不仅是技术革新，更是思维方式和社会结构的变革 国家 产业 个人 企业政企、创业者必读 人工智能发展历程（一）  从早期基于规则的专家系统，走向基于学习训练的感知型AI  从基于小参数模型的感知型AI，走向基于大参数模型的认知型AI  从擅长理解的认知型AI，发展到擅长文字生成的生成式AI  从语言生成式AI，发展到可理解和生成声音、图片、视频的多模态AI  从生成式AI，发展到推理型AI Deepmind的Alpha系列产品是这一趋势的最佳诠释 16政企、创业者必读 DeepSeek出现之前的十大预判 之四 模型越做越小 17  大模型进入「轻量化」时代，上车上终端，蒸馏小模型  先做得更大，然后探索能做多小政企、创业者必读 DeepSeek出现之前的十大预判 之五 知识的质量和密度决定大模型能力  高质量数据、合成数据使模型知识密度的快速增长  大模型能以更少的参数量达到更高的性能 训练成本降低，堆显卡模式受质疑，探索新思路，算法优化空间大  无需训练自己的基座模型，直接部署在DeepSeek上，不用重复发明轮子  公开蒸馏方法，帮助其他模型提升能力，实现了模型制造模型，犹如工业母机  小模型可部署在企业内电脑或一体机上，使用成本降低，形成分布式推理网络  技术门槛降低， 可标准化、SaaS化部署，下载就能用 DeepSeek颠覆式创新——成本暴跌 35政企、创业者必读 惠及全球人民，科技平权，技术平民化

伊比利亚辣肠低温烘烤后粉碎成黄金脆粒 4.薄荷冷萃油 - 液态氮急冻薄荷叶萃取的翡翠色精油 ???️ 味觉风暴： •第1层：青椒脆片释放灯笼椒特有的清甜 •第2层：烟熏红椒粉在慕斯中爆破出暖意 •第3层：辣肠碎粒带来咸鲜微辣的颗粒感 •终章：薄荷冷萃油在舌尖炸开极地般的清凉 ??? 分子料理技法： 1.反卷造型：将传统卷物内外翻转，脆网外露包裹柔嫩内馅 2.温差游戏：65℃温热慕斯与-196℃冷萃油同盘 3.质构悖论： 内熟悉公司的产品线、组织 结构、内部系统以及行业情况。然而，公司的产品手册复杂，部门间的职责不清晰，内部系统操作繁琐，行业信 息量庞大，这些都让小李感到不知所措。他担心自己无法在短时间内快速上手，影响工作效率和表现。 以往的解决方式： • 依赖同事的口头介绍，容易遗漏重要信 息。 • 手动查阅厚重的产品手册和内部文档， 耗时较长。 • 参加多部门的培训，但信息量大，难以 消化。 • 通过网络搜索行业信息，但信息分散， ■对未来或不确定事件做出过于具体的预测 应对策略： ■明确不确定性：鼓励Al在不确定时明确说明。 ■事实核查提示：要求AI区分已知事实和推测。 ■ 多源验证：要求AI从多个角度或来源验证信 息。 ■ 要求引用：明确要求Al提供信息来源，便于 验证。 常见陷阱与应对：新手必知的提示语设计误区 假设偏见陷阱：当Al只告诉你想听的 幻觉生成陷阱：当AI自信地胡说八道

高度关注供应链安全。跟踪软硬件产品的漏洞、缺陷信息并及时采取修补加固 措施，保证系统安全性。 4.2 针对人工智能应用安全风险 4.2.1 网络域风险应对 （a）建立安全防护机制，防止模型运行过程中被干扰、篡改而输出不可 信结果。 （b）应建立数据护栏，确保人工智能系统输出敏感个人信息和重要数据 符合相关法律法规。 4.2.2 现实域风险应对 （a）根据用户实际应用场景设置服务提供边界，裁减人工智能系统可能 被 被窃取、篡改的风险 4.1.1 （b） 输出不可靠风险 4.1.1 （a）（b） 对抗攻击风险 4.1.1 （b） 数据安 全风险 违规收集使用数据风险 4.1.2 （a） 完善人工智能数 据安全和个人信 息保护规范 训练数据含不当内容、被 “投毒” 风险 4.1.2 （b）（c）（d）（e） （f） 训练数据标注不规范风险 4.1.2 （e） 数据泄露风险 4.1.2 （c）（d） 系统安 全风险

该翻译所对应的古诗文是： OPTIONS - 春风骋巧如翦刀 - 剪裁无巧似春风 - 风吹怨恨快如刀 - 春风欲擅秋风巧 Table 17 | An example of CCPM. 38 PROMPT Q: 某 小 学 在“献 爱 心–为 汶 川 地 震 区 捐 款”活 动 中 ， 六 年 级 五 个 班 共 捐 款8000元 ， 其 中 一 班 捐 款1500元 ， 二 班 比 一 班 多 捐 款200元 ， 1700-1600=3200元，而题目说四班与五班捐款数之比是3：5，则四班捐款 了3200/(3+5)*3=1200元。所以答案是：1200。 Q: 小俊在东西大道上跑步，若规定向东为正。他先向东跑了800米，然后又跑 了一段之后，他位于出发点西边100米处，小俊第二段跑了多少米？ A: 小俊第二段跑完后位于出发点西边，所以第二段应该是向西跑，第二 段跑的长度-第一段跑的长度=100，第二段跑了100+800=900米。所以答案

（风格）” 想 要的写作风格， 如严肃的、有趣 的、创新性表达、 学术性…… "T"代表“Tone （语调）” 幽 默的？情绪化？ 有威胁性？ "A"代表 "Audience"， 受众是谁。 小 白用户？专业人 群？未成年群体？ 女性群体？ DeepSeek R1提示语技巧（开放性） • 不需要角色设定 • 不需要思维链提示 • 不需要结构化提示词 • 不需要给示例 • 不需要做太多解释