谷歌提示词工程基础笔记（一）
001：欢迎来到谷歌提示词基础课程
在本节课中，我们将要学习谷歌提示词基础课程的概述，了解课程目标、内容结构以及你将获得的收获。
🎼
🎼
你可能已经尝试过生成式人工智能，并且可能得到了一些有用的结果，也可能有一些结果不尽如人意。在本课程中，谷歌的人工智能专家将教你区分好的提示词和优秀的提示词，以便你能借助生成式人工智能更快速、更智能地工作。
我们还将分享在工作中可以使用生成式人工智能的实际案例。
大家好，我是Aina，在谷歌从事生成式人工智能相关工作。在本课程中，我和我的同事们将教你如何充分利用生成式人工智能。
你将学习何时使用生成式人工智能，以及如何通过设计更好的提示词来获得最佳结果。你将通过动手实践活动和测验来应用所学知识，从而提升你的提示词技能。
完成本课程后，你将通过大量实践，掌握如何将生成式人工智能应用到对你和你的工作至关重要的场景中。😊
作为对你学习成果的认可，你将获得一份谷歌颁发的证书，可以与你的社交网络和潜在雇主分享。
我们准备了许多令人兴奋的内容，让我们开始吧。
🎼
本节课中我们一起学习了谷歌提示词基础课程的介绍，明确了课程旨在提升提示词设计能力，并通过实践获得认证。接下来，我们将深入探讨如何构建有效的提示词。
002：探索AI如何在工作中助你一臂之力 🚀
在本节课中，我们将要学习生成式人工智能（Gen AI）如何成为你工作中的得力助手。我们将了解什么是提示词，以及如何通过有效的提示词框架，将AI应用于各种实际工作场景，从而提升效率。
我是 Timothy，在谷歌担任开发者关系总监。过去14年，我一直在帮助开发者和谷歌更好地协作。最近，我更多地使用生成式AI来完成技术写作和代码生成等任务。我也在帮助更多开发者将生成式AI集成到他们的应用中。
提示词是我们许多人（包括我自己）正在学习和努力掌握的一项新技能。
我第一次使用生成式AI并感受到其变革力量的经历，源于一个相当简单的任务。我需要快速收集团队成员对一个重要会议的时间安排。我在聊天群里询问，大家回复的格式五花八门。要手动整理这些信息非常繁琐。但在生成式AI的帮助下，我成功地将所有人的时间安排整理成表格，并按日期而非聊天顺序进行了排序。这个手动操作需要花费大量时间的任务，借助生成式AI只花了我几分钟。这就是我的突破性时刻，我开始在日常工作中使用生成式AI，将曾经令人头疼的事情变得简单轻松。
这正是本课程的核心：使用生成式AI帮助你完成工作。
那么，究竟什么是提示词？简单来说，提示词是指向生成式AI工具提供特定指令，以获取新信息或实现某项任务预期结果的过程。这些指令就叫做提示词。当我们为生成式AI工具编写提示词时，我们是在给它一系列输入，并告诉它我们希望它生成什么。有些生成式AI工具可以生成文本或图像，而另一些则可以生成视频、音频甚至代码。
提示词既是一门艺术，也是一门科学。为了获得最佳结果，我们需要精确地定义需求。这类似于你帮助新同事开始一个项目：提供背景信息和设定参数，才能从生成式AI那里获得最佳输出。
你首先将学习的是提示词框架。这是一个用于编写优秀提示词的公式。你将在整个课程中使用这个框架。
之后，重点是将提示词应用于能为你节省时间的特定任务中。你将使用生成式AI来集思广益、制定计划，并为不同受众起草邮件。我们将教你如何总结会议记录、分配行动项等。
我们还将教你如何使用生成式AI分析数据和电子表格。
你将编写提示词，帮助你挖掘隐藏在数据中的洞见。然后，你将使用生成式AI将这些洞见转化为可视化图表，并最终将其整合成一份带有演讲要点的演示文稿幻灯片。
接下来，你将学习高级提示词技巧，以帮助你处理复杂任务。例如，你将学习如何创建提示词，让长期、复杂的项目更易于规划和执行。你还将学习如何设计提示词来创建你自己的个性化AI助手，用于模拟面试练习或准备困难的工作对话。
最后，你将学习如何负责任地使用生成式AI，包括在工作中和团队中使用它的指导原则。这至关重要。生成式AI工具是辅助你工作的，而不是代替你工作。任何使用生成式AI的人都应始终评估和核实其输出。
市面上有很多生成式AI工具。在本课程中，我们将演示如何使用Gemini及其他谷歌AI工具（如适用于Google Workspace的Gemini和Google AI Studio）进行提示词交互。但你在本课程中学到的所有技巧和最佳实践，同样适用于其他生成式AI工具，如ChatGPT、Copilot或Claude。
最后一点，我们设计这门课程是为了让你能立即在工作中应用所学技能。因此，你将要学习的所有课程和技巧都根植于真实场景。你应该进行实验和探索，找出最适合你的方法。在学习本课程时，请随时暂停视频，用你当前正在处理的工作来测试刚学到的内容。
现在，让我们开始编写第一个提示词吧。😊
003：通过提示词解锁你与AI的协作关系
在本节课中，我们将探讨提示词的重要性，并理解它如何成为我们与AI协作的全新语言。我们将学习为什么掌握提示词技巧在当前至关重要。
我是米拉，谷歌技术与社会部门的高级总监。我的团队致力于探索利用AI造福人类与社会的可能性。在本课程中，我将与谷歌的专家们一起深入探讨AI领域最令人兴奋的话题。
今天，我很高兴能与谷歌DeepMind的产品管理总监特里斯一同探讨。让我们来谈谈提示词。为什么现在学习提示词如此重要？
提示词是一项全新的技能。在AI日益成为我们生活一部分的今天，无论是通过手机、电脑，还是与家中设备乃至他人的AI互动，我们从未能以这种方式与计算机进行交流。
我认为这是一种新的语言。它是我们与计算机对话的全新语言。最令人惊叹的是，计算机第一次真正在倾听我们，并以我们期望的方式进行交流。当然，我们仍需了解什么方式最有效，而这正是提示词学习的核心。
实际上，这为你提供了一个机会，让你能够将自己的个性与需求，直接带入到各个领域的AI交互中。因此，我认为学习这种与计算机互动的新语言，现在正是最佳时机。
本节课中，我们一起学习了提示词作为人机交互新语言的核心地位。我们了解到，掌握有效的提示词技巧，能够让我们更自然、更个性化地与AI协作，从而在各个领域释放AI的巨大潜力。
004：使用五步提示词框架 🎯
在本节课中，我们将学习如何创建有效的提示词。一个好的提示词遵循一个简单的框架。
概述
我们将介绍一个由五个步骤组成的提示词框架，它能帮助你系统地构建提示词，从而从生成式AI工具中获得更准确、更有用的输出。这个框架可以概括为：任务、背景、参考、评估和迭代。
如果你忘记了步骤，只需记住这个口诀：深思熟虑地创造真正优秀的输入。
第一步：任务
首先，你需要描述你希望生成式AI工具帮助你完成的任务。这应该包括一个角色和一个格式偏好，以使任务具体化。
-
角色指的是你希望AI工具借鉴何种专业知识。你可以要求工具扮演一个角色，例如“专业的演讲稿撰写人”或“拥有15年经验的营销主管”。你也可以要求它为特定受众（如客户或你的经理）创建输出。在任务中添加角色时，你可以尽可能详细。
-
格式指的是你希望输出以何种形式呈现，无论是项目符号列表、短句还是表格。
这样，你就完成了“任务”部分。
第二步：背景
接下来，你需要提供背景信息，即必要的细节，以帮助生成式AI工具理解你的需求。
背景信息是区分模糊请求和精准请求的关键。例如：
-
模糊请求：“给我一些30美元以下的生日礼物点子。”
-
精准请求：“给我五个生日礼物点子。我的预算是30美元。礼物是送给一位29岁、热爱冬季运动、最近刚从单板滑雪转为双板滑雪的人。”
通过添加背景信息，你可以引导AI生成更贴合你具体情况的答案。
第三步：参考
有时，你需要在提示词中添加参考，供AI工具在创建输出时使用。
例如，你刚刚要求AI工具提供生日礼物点子。如果你能附上过去送过的生日礼物作为参考示例，AI工具就能给出更有用的输出。
当然，并非所有任务都有明确的参考，尤其是在处理更抽象的工作或寻找灵感和想法时。
第四步：评估
一旦你获得了输出，就该进行评估。问问自己：你提供的输入是否得到了你需要的输出？
评估是判断提示词有效性的关键环节。
第五步：迭代
评估输出后，如果我们确定没有得到想要的结果，就可以进入框架的最后一步：迭代。
你可以通过添加更多信息或调整提示词来再次尝试。这是有效提示的关键部分，我们将在课程后面深入探讨。
关于框架的重要说明
构建有效提示词的方法有很多种。提示词的构建顺序远不如提示词本身的实质内容重要。
只要你遵循“深思熟虑地创造真正优秀的输入”这一原则，你的输出结果就会很棒。
总结
本节课我们一起学习了构建有效提示词的五步框架：任务、背景、参考、评估和迭代。记住，核心在于为AI提供清晰、具体、有上下文的指令，并通过评估和迭代不断优化。掌握这个框架，你将能更高效地与生成式AI工具协作。
005：将提示词框架付诸实践 🚀
在本节课中，我们将通过一个具体的案例，学习如何将提示词框架（任务、上下文、格式、参考）付诸实践，以生成更高质量、更符合需求的AI输出。我们将以构思一款高性能运动鞋产品线为例，逐步优化我们的提示词。
概述
我们将登录Gemini工具，并尝试让它帮助我们为一个新的高性能运动鞋系列进行头脑风暴。通过逐步应用提示词框架的各个要素，我们将看到提示词从简单到复杂的演变过程，以及每一次优化如何显著提升输出结果的质量和相关性。
从简单任务开始
首先，我们从一个最基本的任务型提示词开始。
提示词：
Generate five ideas for a new, high performance sneaker line.
这个提示词只包含了任务，没有其他任何信息。Gemini生成了五个带有独特名称和描述的想法。虽然这是一个不错的起点，但结果可能过于宽泛，实用性有限。
上一节我们介绍了提示词框架的四个核心要素。本节中我们来看看，如何通过添加更多要素来优化结果。
添加格式要求
为了让输出更结构化、更易于使用，我们可以在提示词中明确指定期望的格式。
优化后的提示词：
List five concepts for a new, high performance sneaker line. For each sneaker, list the concepts and materials in an outline.
现在，我们不仅要求生成想法，还指定了输出格式（大纲形式）和更具体的任务（列出概念和材料）。结果得到了显著改善，我们获得了一套包含每款鞋所用材料的独特想法，并且是以我们喜欢的大纲格式呈现的。
添加上下文信息
为了使想法更具针对性，我们需要为AI工具提供更多背景信息，即添加上下文。
进一步优化的提示词：
List five concepts for a new, high performance sneaker line. For each sneaker, list the concepts and materials in an outline. The sneakers should be made for athletes doing cross-training activities.
通过添加“适用于进行交叉训练运动员”这一上下文，Gemini生成的五个新运动鞋想法更加贴合我们的特定目标。这表明，提供更多细节和上下文有助于生成更有用的结果。
引入参考示例
要获得真正量身定制的输出，我们可以为生成式AI工具提供参考示例，让它学习特定的风格、语调或结构。这种方法也称为少样本提示（Few-Shot Prompting）。
以下是参考提示的几种类型：
-
零样本提示（Zero-Shot）：不提供任何参考示例。
-
单样本提示（Single-Shot）：提供一个参考示例。
-
少样本提示（Few-Shot）：提供2到5个参考示例。这通常是效果最佳的“甜点区”。
现在，让我们为运动鞋构思任务加入两个现有鞋款的描述作为参考。
最终优化的提示词：
Keep the five ideas generated, but refine them using these two examples as references:
[在此处粘贴第一个参考鞋款描述]
[在此处粘贴第二个参考鞋款描述]
通过提供参考，AI能够融合示例中的特点（例如，来自预算产品线、采用新型自适应鞋底），生成更具创意和贴合需求的选项，例如一款能调节温度的鞋。
评估与迭代
评估输出和迭代改进是提示词框架的最后环节，也是我们进行实验和发挥创造力的地方。每一次新的输出都是进一步优化提示词的机会，直到获得满意的回应。
事实上，在整个实践过程中，我们一直在进行评估和迭代：
-
我们评估了第一个提示词生成的鞋款想法。
-
我们通过添加上下文进行了迭代。
-
我们再次评估输出，并通过添加参考示例进行了迭代。
我们始终可以添加细节或调整措辞来改变输出。记住这个口诀：ABI（Always Be Iterating，持续迭代）。
总结与建议
本节课中我们一起学习了如何将提示词框架应用于实际场景。我们从一个简单的任务开始，逐步添加了格式、上下文和参考信息，最终得到了高度定制化的运动鞋设计概念。
以下是给初学者的实践建议：
-
从简单开始：总是从简单的提示词入手，然后逐步增加复杂性。
-
持续迭代：根据输出结果不断调整和优化你的提示词。
-
适时回溯：如果输出质量开始下降，可能需要返回并简化你的提示词，这很正常。
-
不断学习：了解什么有效、什么无效是整个学习过程的一部分。
如果你在过程中遇到困难，只需记住核心原则：深思熟虑地创建真正优秀的输入，你就能重回正轨。现在，就请你自己尝试运用这个提示词框架吧！
006：通过添加上下文与角色设定优化提示词 🚀
在本节课中，我们将学习如何通过为AI模型提供更丰富的上下文和明确的角色设定，来显著提升其生成内容的质量和相关性。我们将探讨两个核心技巧：添加上下文和设定角色。
上一节我们介绍了提示词的基本概念，本节中我们来看看如何通过具体的技巧来优化它们。
概述：为何上下文与角色至关重要
AI模型的能力在很大程度上取决于我们提供给它的信息。仅仅提出一个简单的问题，得到的回答可能流于表面。然而，当我们提供详细的背景、具体的目标和明确的角色指示时，AI就能生成更精准、更有深度且更具实用价值的回答。这就像是为一位专家提供一份详尽的项目简报，而不是仅仅问他一个模糊的问题。
核心技巧一：提供丰富的上下文
为AI模型提供尽可能多的相关背景信息，是获得高质量回答的关键。你可以将AI的回应视为一场持续对话的一部分，通过不断迭代和补充信息来优化结果。
以下是添加上下文的一些具体方法：
-
说明背景与目标：清晰地阐述你正在进行的项目、面临的挑战或期望达成的目标。
-
提供参考材料：你可以上传现有的文档，如项目计划、团队使命宣言或公司价值观文件，并以此作为提示词的一部分。
-
描述历史与现状：告诉AI“这是你之前做过的事情”或“这是公司目前的状况”，为其提供思考的起点。
公式示例：
基础提示：“帮我写一个营销计划。”
优化后提示：“我们是一家专注于可持续时尚的初创公司，预算为5万美元，时间线是3个月。目标是提高品牌在25-35岁都市女性中的知名度。请基于这些信息，帮我制定一个分阶段的营销计划。”
核心技巧二：设定明确的角色
通过指示AI扮演某个特定领域的专家角色，可以引导其以更专业、更贴切的视角来生成内容。这能有效提升回答的权威性和针对性。
设定角色时，可以遵循以下结构：
-
使用角色指令：以“想象你是一位世界级的[某领域]专家”这样的句式开头。
-
结合具体任务：在角色设定后，立即给出具体的任务要求，如“为这个预算和时间线制定营销方案”。
-
融入上下文：将角色设定与之前提到的丰富上下文结合起来，形成完整的提示。
代码示例：
提示词 = “想象你是一位世界级的市场营销专家，专门服务于科技初创公司。我们公司[你的公司名]的价值观是创新、用户至上和协作。现有项目计划[可附上文件]已使用两年，请分析并建议如何优化，以更好地实现我们的市场拓展目标。”
总结与回顾
本节课中我们一起学习了两个优化提示词的核心实战技巧：添加上下文与设定角色。记住，给AI的信息越具体、越丰富，你得到的回答就越有价值。不要从零开始，善于利用已有的文档和清晰的专家角色设定，将AI视为一个可以进行深度对话和迭代的合作伙伴，从而最大化地发挥其潜力。
007：四种实用的提示词迭代方法 🛠️
在本节课中，我们将学习当生成式AI的输出结果不理想时，如何通过迭代优化提示词，而不是从头开始。我们将介绍四种具体的方法来改进提示词，以获得更有用的输出。
有时，你的提示词可能无法给出你想要的结果。与其放弃所有工作并从零开始，不如思考如何通过迭代来塑造输出，使其更有用。
回顾提示词框架 📝
上一节我们提到了输出不理想的情况，本节中我们首先来看看第一种迭代方法：回顾提示词框架。
第一种方法是重新审视提示词框架，确保你在任务、上下文和参考方面提供了足够的细节。例如，如果你写“给我五个博客文章创意”，生成式AI工具可能反应平平。但如果你调整提示词，包含角色和格式，效果会更好。
以下是优化后的提示词示例：
你是一位运动营养学专家。为与职业篮球运动员合作的物理治疗师受众，提供五个总结行业最大趋势的博客文章标题。
拆分复杂提示词 ✂️
在确保框架完整后，如果输出仍然复杂或混乱，可以尝试将提示词拆分成更短的句子。
第二种方法是将你的长提示词分解为更小的任务。从一个长输入开始，例如：“总结这份报告中的关键数据点和信息，然后根据数据创建可视化图表，并将关键信息缩短为要点。”
你可以将其拆分为更短的句子，并作为单独的提示词输入。你将输入每个提示词，接收输出，然后跟进新的提示词，直到完成所有任务。
以下是拆分步骤：
-
首先，输入：“总结这份报告中的关键数据点和信息。”
-
然后，跟进：“用你总结的数据创建可视化图表。”
-
最后，输入：“将你总结的关键信息缩短为要点。”
有时，更短的句子可以产生更精确的结果，因为生成式AI工具可以一次解析一个小任务，而不是一次性识别所有任务之间的关系。
尝试不同表述或类比任务 🔄
如果拆分任务后效果仍有限，我们可以尝试改变提问的角度。
第三种方法是尝试使用不同的措辞，或切换到类比任务。类比任务与你试图完成的任务非常相似，但又足够不同以触发新的响应。
例如，如果你要求生成式AI工具帮助为产品或服务撰写营销计划，但结果不理想，你可以改为要求它：“写一个关于这个产品如何融入我们目标客户生活场景的故事。”
通过从“写一份营销计划”转变为“写一个故事”，你要求生成式AI工具以不同的方式处理任务，这可能会让你更接近有用的输出。
引入约束条件 🎯
最后，如果输出过于宽泛或缺乏新意，我们可以尝试为其增加一些限制。
第四种方法是引入约束条件，这也有助于聚焦生成式AI工具的输出。例如，假设你想为即将到来的公路旅行制作一个播放列表，并且正在思考要包含哪些艺术家。你已经添加了一些关于你最喜欢流派的背景信息，但结果有些乏味，都是你听过无数遍的歌曲。
为了获得更好的、更出人意料的输出，你可以开始添加约束条件，例如指定你只想要来自某个特定地区的艺术家，或者近五年内发布过音乐的艺术家。
在你的提示词中添加约束条件将帮助AI工具缩小输出范围，为你提供更有帮助或更独特的内容。
总结 📚
本节课中我们一起学习了四种改进提示词的迭代方法：
-
回顾框架：确保提示词在任务、上下文和参考方面足够具体。
-
拆分任务：将复杂的提示词分解为一系列更短、更简单的句子。
-
改变表述：尝试不同的措辞或使用类比任务来获得新的视角。
-
增加约束：通过添加限制条件来聚焦和优化输出结果。
你评估和迭代的能力越强，你的输出结果就会越好。
008：通过迭代提示词实现成功 🎯
在本节课中，我们将学习如何通过迭代优化提示词来获得更准确、更有用的AI回答。我们将探讨大语言模型（LLM）的局限性，并掌握一个关键的实践方法：将提示过程视为一个需要反复调整和验证的循环。
概述：理解迭代的重要性
首先，需要记住大语言模型并非完美无缺。它们会犯错，有时这些错误会以非常微妙的方式出现。例如，如果我让我的LLM帮我起草一份文档，它可能会写出一段看起来极其自信的文字。这时，我必须依靠自己的知识去核实，因为了解我正在处理的主题意味着我能发现错误，并确保我不会将大语言模型的建议当作绝对真理。它需要被核查。
提示过程也是一个高度迭代的过程。无论我的第一个提示词是什么，真正能提取出我所需要的帮助或问题答案的，往往是后续的迭代。我通常会从一个提示词开始，但我非常清楚，我将不断迭代优化这个提示词，直到得到我真正想要的结果。这不是一次就能完成的事情，甚至可以说它永远不会真正“完成”。
保持一定的谨慎很重要，因为模型中可能存在一些事实性错误。然而，正是通过迭代，才能让模型最终完成我设定的任务。
上一节我们介绍了大语言模型存在错误以及需要核查的基本概念，本节中我们来看看如何通过具体的迭代步骤来优化提示词。
核心步骤：迭代提示词工作流
以下是进行有效提示词迭代的三个核心步骤。
-
设定初始提示
- 从一个清晰、具体的目标开始。例如：“帮我写一份关于气候变化的演讲开场白。”
-
评估与发现问题
- 仔细检查AI的回复。寻找事实错误、逻辑矛盾、语气不符或信息缺失等问题。例如，回复可能包含了过时的数据。
-
精炼与再次提问
- 基于发现的问题，修改你的提示词。可以更具体地说明要求、纠正方向或增加限制条件。例如，将提示改为：“帮我写一份关于气候变化的演讲开场白，要求引用2023年的最新数据，并且语气要鼓舞人心。”
这个过程可以循环多次，直到输出结果满足你的需求。公式可以概括为：输出质量 ≈ 初始提示清晰度 + 迭代优化次数。
关键要点与总结
本节课中我们一起学习了通过迭代提示词实现成功的核心方法。
首先，我们明确了必须对AI的输出保持批判性思维，始终进行事实核查，切勿将其输出视为绝对真理。
其次，我们掌握了迭代提示的基本工作流程：从设定初始提示开始，评估输出结果，发现问题，然后精炼提示词并再次提问。这是一个循环往复的过程，而非一蹴而就。
最后，我们认识到迭代是解锁大语言模型潜力的关键。通过持续地调整和优化你的指令，你可以引导AI生成更准确、更相关、更符合你期望的内容。记住，优秀的提示词工程更像是一场对话，而不是一次性的命令。
009：用生成式AI创作图像 🎨
在本节课中，我们将学习如何使用生成式AI工具来创作图像。我们将探讨如何为文本和图像生成任务构建提示词，并了解两者在提示方法上的细微差别。
概述
当您想要传达想法时，图像和视觉内容可能与文字同等重要。本节课程将教您如何使用生成式AI工具来创建视觉内容。到目前为止，我们要求生成式AI工具以所谓的“基于文本的模态”来生成回应。
模态是指生成式AI工具接收或生成信息的不同格式，无论是文本、图像、视频、音频还是代码。不同的生成式AI工具更擅长处理某些特定的模态。请务必检查您正在使用的生成式AI工具，以了解它能够使用或生成哪些模态。
从图像生成开始
让我们从图像生成开始。一些生成式AI工具可以创建图像，例如日出、一束花，甚至是一只螃蟹或一只海豚。但同样的工具也可以为商业或专业演示制作图像。
假设您是一位在新奥尔良演出的音乐家，想要宣传您的音乐会，您可以使用生成式AI工具来帮助您创建宣传演出的海报。
让我们提示Gemini同时创建文本和图像，以便讨论为每种模态构建提示词的细微差别。
首先创建文本提示
我们将首先处理文本。请记住，要时刻牢记“深思熟虑地创建优秀输入”的框架。基于文本的提示词在我们指定任务并添加一些清晰上下文时效果最佳。
因此，我们可以这样提示：
生成用于宣传新奥尔良摇滚音乐会的海报标题。
为了给任务增加更多上下文，我们可以写道：
音乐会仅此一晚，标题应鼓励观众不要错过。
通过指定我们的任务并添加上下文，我们正在引导生成式AI工具生成我们想要的基于文本的输出。
就这样，Gemini为海报想出了一些朗朗上口的标题。这是一个很好的例子：“新奥尔良，就是今晚，难忘的摇滚，仅此一夜。”它既吸引人又切中要点。
转向图像生成提示
现在，为了提示生成式AI工具生成图像，我们需要调整我们的语言。我们仍然会使用提示框架，但需要提供更生动的描述，以帮助生成式AI工具确定它需要创建的图像类型。
这意味着要指定图像中事物的大小、颜色和位置，以及我们想要的整体美学风格。
以下是构建图像提示的步骤：
首先，我们指定任务和格式。
生成一张电吉他的图像用于海报。它应该是摄影风格。
接下来，添加一些生动的描述。
吉他应该是闪闪发光的，并营造出一种兴奋感。吉他应该在前景中，并给人一种它漂浮在天空中的感觉。
很好，Gemini创建了四张不同的图像，您可以在海报上使用。
迭代和优化图像提示
那么，我们如何让这些图像变得更好呢？让我们分解一下如何迭代和优化图像提示词。
我们仍然会使用提示框架，但对音乐会海报进行一些小的调整。也许您喜欢吉他的外观，但想通过添加一场风暴，让闪电击中吉他，使其更加激动人心。
我们可以通过这样写来优化它：
现在让天空变得暴风雨密布，闪电击中吉他。
您可以选择保留这张图像，或者继续评估并一次又一次地迭代，从每个新的输出中添加相关细节，直到获得一个满意的作品。
总结
在本节课中，我们一起学习了如何使用生成式AI工具创作图像。我们了解到，为图像生成构建提示词需要比文本生成更生动、更具体的描述，包括对大小、颜色、位置和整体美学的详细说明。通过指定任务、添加上下文并进行迭代优化，我们可以引导AI生成符合我们需求的视觉内容。记住，不同的AI工具擅长不同的模态，选择适合的工具并清晰表达您的需求是成功的关键。
010：精炼你的创意构想 🎨
在本节课中，我们将要学习一个核心概念：迭代。你将了解如何通过与AI进行多轮对话，逐步优化你的提示词，从而获得更符合预期的输出结果。
什么是迭代？ 🔄
上一节我们介绍了提示词的基本概念，本节中我们来看看迭代。迭代是指持续改进的过程。在与AI交互时，迭代意味着：查看AI的输出结果，利用该反馈来改进你的提示词，然后再次尝试，如此循环往复。
迭代过程详解
以下是迭代过程的一个典型示例，它展示了如何通过多轮对话精炼一个创意构想。
假设你想为你的工作团队设计一个新Logo。你向AI提出了初始请求：
“为我的工作团队设计一个新Logo。”
AI生成了四个选项，但它们看起来都有些奇怪，不完全符合你的审美。
于是，你根据第一次的输出进行第一次迭代，增加了对颜色的要求：
“为我的工作团队设计一个新Logo，使用蓝色和绿色。”
AI再次生成了一些选项，可能包括抽象风格、卡通风格、严肃风格或线条艺术风格。你发现线条艺术风格的方向是对的，但希望它更简洁、更连贯。
接着，你进行第二次迭代，进一步明确了风格和理念：
“为我的‘创新者’团队设计一个Logo。它需要传达‘协作与突破’的理念，采用线条艺术风格，并使用蓝色和绿色。”
通过这样一轮又一轮的反馈与调整，你不断迭代你的提示词，最终会得到一些你比较喜欢的Logo选项。
迭代的核心价值
这个过程体现了一种思维模式的转变：与AI的交互不再是单次命令与执行，而是一场持续的对话。你给出指令，获得结果；如果不满意，就稍作调整，然后再次尝试。这种一来一往的协作模式，正是新一代AI令人兴奋的地方——它让我们能够以类似与人类设计师合作的方式，在迭代性任务上进行协作。
总结
本节课中我们一起学习了迭代的概念与实践。记住，迭代的精髓在于利用反馈，持续改进。不要期望第一次提示就能得到完美结果，而应通过多轮对话，逐步将模糊的创意构想精炼成明确、具体的指令，从而引导AI产出更符合你期望的成果。最终，AI的输出可以作为绝佳的灵感来源，供专业设计师进一步创作。
011：在提示词中运用图像、文档等多元素材
在本节课中，我们将要学习如何超越纯文本，在提示词中结合图像、音频等多种类型的素材，以激发生成式AI工具产生更丰富、更精准的输出。这种技术被称为“多模态提示”。
上一节我们介绍了使用文本来生成图像。本节中我们来看看如何将图像本身作为提示词的一部分，来创造不同类型的输出。这就是多模态提示。
多模态提示的核心在于使用不同类型的媒体来引导生成式AI工具。例如，可以同时输入图像和文本，或者音频和文本。这在工作场景中尤其有用。
以下是多模态提示在工作中的几个应用场景：
-
你可以拍摄一张图表照片，要求AI工具用通俗语言解释其中的数据。
-
你可以上传公司品牌重塑的几个备选Logo作为参考，然后提示AI工具基于每个方向为你生成更多选择。
-
你可以录制一段外语音频，要求AI将其转录成你能理解的语言。
🖼️ 图文结合提示示例：为美甲设计撰写社交媒体文案
让我们通过一个例子来具体说明。我们将同时使用图像和文本来提示Gemini，并获得一个基于文本的输出。
假设你是一位创业者，正在销售一系列新的美甲设计，需要帮助撰写社交媒体文案。你可以拍摄一张美甲设计的照片，然后请求帮助写一段文案。
我们有一张美甲设计的照片，将其输入到Gemini中，并给出提示词：“写一篇包含这张图片的社交媒体帖子。帖子应该有趣、简短，并重点说明这是我正在销售的新设计系列。”
请注意，除了包含美甲设计的参考图片，我们仍然运用了提示词框架的其他要素。我们明确了任务（写帖子），添加了背景（新设计系列），并指定了格式（有趣、简短）。虽然我们没有提供其他参考，但如果我们希望AI工具匹配特定的语气或风格，我们完全可以输入几条过往帖子的文案作为参考。
结果很棒。Gemini分析了图像，并创建了一段有趣、可用于营销美甲设计的文案。注意它是如何使用表情符号来分隔文本，以及如何通过询问粉丝最喜欢哪个设计来与他们互动。
多模态提示的妙处在于，它反映了你体验世界的方式。在工作中做演示时，你不仅仅是讨论文字或图片，而是在它们之间建立联系，从而更全面地理解主题。文字、图像和其他模态的结合，可以开辟解决问题或节省时间的新途径。
📄 从文档图像中提取信息示例
让我们看另一个例子。假设你去参加一个会议，收到了一份活动日程表，你希望你的团队特别关注其中的几项活动。
你可以将日程表的图片输入AI，并给出提示：“我想给同事发一个关于会议日程中特定活动的提醒。请从这份日程表中提取主题演讲和两场小组讨论的时间，整理成一个表格。”
同样，我们在输入日程表图片之前，明确了任务（提取信息），提供了有用的背景（用于提醒同事），并指定了格式（表格）。让我们看看结果。
很好，生成的表格让你和团队能一目了然地知道需要参加哪些活动以及具体时间。你甚至可以更进一步，提示Gemini根据这些信息起草一封邮件。我们将在课程后面探讨如何提示AI起草邮件。
无论你使用哪种模态进行提示，请务必牢记提示词框架，以获得最佳效果。
📝 总结
本节课中我们一起学习了多模态提示。我们了解到，多模态提示允许我们结合图像、文本乃至音频等多种类型的输入，来引导生成式AI。通过两个具体示例——为美甲图生成社交媒体文案、从会议日程图中提取信息——我们实践了如何在实际工作场景中应用这一技术。关键在于，即使使用了图像等非文本素材，我们依然需要遵循清晰的提示词框架：明确任务、提供背景、指定格式。思考一下，你可以在工作中如何利用不同的模态来提升效率呢？
012：负责任地使用生成式AI 🛡️
在本节课中，我们将学习如何负责任地使用生成式AI工具。生成式AI功能强大，但与其他工具一样，负责任地使用至关重要，尤其是在工作场景中。我们将探讨如何评估任务、保护数据、审查输出以及避免偏见，确保AI成为我们高效且可靠的助手。
第一步：评估任务与目标的一致性 ✅
上一节我们介绍了负责任使用AI的重要性，本节中我们来看看具体如何操作。首先，你需要考虑你计划使用生成式AI解决的问题。
你需要评估该任务是否与你的个人目标、以及对客户和同事的义务保持一致。同时，必须考虑你所在组织的相关政策，以及关于使用生成式AI执行此类任务的当地法律。
如果任务与这些目标、政策或法律不符，那么你应该重新思考你的流程，并判断生成式AI工具是否适合此项工作。
第二步：保护机密与敏感数据 🔒
在将任何数据输入生成式AI工具之前，数据安全是首要考虑。以下是关于数据保护的关键步骤：
-
查阅公司政策：在向生成式AI工具输入机密或敏感数据前，务必先查阅公司的规章制度。
-
使用企业版工具：检查公司是否提供了允许处理特定类型数据的企业版生成式AI工具。
-
注意个人使用：如果你为个人目的使用公开可用的生成式AI工具，应避免输入关于你个人的隐私或机密信息，并始终留意你所输入的数据可能被如何利用。
第三步：审查输出的准确性与偏见 🔍
作为负责任的生成式AI使用者，意味着你需要评估输出内容是否存在潜在偏见和错误，并在与他人分享内容时披露AI的使用情况。
虽然可以借助生成式AI的帮助，但你仍需像对待任何其他来源的信息一样，评估其输出的准确性。对于“幻觉”现象尤其如此。
幻觉是指生成式AI工具产生不一致、不正确甚至毫无意义的输出。当用户给出的指令模糊不清，或工具对其不完全理解的问题进行猜测时，最常发生幻觉。
幻觉可能难以识别，因此对输出内容进行事实核查和交叉比对至关重要，以确认其中的事实或陈述是否真实。请记住，生成式AI工具无法像人类一样进行批判性思考。保持“人在回路”的方法非常重要。
“人在回路” 意味着在使用生成式AI的输出之前，应由人类进行验证。
例如，我曾为一次演示生成一张图片。我的提示词是：“一群猫乘坐火箭前往月球”。然而，输出结果有些偏差：猫在火箭顶部，而不是内部。这对猫来说并不安全。虽然我在提示词中写了“猫在火箭上”，但我并非字面意思如此，而工具无法理解这一点。因此，我进行了迭代，并明确指定猫应该安全无恙地出现在火箭内部，而不是顶部。
一些生成式AI工具（如Gemini）内置了事实核查功能，允许你使用谷歌搜索对输出进行交叉比对。将输出并排比较，可以更容易地判断初始输出的准确性，并发现任何差异。
第四步：避免偏见与使用包容性语言 🌍
那么，如何在问题发生前就避免它们呢？你需要识别输出中的偏见及其可能带来的负面后果。
偏见可能表现为对某类人群的刻板印象或不公平描述。避免产生带有偏见或负面影响的输出，始于输入具体、详细的提示词，并根据需要进行迭代。
另一个关键部分是使用包容性语言。在你的输入中，应使用涵盖所有背景、性别和种族人群的语言，并避免刻板印象和笼统概括。
例如，如果你使用生成式AI工具帮助你撰写职位描述，应避免使用“服务员”或“工人”这类带有性别色彩的词汇。相反，应使用“服务人员”或“工作人员”，这样工具就不会写出只针对特定性别认同者的描述。
请始终记住，生成式AI只是工具。它们无法进行批判性思考，也无法像人类一样理解细微差别。每次使用生成式AI工具时，带入人类的视角和判断是你的责任。
总结 📝
本节课中，我们一起学习了负责任使用生成式AI的四个核心步骤：
-
评估任务：确保使用AI的目的符合目标、义务与法规。
-
保护数据：在处理敏感信息前，务必遵循公司政策，优先使用安全工具。
-
审查输出：对AI生成的内容进行事实核查，警惕“幻觉”，坚持“人在回路”。
-
避免偏见：使用具体、详细的提示词和包容性语言，从源头减少偏见输出。
通过遵循这些准则，你可以更安全、更有效、更符合伦理地利用生成式AI的强大能力。
013：探索缓解AI幻觉的策略 🤖
在本节课中，我们将要学习什么是AI幻觉，并探讨几种实用的策略来缓解或应对AI生成内容时可能出现的幻觉问题。
什么是AI幻觉？ 🤔
上一节我们介绍了课程的整体背景，本节中我们来看看AI幻觉的具体定义。
AI幻觉是指AI生成的输出内容与现实不符的情况。这些输出内容不真实。有时，这在创作虚构故事或创意作品时可能是有益的。然而，当你试图获取事实信息或进行分析时，AI产生完全虚构的答案，甚至是细微但错误的答案，这就可能非常不受欢迎。
缓解AI幻觉的策略 🛡️
理解了AI幻觉的概念后，我们来看看如何应对它。对于所有使用AI的人来说，最重要的事情之一是检查所有输出是否存在幻觉。尤其是在你试图获取事实性、非创意性输出时，确保AI生成的内容符合现实是你的责任。这通常比看起来更困难。
以下是几种有效的缓解策略：
-
利用工具内置功能：一些工具，如Gemini，实际上内置了事实核查功能。强烈推荐使用这类功能。
-
通过搜索验证：利用搜索引擎验证AI提供的信息。
-
运用自身知识判断：依靠你自己的知识储备进行判断。
-
借助社群力量：与你的社区、朋友或同事一起核对信息。
这些策略都能有效帮助我们发现和纠正AI幻觉。
本节课中我们一起学习了AI幻觉的定义及其潜在影响，并掌握了几种实用的缓解策略，包括利用工具功能、主动验证和多方核对。记住，对AI输出保持审慎和验证的态度，是负责任地使用AI的关键。
014：使用AI节省工作时间
在本节课中，我们将学习如何通过生成式AI工具来提升工作效率，特别是在处理文本摘要、邮件撰写、头脑风暴、日程规划和会议记录等任务时。
概述
我的工作需要阅读大量研究论文。有时一天会收到好几篇。虽然我很乐于了解领域内的最新动态，但总有无法逐字逐句读完每篇论文的时候。遇到这种情况，我会将论文上传到生成式AI工具，并开启对话。我会提示它找出研究中最关键的点，然后针对我好奇的信息提出后续问题。这帮助我快速熟悉了许多主题，就像拥有一位可以随时对话、富有创造力的助手。
上一节我们介绍了使用AI处理研究论文的基本场景，本节中我们来看看如何将这一能力应用到更广泛的日常工作场景中。
核心应用场景
现在，让我们深入了解如何运用这些提示，以及它们如何在工作中为你带来益处，从而提升你的生产力并激发创造力。
以下是生成式AI工具可以助你提升效率的几个核心应用方向：
-
总结文本：快速提炼长文档、报告或文章的核心要点。
-
撰写更好的邮件：优化邮件内容，使其更清晰、专业或具有说服力。
-
升级头脑风暴：激发新想法，拓展思维边界，为项目或问题寻找创新解决方案。
-
轻松制定日程：根据任务列表或目标，自动生成结构清晰的时间安排计划。
-
即时整理会议记录：从冗长的会议对话或录音中，快速提取关键决策、行动项和要点。
总结
本节课中，我们一起学习了如何将生成式AI作为高效的工作助手。通过有效的提示，你可以让它帮助你总结文献、优化沟通、激发创意、规划时间并管理会议信息，从而显著节省工作时间并提升工作质量。
015：借助AI处理待办事项清单
在本节课中，我们将学习如何将AI工具融入日常工作流程，特别是利用它来处理待办事项清单，从而提高个人生产力。
上一节我们介绍了AI在总结、头脑风暴等场景的应用。本节中，我们来看看如何将AI与具体的待办事项管理相结合。
🎯 从何处开始
对于初学者而言，面对空白的AI界面可能会感到无从下手。一个有效的策略是审视你已经在做的事情，并思考AI如何能提供帮助。
以下是开始使用AI处理待办事项的具体建议：
-
审视现有清单：拿出你当天或当周的实际待办事项清单。
-
扫描任务：逐一查看清单上的每一项任务。
-
识别可辅助项：针对每个任务，思考“AI能否帮助我启动或完成这件事？”例如，需要给团队写邮件、研究某个主题或启动一个项目。
-
直接求助AI：对于识别出的任务，直接向AI提问：“有什么方法可以用AI来帮助我启动这件事吗？”
核心思路是转变提问方式：不要问“我能用AI做什么？”，而是问“我正在做的哪些事情，AI可以协助？”
📝 核心方法总结
本节课中我们一起学习了如何借助AI处理待办事项清单。关键在于将AI视为提高现有工作效率的工具，通过扫描你的实际任务清单，主动寻找AI可以辅助的环节，从而更轻松地启动和推进工作。
016：使用生成式AI撰写邮件 📧
在本节课中，我们将学习如何利用生成式AI工具来撰写和优化邮件。我们将通过一个健身房经理通知员工和会员新课程表的实际案例，演示如何构建提示词、调整语气，并为不同受众定制内容。
概述
生成式AI非常擅长协助起草邮件、调整写作语气或风格，并提供改变沟通方式的思路。无论你是撰写广告文案的文案、为高管起草讲话要点的演讲撰稿人，还是需要通知日程变更的健身房经理，这项练习都很有用。
我们将使用一个提示词框架：设定角色、提供背景、明确任务，然后评估并迭代。
第一步：为内部员工撰写邮件
首先，我们需要设定一个身份。在这个例子中，我的身份是健身房经理。
接下来，我们提供背景信息：我们有一份新的健身房课程表。
然后，我们明确任务：撰写一封邮件，通知员工新的课程表。需要特别强调，周一、周三、周五的“心肺冲击”课程时间已从上午7点改为上午6点。
为了让邮件更具体，我们还需要指定邮件的内容和格式，包括语言或语气。
以下是完整的初始提示词：
角色：健身房经理。
背景：我们有一份新的健身房课程表。
任务：撰写一封邮件，通知员工新的课程表。特别强调周一、周三、周五的“心肺冲击”课程时间已从上午7点改为上午6点。
要求：邮件需专业且友好，内容简短，便于读者快速浏览。
现在，我们将新的课程表信息粘贴进去。
生成的邮件内容清晰，包含了所有关于日程变更的信息，简短易读。这是一个非常适合发送给员工的邮件草稿。
第二步：为不同受众迭代优化
但你知道吗？你可以要求AI为新的受众调整这封邮件的输出。例如，你可能希望输出对小团队更随意，对管理层更正式，或者面向完全不同的受众。
让我们尝试一下。我们将迭代我们的提示词，要求AI以更随意的语气为健身房会员和客户撰写一封邮件。
我们在此要求一个具有新细节和背景的新版本。
以下是新的提示词：
基于之前的课程表信息，为我们的健身房会员和客户撰写一封简洁的对外邮件。
要求：解释新的课程表将帮助我们更好地为他们服务。确保语气有趣、友好且富有激励性，以体现健身房对会员健康目标的热情和活力。邮件中请包含一个关于“举重”的双关语。
生成的邮件有趣且充满活力，同时仍然包含了所有关于日程变更的重要信息。仅仅通过一个额外的提示词，我们就为新的受众完全改变了这封邮件的风格，而没有丢失关键信息。
总结
在本节课中，我们一起学习了如何使用生成式AI工具撰写邮件。我们通过一个具体案例，演示了如何：
-
构建提示词：通过设定角色、提供背景和明确任务来获得初始输出。
-
迭代优化：通过修改提示词中的语气、风格和目标受众，为不同群体定制沟通内容。
当你借助生成式AI工具起草任何类型的沟通内容时，请确保输出内容是准确的，并通过调整你的提示词来获得对你最有帮助的信息。
017：激发创意灵感 🧠
在本节课中，我们将学习如何撰写提示词，以利用生成式人工智能（如Gemini）来激发创意和进行头脑风暴。我们将通过一个具体的案例——为一款新的中世纪奇幻角色扮演游戏策划上市活动——来演示整个过程。
概述
无论是策划团队建设活动，还是构思工作项目方案，生成式人工智能都能帮助你生成想法、头脑风暴解决方案，从而做出更明智的决策。关键在于精心构建输入内容：你需要明确任务、提供背景信息、包含相关参考，然后进行评估和迭代。
上一节我们介绍了提示词的基本构成，本节中我们来看看如何将这些要素应用于创意生成。
构建创意提示词
为了从AI获得有价值的创意，你的提示词需要包含几个核心部分：角色、背景和具体任务。
1. 设定角色与背景
首先，你需要告诉AI“你是谁”以及“在什么情况下”。这为AI提供了生成相关内容的框架。
示例角色与背景设定：
我是一家知名视频游戏发行商的营销人员，公司以制作沉浸式故事型在线游戏闻名。我正在为一款新的中世纪奇幻角色扮演游戏策划上市活动。游戏讲述了一位年轻主角寻找失踪伙伴的故事，主要受众是年轻人。游戏开发已进入最后阶段。
2. 明确任务与格式
其次，你需要清晰地说明你希望AI具体做什么，以及你期望的输出格式。
示例任务指令：
请为游戏上线前的一年时间，草拟一个粗略的时间线。同时，提供一些上市前的活动创意，帮助为游戏造势。
评估与迭代：像对话一样
生成初步结果后，评估输出并根据需要进行迭代，这就像与AI进行对话，不断引导它产生更符合你期望的内容。
例如，AI可能给出了一个不错的初步时间线和一些预热活动想法（如举办艺术比赛、发布开发者日志）。但如果你希望活动能吸引全球的年轻受众，可以进一步提出要求。
迭代提示词示例：
现在，请提供一些能吸引全球年轻受众的上市前活动创意。
通过增加“全球受众”这一背景，AI会调整其建议，可能会提出包含文化参考的游戏内容、与全球各地网红合作、举办多语言在线活动等更具国际视野的创意。
核心步骤总结
以下是利用AI进行创意头脑风暴的核心步骤：
-
构建基础提示词：结合角色、背景和具体任务。
- 公式：
输出 = 角色 + 背景 + 任务
- 公式：
-
生成初步想法：运行提示词，获取AI的初始反馈。
-
评估输出：检查创意是否符合你的目标和背景。
-
迭代优化：通过补充背景、调整任务或要求更多细节，像对话一样优化提示词，以获得更精准的结果。
总结
本节课中，我们一起学习了如何通过精心设计的提示词，利用生成式人工智能来激发创意灵感。关键要点在于：明确你的身份和项目背景，清晰下达任务指令，并将输出评估与提示词迭代视为一个持续的对话过程。无论是规划游戏上市，还是构思团队破冰活动，这个方法都能帮助你高效地生成多样化的创意方案。
018：轻松构建表格与追踪器 📊
在本节课中，我们将学习如何利用生成式人工智能工具，快速、高效地创建结构化的表格和项目追踪器。我们将通过一个员工排班表的实例，演示从构思提示词到生成最终表格的完整流程。
上一节我们介绍了生成式AI的基本应用场景，本节中我们来看看如何让它帮助我们处理具体的结构化数据任务，例如创建表格。
表格和项目追踪器在工作中至关重要，它们能帮助团队成员明确职责，并确保时间线和交付成果按计划推进。然而，手动构建这些文档可能非常耗时。生成式AI可以显著加速这一过程。
让我们尝试一个例子：你需要创建一个每周员工排班表，并希望提示Gemini来生成这个表格。
以下是我们的任务、格式和上下文要求：
-
任务：创建一张追踪每周员工排班的表格。
-
格式：表格需包含“日期”、“员工姓名”和“班次（上午或下午）”这几列。
-
上下文与约束条件：
-
我有10名员工，他们的工号是1到10。
-
每天上午班次必须安排两名员工，下午班次也必须安排两名员工。
-
员工在安排了下班次后，第二天不应被安排上午班次。
-
员工在同一天不应既被安排上午班次又被安排下午班次。
-
每周每位员工的总班次数应大致相同。
-
基于以上清晰的指令，Gemini在几秒钟内就生成了一份易于追踪的员工排班表。输出结果严格遵守了我们提示中设定的所有约束条件，例如确保了无人需要连续工作或同日工作两个班次。
更便捷的是，我们可以将生成的排班表直接导出到Google Sheets中继续编辑。登录后，我们还可以在Sheets内直接提示Gemini，让它总结我们的排班表、创建新的排班计划，甚至生成公式来快速分析信息。
但请务必记住，在使用生成式AI工具处理工作时，应避免输入任何你不希望工具审核员能够访问的敏感信息。在此案例中，我们不应输入员工的具体个人信息，因此使用了匿名的员工工号。在利用生成式AI工具工作前，请务必查阅你所在组织关于敏感数据和AI使用的相关政策。
本节课中我们一起学习了如何通过提供清晰的任务描述、格式要求和约束条件，利用生成式AI快速构建复杂的表格与追踪器。这种方法不仅能节省大量时间，还能确保输出结果符合特定的业务规则。记住，在享受便利的同时，保护敏感数据的安全始终是首要原则。
019：在文档中即时记录会议笔记
在本节课中，我们将学习如何利用 Gemini 在 Google Docs 中高效处理文本和会议记录。我们将通过两个具体示例，展示如何将复杂的文档内容转化为清晰、可操作的摘要和会议纪要。
示例一：优化产品退货政策
上一节我们介绍了在文档中使用 Gemini 的基本概念，本节中我们来看看如何应用它来优化具体内容。假设你收到客户反馈，认为公司的退货政策冗长且难以理解。
首先，登录 Google Docs，将现有的退货政策粘贴到文档中。接着，向 Gemini 输入提示词。一个有效的提示词需要明确指定任务和上下文。
以下是构建提示词的步骤：
-
指定任务：明确要求模型执行的操作。
-
提供上下文：给出模型需要处理的原始内容。
基于此，我们可以输入如下提示词：
总结以下内容，以撰写一份清晰、简洁的产品退货政策，并按顺序列出客户需要遵循的五个步骤。
执行后，你将获得一份可供参考的精炼退货政策，以及一个清晰的客户退货步骤清单。这不仅能帮助你更好地协助客户，也提升了工作效率。
示例二：从会议转录稿生成会议纪要
除了优化文档，Gemini 还能帮助我们从冗长的会议记录中提取关键信息。想象一下，你刚结束一个内容繁多的会议，需要整理出谁说了什么以及各自的行动项。
你可以先在 Google Meet 中生成会议转录稿，然后将其复制到 Google Docs 中。接下来，使用 Gemini 来创建结构化的会议纪要。关键在于通过精心设计的提示词，准确获取你需要的信息。
我们使用一个由 AI 生成的会议转录稿作为示例。首先，我们构建一个初始提示词：
为本次会议创建会议纪要。按发言人划分会议纪要部分，并为每位发言人创建一个包含其关键要点的项目符号列表。如果适用，突出显示每位发言人的行动项。
生成初步纪后，你可能会发现，如果能按会议讨论的关键点来组织，并明确责任分配，纪要会更加清晰有用。因此，我们可以对提示词进行迭代优化。
以下是优化后的提示词结构：
-
保持核心任务不变：
为本次会议创建会议纪要。 -
优化输出格式和要求：
根据从纪要中提取的关键点创建章节。将每个关键点归属于对应的发言人，然后将行动项分配给最合适完成该任务的发言人。
经过优化，生成的会议纪要将更清晰地展示行动项和每位与会者的核心观点。现在，你可以利用这些笔记与同事对齐项目进度、向利益相关者同步更新、帮助团队成员明确职责，并跟踪交付物的完成情况。
本节课中我们一起学习了如何运用 Gemini 在 Google Docs 中执行两项实用任务：优化复杂文本和从会议转录稿生成结构化纪要。关键在于构建清晰的提示词，明确指定任务、上下文和期望的输出格式。通过迭代优化提示词，你可以获得更精准、更有用的结果，从而显著提升文档处理和信息整理的效率。
020：总结冗长文档 📄
在本节课中，我们将学习如何利用生成式AI工具来总结冗长的文档，提取关键信息，并将其转化为易于理解的新资源。掌握这项技能，能帮助你在研究、撰写报告或分析市场趋势时，高效处理复杂材料。
概述：为何需要总结文档？ 🤔
在进行研究、撰写报告或调查市场趋势时，你必然会遇到一些特别复杂或冗长的材料。幸运的是，生成式AI工具可以总结大段文本、提取关键见解，甚至将它们转化为新的资源。你还可以在提示词中指定偏好的输出格式，从而精确获得你想要的输出类型。
核心概念：长上下文窗口 📖
上一节我们提到了处理长文档的需求，本节中我们来看看实现这一功能的关键技术：长上下文窗口。
当你需要总结一份很长的报告时，必须使用具备长上下文窗口的生成式AI工具。长上下文窗口允许模型一次性处理大量不同格式的信息。它还能增强模型理解提示词并生成更连贯、上下文更相关响应的能力。
核心公式：
模型输出质量 ∝ 上下文窗口长度与文档理解深度
实战演练：在Google AI Studio中操作 💻
了解了核心概念后，让我们进入实战环节，看看如何在Google AI Studio中应用这些知识。
首先，打开AI Studio并使用Google账户登录。请注意，我们可以为提示词命名，这便于日后查找，并在与他人共享提示词时非常有用。
现在，让我们开始使用提示词框架。以下是我们需要完成的任务，包括指定的格式。
任务提示词示例：
Summarize this report in an outline. Focus only on the most essential points.
效果非常显著，44页的信息被提炼成了几个要点。我们可以将此提示词命名为“报告总结”。
重要限制与变通方案 ⚠️
上一节我们成功总结了报告，但需要注意的是，并非所有生成式AI工具都具备长上下文窗口功能。
长上下文窗口并非在所有生成式AI工具上都可用。因此，根据你使用的工具，它可能无法分析长文档。生成式AI技术是动态且不断变化的，因此请务必反复确认你所使用工具的功能和性能。
这里有一个专业提示：如果你使用的生成式AI工具能够处理大段文本，并且你需要总结，可以将文本拆分，每次粘贴一部分，提示总结每个部分，然后要求总结这些摘要。
进阶技巧：个性化总结方式 🎭
无论是进行研究还是分析报告，获取阅读内容的总结都可以帮助你在更短的时间内理解材料。
另一个专业提示是：生成式AI工具不仅能总结冗长文档，还能以不同的方式向你解释它们。通过融入角色并指定受众，你可以为总结进行个性化定制。
以下是实现个性化总结的方法：
-
为特定受众总结：例如，你可以要求“为不擅长数字的人总结这份报告”或“为小企业主总结这份报告”。
-
使用特定风格总结：甚至可以要求“用80年代电影台词来总结这份报告”。
通过指定角色和受众，你可以获得更贴合需求的、易于理解的摘要。
总结与回顾 🎯
本节课中，我们一起学习了如何利用生成式AI总结冗长文档。我们了解了长上下文窗口的核心概念及其重要性，并在Google AI Studio中进行了实践操作。我们还探讨了工具的限制、提供了拆分文本的变通方案，并学习了通过指定角色和受众来获得个性化总结的进阶技巧。掌握这些方法，将极大提升你处理复杂信息材料的效率。
021：借助AI重获时间 🕒
在本节课中，我们将学习如何将人工智能（AI）应用于工作和个人生活，以节省时间并提升效率。我们将通过具体实例，了解AI在信息总结和活动策划等场景中的实际应用。
如今，人工智能是我们所有人都在谈论的话题。请举几个例子，说明你在工作中如何使用它，在个人生活中如何使用它。你已经做了哪些AI帮助你的事情？
我认为，总结可能是我感受到“顿悟”时刻的最大领域之一。这为我节省了大量时间。过去，我每年都需要总结一个项目中的大约500份或更多的调查回复，这通常需要花费数小时。我需要通读所有回复，并尝试找出其中的主题。就在去年，我将这些数据直接输入AI，它在几秒钟内就为我提供了所有关键见解。知道这为我每天增加了数小时去做更具战略意义的事情，真的非常有帮助。
另一个我使用AI的方式，甚至是在个人生活中，就是为我女儿策划五岁生日派对。同样地，我本可以外出搜集活动创意、零食点子等所有信息。但我尽可能多地向AI描述了派对的情况：参与者是五岁的孩子、派对主题、人数，以及这是一个泳池派对。AI随后给出了从活动、主题食品到可以赠送的礼品等全方位的建议。它能为我完成所有这些工作，这真是太棒了，而这些事情原本需要花费不少时间。
上一节我们探讨了AI在总结和策划中的高效应用。接下来，我们看看如何确保AI输出的准确性。
那么，回到你使用AI总结工作内容的例子，你如何知道它做得正确呢？
我认为，在那个具体的例子中，这件事我已经独立做了五年。因此，通过看到AI的结果，我能够立即进行比较，并感叹：“哇，这正是我过去得到的结果，这也是我在数据中能看到的内容。”现在，我看到这些主题被清晰地组织起来，我可以判断它完成得非常出色。
我认为一个更快的例子是，看看AI如何帮助我起草一封电子邮件。比如，你可能需要为团队发送一份通知。如果你提供了最充分的信息——这是语气、这是受众、这是我想要听起来的感觉、这是我想要的格式（例如使用项目符号）——那么，当你看到AI为你生成的第一稿时，你真的会感叹：“哇，这甚至可能比我第一次尝试写得还要好”，或者我可以在此基础上进行修改。所以我认为，你使用得越多，它就越会持续给你带来惊喜。当然，现在当我写任何邮件时，我都会从使用AI开始。
本节课中，我们一起学习了如何借助AI工具重获宝贵时间。我们通过总结大量文本和策划复杂活动两个核心实例，看到了AI如何将耗时数小时的任务压缩到几分钟内完成。关键在于向AI提供清晰、具体的背景信息（例如：受众、主题、期望的格式）。同时，通过将AI的初步输出与自己过往的经验或数据进行对比，我们可以有效验证其结果的准确性。开始尝试让AI成为你工作和生活中的得力助手吧，它会不断带来惊喜。
022：练习高级总结技巧 🧠
在本节课中，我们将学习一种名为“密度链提示法”的高级总结技巧。这种方法能帮助你引导生成式AI工具，从一份冗长的初始总结开始，逐步提炼出更简洁、更聚焦的版本，最终获得对你最有用的信息。
上一节我们介绍了几种基础的总结技巧，本节中我们来看看如何通过迭代提示来获得更精确的总结。
什么是密度链提示法？ 🔗
当你要求生成式AI工具提供总结时，初始输出有时可能过于宽泛，缺乏你所需的细节。密度链提示法 可以帮助解决这个问题。通过这种方法，你可以获得一系列逐步精炼、越来越简洁的总结输出。
可以这样理解：假设你正在为公司构思一段完美的电梯演讲。你的第一稿太长，包含太多细节。但当你不断修改提炼时，它会变得更短、更直接，同时又不丢失需要传达的重点。最终，你得到了那段完美的电梯演讲：快速、直接且有效。
实践密度链提示法 📝
我们将通过一个例子来演示这个过程。假设我们有一份关于市场趋势的报告需要总结。
第一步：请求更短的总结
首先，我们在上一个提示词的基础上进行迭代，更新任务和格式要求。
提示词示例：
提供一份更短的总结，聚焦于报告中最重要的2到3个趋势。
第二步：进一步缩短为单句
任务完成了，但你可能希望它更短。我们可以让提示词更具体，以确保输出不仅更简洁，而且完全针对你的需求。让我们要求一个单句总结。
提示词示例：
将总结浓缩成一句话，突出最主要的一个趋势。
很好，我们不断要求它进一步提炼，并且对期望的输出结果非常直接和具体。
第三步：持续迭代直至满意
我们可以重复这个过程，直到生成对任务最有用、最有帮助的输出。我们甚至可以提前规划这些额外的迭代步骤，在最初的提示词中就要求生成式AI工具提供多个长度递减的版本。
核心方法公式：
输出结果 = 迭代提示(初始内容， 目标：{更短/更长}， 焦点：{具体方面})
为何需要迭代？ 🤔
你可能会想，为什么不一开始就要求最短的输出呢？原因如下：
-
检查幻觉：迭代过程帮助我们在从超级详细的版本过渡到更直接、更切中要点的版本时，检查AI是否产生了“幻觉”（即编造信息）。
-
跟踪信息取舍：它帮助我们了解，随着输出变短，哪些信息被剔除了，确保关键点得以保留。
反向应用：增加细节 📈
密度链提示法也可以反向操作。如果输出太短，我们同样可以通过提示来增加长度和细节。
记住，当你想到一份没时间阅读的报告时，试试这些提示技巧，你会发现快速生成一份有用的总结是多么容易。
总结 ✨
本节课中我们一起学习了“密度链提示法”。我们了解到，通过一系列逐步精炼的提示，可以引导AI生成从详细到精炼的不同版本总结。这种方法不仅能帮助我们获得最符合需求的输出，还能在迭代过程中监控信息的准确性与完整性。无论是缩短还是扩展内容，明确的迭代指令都是获得高质量AI总结的关键。
023：使用AI发现并呈现洞察
在本节课中，我们将学习如何利用生成式AI工具，从数据中发掘有价值的洞察，并将其转化为生动的可视化图表和引人入胜的演示文稿。
你是否还记得，当你的团队推出新产品后，某个特定区域的销售额随之上升？或者，一次简单的调查揭示了一个未被满足的客户需求？这些不仅仅是电子表格上的数字，它们是能够导向宝贵洞察的故事。然而，问题在于，你可能并不总是有时间去追踪这些故事。
生成式AI工具可以帮助你管理、分析、可视化并呈现数据。在本模块中，你将首先学习如何向生成式AI工具下达指令，以从数据中发掘洞察。接着，你将学习如何通过可视化让数据变得生动。最后，你将探索如何将所有内容整合成一个引人注目的演示文稿，帮助你展示并讲述你的故事。
上一节我们介绍了本课程的目标，本节中我们来看看如何具体使用AI来发现洞察。
以下是使用AI发现洞察的核心步骤：
-
准备数据：确保你的数据是结构化的，例如CSV文件或清晰的表格。向AI提供数据的背景信息，例如数据来源、字段含义等。
-
提出具体问题：不要问“分析一下这个数据”，而是提出具体、有针对性的问题。例如：“根据这份销售数据，找出过去一个季度增长最快的三个产品类别及其增长率。”
-
请求多角度分析：引导AI从不同维度进行分析。例如：“请从地区、客户年龄层和产品类型三个维度，分析销售额下降的可能原因。”
-
验证与追问：对AI给出的初步结果提出追问，以深化洞察。例如：“你提到A产品在X地区销量突出，请进一步分析该地区客户的购买行为有什么特征？”
上一节我们了解了发现洞察的步骤，本节中我们来看看如何将洞察可视化。
数据可视化能让复杂的洞察一目了然。你可以直接指示AI生成图表建议或代码。
以下是请求AI创建可视化的示例方法：
-
描述性指令：“将上述分析中‘各产品类别季度增长率’的结果，用一张柱状图来展示，并为图表添加清晰的标题和轴标签。”
-
代码生成指令（例如使用Python的Matplotlib库）：
# 请生成Python代码，使用Matplotlib绘制一个展示‘地区销售额占比’的饼图。 import matplotlib.pyplot as plt # 假设数据 regions = ['North', 'South', 'East', 'West'] sales = [350, 290, 410, 320] plt.figure(figsize=(7,7)) plt.pie(sales, labels=regions, autopct='%1.1f%%', startangle=140) plt.title('Sales Distribution by Region') plt.show()
上一节我们探讨了数据可视化，本节中我们将学习如何整合内容，形成演示文稿。
一个有力的演示文稿能将数据、洞察和故事流畅地结合起来。你可以指示AI帮助你构建叙述框架和内容。
以下是构建演示文稿大纲的提示词示例：
“基于我们之前关于‘Q3区域销售分析’的发现，创建一个演示文稿大纲。大纲需包括：现状概述、关键发现（使用项目符号列表）、机遇与挑战、以及三项核心行动建议。请为每一部分建议一个简明的标题和1-2个核心要点。”
本节课中我们一起学习了利用生成式AI进行数据分析的完整流程：从提出具体问题以发现数据洞察，到生成可视化图表来生动呈现数据，最后整合成结构清晰的演示文稿大纲。掌握这些提示技巧，能帮助你更高效地将数据转化为有说服力的商业故事。
024：利用AI揭示数据中的隐藏模式 🕵️♂️
在本节课中，我们将学习如何运用提示词框架，通过生成式AI工具从数据中解锁洞察和模式。我们将以在Google AI Studio中使用Gemini模型为例，演示如何分析数据、组织数据并发现趋势。
数据能教会我们很多，但首先需要知道如何解读它。在开始之前，请记住并非所有生成式AI工具都能处理数据，使用前务必确认工具的功能。同时，请负责任地使用AI，在提示中包含敏感或机密数据前，务必审查组织的相关政策。本示例使用的是公开数据。
从组织数据开始
上一节我们介绍了提示词的基本框架，本节中我们来看看如何将其应用于数据分析。面对一个包含大量变量的数据集时，首先需要将其组织得易于处理。
这里我们有一个关于一家连锁杂货店的数据集。AI Studio可以帮助我们分析所有数据，以发现可能影响公司运营的趋势和模式。
首先，我们将请求逐步指导。我们可以直接从存储Google表格的Google云端硬盘上传数据。如果使用Microsoft Excel，则需从电脑上传。
上传电子表格后，就可以编写提示词了。
提示词示例：
已附上一份包含店铺数据的Google表格。我如何在表格中创建一个新列，用于计算每家店铺的每位客户平均销售额？
让我们回顾一下输出结果。模型为计算每家店铺的每位客户平均销售额提供了一些有用的建议，甚至解释了如何使用更具描述性的公式来标记电子表格中的新列。
这只是一个例子。如果这种组织方法不奏效，我们可以迭代优化提示词，以获得更接近需求的输出。
深入探索数据趋势
发现数据集中的趋势有助于我们做出明智的决策，我们可以提示生成式AI工具来帮助寻找这些趋势。
请思考一个你一直想要分析的电子表格。在我们进行以下示例时，请将其记在心中。
再次从明确任务开始：
提示词示例：
根据给定数据，为我提供关于每日客户数量、可用商品数量和销售额之间关系的见解。
这个提示词快速为我们提供了大量有趣的信息。一个引人注目的发现是：特定店铺的商品数量与其总销售额之间没有明显的相关性。一些小型店铺的销售额甚至超过了大型店铺。
输出结果还为我们提供了这一趋势背后的一些潜在原因，以便我们进一步调查并思考潜在的销售策略。
总结与展望
本节课中，我们一起学习了如何利用生成式AI工具分析数据。通过几个简单的提示，我们不再需要花费数小时手动处理数据，就能提取有意义的见解。
回到你一直想要分析的那个电子表格，现在你知道如何利用AI来节省时间并提取关键洞察了。借助这些工具，数据分析变得前所未有的高效。
025：借助AI加速分析任务 🚀
在本节课中，我们将学习如何借助人工智能来加速数据分析等任务，了解AI如何降低技术门槛，让复杂的数据处理变得触手可及。
Tri提到，多年来见证了AI的诸多发展。他发现，使用AI进行代码、数据分析或其他分析任务的最大好处之一，是你无需事先掌握所有知识。
二十年前，如果你在大学学习商业技能，必须掌握管理电子表格等知识。如今，我们与数据的关系正变得更加深入，周围的数据也越来越多。你不再需要知道那些“魔法词汇”、复杂的公式、脚本或Python语言。
事实上，对于大多数非计算机科学专家的人来说，当前的大多数语言模型能将原本完全不可能完成的任务，直接变得可行。例如，你想处理一份包含上个月所有销售数据的电子表格，并编写一个程序来更新下个月的运行总计或类似的计算。
通过大概四到六轮的对话，你很可能就能找到一个并非专门为此设计的库，来完成精确的数据分析和预测。它可以读取电子表格中的行数据，更新你的销售预测，从而让你的工作轻松许多。
因此，AI带来的一个关键价值是：引入新的想法和概念。这些原本可能需要花费数小时去学习，但现在AI极大地缩短了这个学习周期。
与其花费五小时学习如何完成某项任务，或者干脆放弃，现在或许只需要两分钟，就能获得一个可运行的基础实现。这非常棒。
本节课中，我们一起学习了AI如何成为数据分析的强大助手。它通过降低技术门槛、缩短学习周期，让非专业人士也能快速实现复杂的数据处理任务，从而显著提升工作效率。
026：解读电子表格公式 📊
在本节课中，我们将学习如何利用生成式AI工具，通过自然语言提示词来理解和编写电子表格中的复杂公式。即使你对公式感到陌生，也能轻松掌握。
我是一名电子表格爱好者。但我也知道，并非所有人都像我一样对单元格和公式充满热情。
密集的电子表格和复杂的公式可能令人望而生畏，但无需担心。生成式AI可以帮助你理解和编写电子表格公式，你只需用自然语言向它提问即可。
你已经知道如何提示生成式AI工具来帮助你创建和理解文本、图像和数据点。它同样可以帮助你更好地理解电子表格公式。
让我们将提示框架付诸实践。想象一下，你在餐厅的同事去度假了，留给你一个充满数据和公式的电子表格。其中一些公式看起来很熟悉，但另一些则显得更为复杂。你今天需要订购库存，但又不想打扰你的同事。于是，你转向Gemini AI寻求指导。
第一步：理解复杂公式
我们将从设定角色和一些背景信息开始。
上一节我们介绍了使用AI的基本思路，本节中我们来看看如何具体应用。首先，你需要向AI清晰地描述你的处境。
以下是构建提示词的具体步骤：
-
设定角色与背景：
我在一家大型餐厅工作，需要在同事休假期间订购库存。 -
提供上下文：
他留给我一个用于计算需要订购多少食物的公式，但我不理解它。 -
粘贴公式：
=IFERROR(SUM(FILTER(C2:C100, B2:B100="Lunch", A2:A100=TODAY()-7))*1.1, "Check Data") -
明确任务与格式：
用简单的步骤解释这个公式的含义。
这样，你就能更容易地理解公式了。你现在应该对公式试图实现的目标有了更清晰的认识，从而可以快速处理库存订单。
第二步：诊断并修复错误
既然你已经理解了公式，接下来我们看看如果你遇到问题该怎么办。
你是否曾在电子表格中收到错误提示却不知如何是好？让我们提示Gemini来学习如何找出这些错误的来源。
我的Google表格使用这个公式来计算订单。我将粘贴公式：=VLOOKUP(A2, Inventory!A:B, 2, FALSE)
然而，我在其中一个单元格中收到了错误信息：#N/A
是时候指定任务和我们想要的格式了。
以下是请求AI帮助诊断错误的步骤：
-
描述问题：说明你使用的公式和遇到的错误信息。
-
提出具体请求：
给我一个在Google表格中查找并修复此错误的逐步过程。
这样，你就获得了解决那个烦人错误信息的清晰指导。解决了这些问题，你就可以顺利推进库存订单的工作了。
总结
本节课中我们一起学习了如何利用生成式AI解读电子表格公式。关键步骤包括：设定背景、提供具体公式、明确解释或诊断的请求。通过将复杂的公式或错误信息用自然语言描述给AI，你可以获得易于理解的逐步解释或解决方案，从而克服使用电子表格时的障碍。
027：通过可视化让数据生动呈现 📊
在本节课中，我们将学习如何利用生成式AI工具，将枯燥的数据转化为清晰、生动的图表，从而更有效地展示信息。
你的工作是否涉及向不同的人展示信息？无论是向潜在客户进行推介，还是向同事或组织领导层传达信息，在呈现数据时，展示往往比单纯讲述更具说服力。幸运的是，生成式AI工具非常擅长帮助你确定数据可视化的最佳方式。你只需要知道如何提问。
使用提示框架获取图表建议
你可以提示生成式AI工具，获取关于用何种图表或图形来展示数据的最佳建议。提示框架依然是你的指导原则：添加你的任务、上下文，并在需要时提供参考，然后评估输出结果并进行迭代。
你对所需图表类型及其参数的描述越清晰，得到的输出就越有用。
实战案例：书店销售数据分析
假设我们共同经营一家书店。这里有一份畅销书清单，列出了它们自出版以来在全球的销量（以百万册计）。在决定采购哪些书之前，我们先来分析一下数据。
请注意：并非所有生成式AI工具都能分析数据，使用前请务必确认你的工具具备此功能。在本例中，我们将使用 Google AI Studio。
首先，思考如何用图表直观地呈现这些数据。如果你不确定使用哪种图表，可以随时提示AI工具获取建议。
步骤一：请求图表类型建议
我们将用通俗的语言向模型描述数据集，以找出最适合的图表类型。以下是我们的上下文描述：
我的数据集是一个电子表格，包含以下列：
书名、出版年份、体裁、首次出版年份、近似销量（百万册）。
现在，我们请求以图表形式呈现，因此需要一些选择。以下是任务提示：
给我一些能展示体裁与销量之间相关性的图表选项。
为了更具体地了解图表将如何展示这种相关性，我们可以进一步提问：
解释体裁与销量是如何相关的。
根据返回的信息，我们得到了三个创建图表的绝佳建议，这些图表能清晰地可视化数据。更重要的是，每个建议都附有详细解释，让我们可以根据自己的数据集选择最合适的可视化方案。
步骤二：利用参考图表获取灵感
你并不总是清楚该使用哪种图表，这时在提示中添加参考就很有帮助。你可以使用与你想要的图表类似的示例，或你觉得有用的图表，并将其作为参考包含在提示中。然后，请求AI推荐如何使用你的数据创建类似的图表。
我们将找到一个图表作为参考，并提示模型使用我们书店场景的数据来模仿它。首先上传示例图表，然后提示模型获取关于该图表描绘内容的信息。
记住：有时从简单开始，再逐步增加复杂性会更好。
以下是分析参考图表的提示：
描述这个图表。图表中突出了哪些数据关系？
在提示重新创建图表之前，我们先请求描述它，以便循序渐进。
模型告诉我们，这是一个堆叠条形图，展示了一个组织内不同部门的人员构成情况。它分析了数据，指出财务部门全职员工比例很高，而产品部门的人员构成则更为均衡。
步骤三：基于参考创建新图表
现在，我们将输入一个关于我们已有数据的提示，并要求按照参考图表的方式对其进行可视化。以下是包含上下文和任务的完整提示：
上下文：我的数据集是一个电子表格，包含以下列：
书名、出版年份、体裁、首次出版年份、近似销量（百万册）。
任务：我对展示体裁与销量之间的关系很感兴趣。请建议如何修改这个图表，以便在 Google Sheets 中更好地适配我的特定数据。
现在，我们获得了关于如何使用我们的数据创建新图表的详细指导。输出结果甚至解释了如何修改条形图，以更清晰地说明体裁与销量之间的关系。
请记住：如果输出结果不符合你的需求，你随时可以调整提示并进行迭代。
总结
本节课中，我们一起学习了如何利用生成式AI工具为数据可视化提供建议。我们掌握了通过描述任务和上下文来获取图表类型建议的方法，并学会了通过提供参考图表来引导AI生成更符合需求的定制化可视化方案。关键在于清晰的沟通和迭代优化，从而将复杂的数据转化为直观、有力的视觉故事。
028：快速开始演示文稿的演讲者备注
在本节课中，我们将学习如何利用生成式AI工具来构建一个引人入胜的演示文稿。我们将从组织故事结构开始，到生成演讲要点，最后创建辅助图像，让整个演示过程更具吸引力。
沟通不仅仅是分享信息，你需要讲述一个故事。故事是让信息在人们脑海中留下深刻印象的方式。生成式AI工具可以帮助你将演示文稿组织成引人入胜的故事，构建演讲要点，甚至创建图像以保持听众的参与度。我们将使用Gemini来整合这一切。
设定场景与目标
在以下场景中，你在一家设计、制造和销售耳机的公司工作。你正在准备向你的团队推介一些很酷的新功能。需要传达大量的信息和见解，因此你需要将所学内容提炼成一个清晰的演示文稿。
首先，让我们提示Gemini来帮助确定如何构建演示文稿结构并总结发现。
构建演示文稿结构
上一节我们设定了场景，本节中我们来看看如何向AI清晰地描述任务，以获得结构化的建议。
以下是构建提示词的具体步骤，包括设定身份、提供背景和明确任务：
-
设定身份：
I‘m a product designer at a headphones brand. -
提供背景：粘贴相关的市场研究、用户反馈或功能详情等上下文信息。
-
明确任务与格式：
How should I structure my presentation? Don‘t forget to specify the format: list each slide‘s topic with its key points and visuals.
Gemini为你的演示文稿提出了一个结构建议，其中包含了每张幻灯片的主题、关键点和视觉元素。这个结构包括标题页、设定背景的简介、听众感兴趣的三个功能的详细信息，甚至在演示文稿结尾建议了行动号召。这是一个很好的建议。
生成辅助图像
有了清晰的结构后，演示文稿还需要视觉元素来增强吸引力。本节我们将学习如何使用生成式AI创建符合主题的定制图像。
为了让生成式AI工具创造出你想要的图像类型，你的输入提示词需要尽可能生动和详细。这意味着需要指定图像中物体的大小、颜色、位置以及我们想要的整体美学风格。
首先，我们将明确我们的任务和期望的图像格式。
以下是创建图像提示词的要点：
-
明确任务：
Generate close-up images of a pair of sleek silver headphones. -
增添场景上下文：
On a desk in a college dorm room. -
添加创意与风格描述：
They should have musical notes floating around the headphones to show that they‘re playing music.
Gemini创建了多张图像供你选择。你甚至可以在摄影、矢量艺术、素描或水彩等风格中进行选择。你仍然需要像生成文本时一样评估输出结果。检查你的图像，确保它们符合你的要求，并且没有错误，比如耳机线没有插好或任何其他看起来不对劲的地方。
请记住，作为一名负责任的生成式AI使用者，披露你何时使用了这些工具是职责的一部分。因此，当你在工作中包含AI生成的图像时，请务必添加免责声明。
总结
本节课中，我们一起学习了如何利用生成式AI工具（以Gemini为例）来策划和丰富一个演示文稿。我们从设定身份和背景开始，通过清晰的提示词让AI帮助我们构建演示文稿的大纲和要点。接着，我们学习了如何通过提供详细、生动的描述来生成定制的辅助图像，以提升演示的视觉吸引力。最后，我们强调了评估AI输出结果和负责任地披露AI使用情况的重要性。掌握这些步骤，你将能更高效地准备出结构清晰、内容生动的演示文稿。
029：即时获取演示文稿的反馈
在本节课中，我们将学习如何利用生成式AI工具，为你的演示文稿快速生成讲稿要点，并根据不同听众调整内容，最后通过AI获取演讲练习的反馈。
你已经完成了演示文稿的制作，但还有一项任务需要完成：展示你的工作。你不想只是照本宣科地朗读幻灯片，而是希望在演示过程中为听众提供有用的背景信息和评论。你可以自己通读整个文稿并草拟一些讲稿要点，但从头开始会花费大量时间。相反，你可以提示生成式AI工具为你提供一个起点，自动生成讲稿要点。
生成初始讲稿要点
上一节我们提到了任务目标，本节中我们来看看如何具体操作。这个例子需要一个长上下文窗口。请注意，并非所有AI工具都提供长上下文窗口，不同工具的能力各不相同。在本例中，我们将切换到Google AI Studio。
首先，我们将上传幻灯片并输入提示词。我们需要添加角色和背景信息。
以下是构建提示词的具体步骤：
-
设定角色与背景：
我是某耳机品牌的产品设计师。然后，我们将在此处粘贴演示文稿的上下文内容。 -
明确语气与格式：
请为我在演示此幻灯片时使用的讲稿要点，提供多个简洁、亲切且引人入胜的选项。
执行后，你得到了一些很棒的想法。建议的讲稿要点具有一定的个性和活力，这将有助于吸引你的听众。
为特定听众调整内容
但是，你可以提出更具体的要求。假设你得知公司的市场总监将出席这次演示。你可以提示模型调整讲稿要点，以更适合资深听众。
让我们尝试一下，这次为了节省时间，我们将使用语音输入提示：
请为此幻灯片提供替代的讲稿要点，这些要点需要专门针对我耳机公司的市场总监。该总监重视精确性，其工作重点是紧跟行业趋势并培养一个忠诚的客户社群。
就这样，你获得了更适合市场总监的新讲稿要点。
获取演讲练习反馈
现在，你有了演示文稿和讲稿要点，但希望在正式演示前进行一些练习。你可以上传自己的练习录音，以获得专门的反馈。
我们首先明确希望达到的语气和目标：
我将向我的经理做一次演示，推介新产品功能。我希望听起来权威且自信。
然后，说明你将做什么以及任务要求：
我将朗读我的演示文稿。之后，请就我是否达成了这个目标给我反馈。
这个反馈非常有帮助。你不仅得到了一份关于如何做好演示的要点清单，还获得了关于语速和语调方面需要改进的具体示例。由于你使用的是具有长上下文窗口或大记忆容量的生成式AI工具，你可以保存你的提示，并在之后从中断的地方继续练习，而无需全部重头开始。
总结
本节课中，我们一起学习了如何利用AI工具优化演示流程。我们首先通过设定角色和明确要求，让AI生成了富有吸引力的初始讲稿要点。接着，我们通过提供更具体的听众信息，让AI调整内容以精准匹配资深听众的偏好。最后，我们通过上传练习录音，从AI那里获得了关于演讲语气和表现的专业反馈，并利用长上下文窗口功能实现了连续练习。这些步骤能帮助你更高效地准备和交付一场出色的演示。
030：探索AI的能力与局限 🧠
在本节课中，我们将要学习现代语言模型的核心概念，并明确它们擅长与不擅长的领域。理解这些能力与局限，是有效使用AI工具的基础。
上一段我们提到了语言模型的应用广泛性。那么，如何向人们解释现代语言模型呢？人们应该了解这些模型在哪些方面表现出色，在哪些方面又存在不足？
这是一个非常有趣的问题，因为语言模型在许多方面都很出色。它们可以通过多种方式进行调整和适应。从事模型研究工作中最令人鼓舞的一点是，我们已经看到了大量在游戏规划等领域的应用，这些应用是我过去从未预测到语言模型能够实现或适应并投入实际使用的。
然而，我认为任何需要你回过头去，在幕后进行一些深入思考，然后将这些思考综合成一个新想法，最后再将结果转化为答案的任务，通常对语言模型来说都非常困难。
例如，如果你需要在一张纸上写出数学问题的完整解题步骤，那么几乎可以肯定，语言模型并不适合解决这个问题，除非你让它完整地写出整个问题并彻底地思考每一步。这正是“思维链”推理方法的起源，你将在本课程中了解更多关于它的内容。
本节课中我们一起学习了语言模型的基本定位。我们了解到，语言模型在创意生成、规划与适应新场景方面潜力巨大，但在需要深度、分步逻辑推理（如复杂数学计算）的任务上存在局限。认识到这些特点，有助于我们在后续课程中更有效地设计提示词，引导AI发挥其优势。
031：利用AI解构复杂任务
在本节课中，我们将学习如何向生成式AI工具发出提示，以处理更复杂的项目。你将学会如何将抽象的想法转化为一步步的解决方案。
我是一名研究员，这意味着我有时需要处理与我专业领域相关的、内容繁重的资助申请提案。
不仅如此，我还需要外出寻找可以申请的资助项目，这本身就是一个令人头疼的问题。
我一直在做的一件事是，将我的研究员个人资料上传到生成式AI工具中，并利用它来寻找潜在的资助机会。
我会添加我的简历、已发表的作品以及我的个人陈述，然后使用不同的提示技巧来搜索与我的背景相匹配的资助项目。
这尤其有帮助，因为许多地方对于资助对象都有特定的资格要求规定。
使用生成式AI为我消除了这个过程中的许多猜测工作。
上一节我们介绍了利用AI辅助研究工作的背景，本节中我们来看看与AI对话的具体方法。
我们将探索如何与生成式AI工具进行对话。
以下是实现有效对话的三个关键步骤：
-
明确任务：首先清晰地定义你需要AI帮助解决的核心问题或任务。
-
提供上下文：输入相关的背景信息，例如你的简历、专业领域或项目目标。
-
迭代优化：根据AI的初始回复，进一步提出细化或修正的要求，引导对话走向理想结果。
接下来，我们将了解如何创建一个能持续执行特定任务的AI智能体。
你可以创建一个AI智能体来自动化处理重复性或多步骤的任务。
最后，我们将学习如何建立一个提示词库以提升效率。
构建一个提示词库可以帮助你节省时间并重复使用高效的提示词。
本节课中我们一起学习了如何利用生成式AI工具处理复杂任务。我们探讨了通过有效对话、创建AI智能体以及建立提示词库，将抽象问题分解为可执行步骤的方法。这些技巧能帮助你更高效地利用AI，减少工作中的猜测和重复劳动。
现在让我们开始吧。
032：探索提示链技术
在本节课中，我们将要学习一种名为“提示链”的高级提示技术。它通过将复杂任务分解为一系列相互关联的步骤，引导生成式AI工具逐步解决问题，就像拼图一样。
什么是提示链？🧩
你是否尝试过拼拼图？你不会直接把所有碎片倒出来然后指望它们自动拼好。你会先制定一个计划：也许先找到角落的碎片，慢慢拼出边框，然后再处理中间部分。这是一个有意识、逐步构建的过程。
提示链正是如此。它引导生成式AI工具通过一系列相互关联的提示，每一步都增加新的上下文或任务层。最终，这些链接起来的提示帮助工具一步一步地解决复杂问题。
提示链的应用场景 📧
想象一下，你休假回来后需要处理堆积的工作。你可以运用提示链技术：
-
首先，提示AI工具总结你不在时收到的所有邮件和文档。
-
在审阅输出后，你可以再次提示它，专注于那些有时间限制的请求。
-
如果新的输出揭示了紧急问题，你可以第三次提示工具，寻求处理方案。
通过这种技术，你并非简单重复，而是让每一个提示和回答都建立在之前的基础上，共同构成一个单一的、连续的提示链。
实战演示：图书营销计划 📚
上一节我们介绍了提示链的概念，本节中我们来看看一个具体的例子。我们将使用Google AI Studio来演示，因为它能让我们访问具有长上下文窗口的Gemini模型。
假设你刚刚写完一部小说，现在需要为它制定营销计划。
第一步：生成吸引人的标语
首先，你需要一句能抓住眼球的标语或口号。我们可以使用提示框架在AI Studio中生成一些选项。一如既往，我们需要明确任务。
提示词示例：
Generate three options for a one sentence summary of this novel manuscript.
The summary should be similar in voice and tone to the manuscript, but more catchy and engaging.
生成的选项可能不错，但你可能希望标语更侧重于书中的某个特定主题。这时，我们可以写一个后续提示来优化标语。
后续提示词示例：
Create a tagline that is a combination of the previous three options, with a special focus on the exciting plot twist and mystery of the book.
Find the catchiest and most impactful combination. The tagline should be concise and leave the reader hooked and wanting to read more.
这样就得到了一个强有力的标语，可以作为书籍营销的亮点。记住，提示链不仅仅是给提示增加更多上下文，更是对AI工具之前生成的内容进行扩展和深化。这与提示框架中的“迭代”略有不同，迭代侧重于调整给定提示以改进结果；而在这里，你是将它的输出作为构建更复杂请求的基石。
第二步：撰写书籍封底简介
有了标语，我们就可以进入提示链的下一环：为书籍封底生成内容简介。
提示词示例：
Create a five sentence summary of the entire manuscript below that expands on the one sentence summary.
第三步：制定图书巡回推广计划
现在，标语和简介都已设定，是时候考虑图书巡回签售会了。我们将继续构建提示链，基于我们已经告诉AI工具关于这本书的信息，生成一个推广计划。得益于长上下文窗口，模型已经分析过你的手稿并记得之前的对话，因此只需提供新任务即可。
提示词示例：
Generate a six week promotional plan for a book tour, including what locations I should visit and what channels I should utilize to promote each stop on the tour.
当然，如果对AI工具提供的选项不满意，你可以对其中任何一个提示进行迭代优化。
总结 ✨
本节课中我们一起学习了提示链技术。它的强大之处在于，仅通过一系列提示，我们就引导AI模型完成了从撰写标语、摘要到制定完整图书巡回计划的全部工作。这展示了如何将复杂任务分解为连贯的步骤，并利用AI的上下文记忆能力，高效地构建出详尽的解决方案。
033：深入链式思维与树状思维提示法 🧠
在本节课中，我们将要学习两种高级的提示训练技巧：链式思维提示法和树状思维提示法。这些方法能帮助你引导生成式AI工具进行更深入、更结构化的思考，从而获得更优质、更具洞察力的输出结果。
链式思维提示法 (Chain of Thought, C.O.T.) 🔗
上一节我们介绍了基础提示方法，本节中我们来看看如何让AI展示其思考过程。链式思维提示法要求生成式AI工具解释其推理过程，或逐步描述它是如何得出特定结果的。这类似于数学老师要求学生解释他们是如何得出答案的。这种方法可以帮助你理解AI工具的推理方式，从而让你能基于其输出做出更好的决策。
例如，你可能需要在有限的预算或时间限制下，平衡如何访问所有六个图书巡演地点。你可以提示AI工具提供解决此问题的想法。但这一次，你在初始提示中包含了“请解释你的思考过程”这样的要求。这样一来，你就可以评估每个提议解决方案背后的逻辑。
核心概念：在提示中要求模型 分步解释其推理过程。
树状思维提示法 (Tree of Thought, T.O.T.) 🌳
了解了让AI线性思考的方法后，我们再来看看如何激发其发散性思维。树状思维提示法涉及要求工具同时探索多条推理路径，就像树枝一样。这种方法使工具能够探索给定问题的多种解决方案，并在过程中进行评估，从而帮助你获得最佳结果。
这就像走迷宫。你的目标是到达终点，但在到达之前，你可能需要尝试几条不同的路径。当解决抽象问题时，例如为小说续集开发包含新角色和复杂情节线的剧情，这种方法尤其有用。
核心概念：提示模型 同时探索并评估多个解决方案路径。
实际应用与优势 ✨
这些技巧对于在工作中创建大纲或起草较长文档的小节也非常有用。提示链为你提供了探索更复杂想法和生成有趣回应的机会。你甚至可能发现一些使用单一提示时可能会错过的见解。
以下是两种方法的核心优势对比：
-
链式思维 (C.O.T.)：提升透明度和可理解性，让你能追踪AI的思考步骤。
-
树状思维 (T.O.T.)：提升解决方案的多样性和质量，通过并行探索找到更优解。
总结 📝
本节课中我们一起学习了两种高级提示技巧：链式思维提示法 (C.O.T.) 和 树状思维提示法 (T.O.T.)。链式思维通过要求AI 分步解释其推理过程，使思考过程透明化，有助于我们评估其逻辑。树状思维则通过要求AI 同时探索并评估多个解决方案路径，像探索树枝一样寻找最优解，特别适合处理复杂、开放性问题。掌握这两种方法，你将能引导AI进行更深思熟虑的推理，从而获得更可靠、更具创造性的输出结果。
034：让AI成为你的思维伙伴
概述
在本节课中，我们将学习如何利用现代大型语言模型作为你的思维伙伴，通过具体案例了解其在处理大量数据、提供创意草稿和节省时间方面的强大能力。
正文
如今，我们实际上拥有相当多的内存，这让你能够输入大量数据并对其进行推理。我一直在写一本书，我倾向于将我的手稿交给AI，让它进行评论和分析。AI能从手稿中提取出我未曾注意到的联系。这是一份300页的手稿，如果让一个人亲自尝试做这件事，将需要花费数小时甚至数天的时间。然而，借助这些更大的上下文窗口和AI系统，我们现在可以做到这一点，这非常强大。
过去几年的大型语言模型发展无疑是一个巨大的福音。我对此感到非常兴奋，并且在我的工作中受益匪浅。
我发现，将大型语言模型用作头脑风暴或提问的伙伴确实非常有效。我将给你举一个例子，那是我意识到写作将在大型语言模型上变得非常重要的时刻。我有一个提案需要在第二天提交，当时是晚上8点。我在想，如果要从头开始写，从现在到那时我需要花费四个小时才能完成那个提案。
于是，我坐在一个大型语言模型前，基本上请求它帮助我。我给它分配了我所扮演的角色，提供了一些关于我正在做的提案的细节，并要求它创建一个草稿。当我看到那个草稿时，我意识到它从一开始就为我节省了那四个小时中的几个小时。我实际上非常兴奋，因为我能够利用那个早期草稿，并在之后进行我自己的工作，将其转化为第二天可以提交的东西。
所以，把它作为一个起点。我只是把它作为一个起点。是的，完全正确。实际上，它能够给我一个非常合理的大纲，这让我相当惊讶。事实上，它在大纲中添加了一些部分，我知道即使我自己思考也需要一些时间。但我对那种能力以及我所得到的帮助感到非常兴奋。
总结
本节课中，我们一起学习了如何将AI作为思维伙伴来使用。我们了解到，现代大型语言模型凭借其大内存和上下文窗口，能够高效处理大量数据（如长篇手稿），进行深度分析和推理。通过一个撰写提案的具体案例，我们看到了AI如何通过生成合理草稿和创意大纲，为用户节省大量时间，并作为工作的有效起点。关键在于明确赋予AI角色、提供具体细节，并将其输出作为进一步加工和完善的基础。
035：创建用于模拟的AI代理
概述
在本节课中，我们将学习如何通过精心设计的提示词，将生成式AI工具转变为能够模拟特定场景的AI代理。我们将重点创建一个名为“代理模拟器”的AI，用于帮助实习生练习面试技巧。
什么是AI代理？
我在一家科技公司工作，但没有传统的技术背景。我的很多知识是自学或在工作中习得的。我对很多事情都感到好奇，但很难找到合适的时间或场合提问。
生成式AI工具的一个巨大优势是，它们能为我创造一个安全的提问空间，避免尴尬或回避问题。通过几个提示词，我就能从生成式AI工具那里获得专家建议。
运用正确的提示技巧，你可以将你的生成式AI工具转变为你自己的专家团队，随时准备帮助你应对任何挑战。这就是所谓的AI代理。
虽然它们没有秘密的夜视眼镜或火箭动力跑车，但在帮助你完成工作方面，它们极其有效。你可以根据需求创建不同用途的AI代理，例如：一个编码伙伴、一个创意共鸣板，甚至是一个督促你实现目标的问责伙伴。
我们将学习两种不同类型的AI代理。为了方便理解，我们给它们起名。第一个代理我们称之为“代理模拟器”，它帮助你模拟场景，如面试或角色扮演困难对话，以便你练习并根据需要调整方法。第二个代理我们称之为“代理专家”，它能就你指定的任何主题提供专家反馈。你可以把代理专家想象成一位个性化的顾问。
创建模拟代理：代理模拟器
现在，我们从代理模拟器开始。假设你被要求创建一个培训项目，帮助实习生提升面试技巧，以获取新职位。让我们通过一系列提示词，在Gemini中创建这个AI代理。
首先，我们需要为AI设定角色和任务。以下是创建有效代理所需的详细信息和背景。
提示词示例：
扮演一个职业发展培训模拟器。
你的任务是帮助实习生掌握面试技巧，并与潜在经理进行对话。
接下来，我们需要设定场景。为此，我们将为其提供关于输出内容的具体基准。对于这类模拟或角色扮演AI代理，你需要指定你希望它进行的对话类型。
提示词续写：
你需要支持以下类型的对话：
1. 阐述优势与技能。
2. 专业且自信地沟通。
3. 讨论未来的职业发展目标。
我们可以在此停止，让工具处理。但为了达到更好的效果，我们可以继续完善同一个提示词。
提示词续写：
一旦实习生选择了一个对话主题，请提供关于情境和面试官角色的详细信息。
然后扮演面试官，并允许实习生以员工身份参与。
确保引导对话的方式能让实习生锻炼其面试技巧。
请注意，我们提供了大量细节来确保对话按我们希望的方式进行。现在，我们将添加一个停止短语，来指示角色扮演何时以及如何结束。这个短语可以是任何内容。
提示词续写：
继续角色扮演，直到实习生回复“爵士双手”。
在实习生给出停止规则“爵士双手”后，为他们提供模拟的关键要点以及他们可以改进的技能。
提示词结构回顾
让我们回顾一下我们的提示词。我们指定了角色（扮演…）、任务（你的任务是…）和预期成果（指定的技能）。我们还提供了大量细节和背景来设定场景。
现在，是时候启动模拟并进行真实对话了。让我们选择“阐述优势与技能”来测试一下。
模拟对话示例
AI代理询问：“请告诉我你的优势，以及你为什么适合这个职位。”
用户回复：“我的首要优势是将复杂的营销概念转化为清晰、引人入胜的信息，以引起不同受众的共鸣。”
Gemini正在履行职责。它的回应是鼓励性的，现在它要求我提供一个具体例子。
用户回复：“是的，我曾为一家在线销售定制珠宝的本地公司设计过一个营销活动。”
代理模拟器表示印象深刻。此时，用户可以输入停止规则“爵士双手”。
在原始提示词中，我们告诉它在模拟结束后提供关键要点。让我们确认一下。它回应说我做得很好，引用了具体例子，并展示了热情和价值。同时，它也指出了需要改进的领域，包括需要更简洁和更好地定制答案。这非常有帮助。
更多应用可能
这是与生成式AI工具互动最有趣的方式之一，因为可能性非常多。你甚至可以上传一份职位描述，并提示工具根据职位要求提出面试问题。
另一个例子是，你可以设计提示词，让AI代理扮演你在工作场所可能遇到的不同角色，并用它来模拟对话、会议和反馈环节。
总结
本节课中，我们一起学习了如何通过结构化、详细的提示词创建用于模拟场景的AI代理。我们重点构建了一个“代理模拟器”，用于面试练习，并了解了设定角色、任务、场景、对话类型和停止规则的关键步骤。掌握这些技巧，你就能利用AI代理进行各种有效的模拟训练。
036：创建用于专家反馈的AI代理
在本节课中，我们将学习如何创建第二种类型的AI代理——代理X。我们将把它打造成一个能够提供专家反馈的个性化顾问，并以一个向潜在客户进行提案的场景为例进行实践。
上一节我们介绍了代理Sim，本节中我们来看看代理X。你可以将代理X视为你的个性化顾问。通过正确的提示词，你可以指示你的代理成为任何你需要的领域的专家。
设定代理角色与场景
在这个示例中，我们需要AI代理就一份面向潜在客户的提案提供专家反馈。由于这个提示词将包含大量关于潜在客户的背景信息，我们需要使用一个长上下文窗口。这允许生成式AI工具保留并利用更多信息，从而产生更好的回应。因此，我们将切换到Google AI Studio。
首先，我们需要为代理设定一个明确的角色和背景。
你是我潜在的客户，一家以创新、性能和卓越工程闻名世界的跑车公司的广告副总裁。
现在，代理具备了角色和背景，但我们需要设置交互对话的场景。
你正在考虑雇佣一家创意机构来开发一个新 campaign，以吸引更年轻的买家群体。你正在与我会面，我是一家创意机构的设计总监，正在为你的公司提案一个新 campaign。
构建核心指令与交互流程
我们可以将整个提案内容放入提示词中。以下是构建代理行为逻辑的核心指令。
扮演我的潜在客户。当我提供回答时，请进行评判。如果需要，请提出后续问题。持续对话，直到我给出停止指令。然后，给我整个对话的总结，重点指出我可以改进提案的方法。
为了确保反馈是从客户视角出发的，我们需要提供项目背景资料。
我们将在这里上传客户给我们的简报。这样，模型将通过客户的视角来评判提案。我已附上汽车公司提供的简报，其中包含本项目所有相关信息。请使用此简报中的信息来指导你的回答。
回顾提示词结构
这是一个较长且复杂的提示词。我们来回顾一下。请记住，我们仍然在使用我们的提示词框架。
我们首先设定了副总裁的角色，然后明确了我们希望生成式AI工具执行的任务——评判提案并提出后续问题。我们还指定了预期的结果，即重点指出改进提案的方法。
进行模拟对话与获取反馈
现在，是时候开始对话了。代理正在询问更多细节。让我们查看回应。提案中仍有一些需要解决的问题。这对于练习轮次非常有帮助。
现在，输入停止指令并评估反馈。
停止。
很好。AI代理已经给出了到目前为止的对话总结，指出了哪些部分有效、哪些需要改进，并提供了加强提案的建议。
持续优化与自定义代理
现在生成式AI工具正在扮演你的客户，你可以继续就提案征求反馈。请记得保存你的提示词，这样你可以在修改提案后回到这个对话，帮助你测试更多想法，以完善最终版本。
你甚至可以创建自定义版本的Gemini，称为Gems。只需描述你希望你的Gem做什么以及你希望它如何回应，Gemini将根据这些指令帮助你创建一个满足特定需求的Gem。
课程总结
本节课中，我们一起学习了如何创建用于专家反馈的AI代理（代理X）。我们通过设定具体角色、构建交互指令、提供背景资料，模拟了与客户进行提案反馈的完整流程。关键在于使用清晰的框架和长上下文窗口来引导AI提供深入、有针对性的建议。掌握此方法后，你可以将其应用于各种需要专业评审或模拟对话的场景。
037：与AI协作推进你的下一个项目 🚀
在本节课中，我们将探讨如何在工作和个人生活中实际运用语言模型。我们将学习如何将AI视为一个协作伙伴，而不仅仅是一个工具，从而更高效地推进项目。
从实践角度讲，你如何在工作中使用语言模型？如何在个人生活中使用它们？当你执行一项任务时，可以将每个计算机程序都看作一个工具。
例如，假设我要求你建造一栋房子。我给你一块地、一笔资金和一些材料，要求你从零开始为我建造一栋房子，但你唯一能使用的工具是谷歌搜索。
你能真正从零开始为我建造一栋房子吗？这很有趣，我认为你可以。实际上，我认为大多数人都能做到，但这可能需要进行一万次甚至十万次搜索。
在此过程中，你可能会犯很多自己意识不到且无法被纠正的错误。实际上，如果有一位建筑大师站在我身边指导说：“嘿，不要把电线铺在地板下面”，情况会好得多。
我认为，拥有一位能为你提供建议的建筑大师，并且能进行来回交流，比如你说：“哦，我刚刚把那边窗户的框架搞砸了，我打算先拆掉这些胶合板，这只是暂时的”，这种能够反复沟通的能力至关重要。
因此，与其将计算机程序和电脑视为需要你拿起并学会如何使用的工具，不如将其视为能帮助你构建、能帮助你构思新项目的伙伴。我认为这对我来说非常有力量。这实际上也是我每天使用AI的方式。
上一节我们介绍了将AI视为协作伙伴的理念，本节中我们来看看如何具体应用这一理念来推进项目。
以下是利用AI协作推进项目的关键思路：
-
转变思维模式：从“使用工具”转变为“与伙伴协作”。AI不仅能执行指令，还能在你构思和构建项目的整个过程中提供建议和反馈。
-
接受迭代过程：项目推进很少一帆风顺。与AI的协作应允许并鼓励“来回”沟通，以便及时修正错误、调整方向。
-
利用即时反馈：就像建筑大师在身边指导一样，AI可以实时对你的想法和操作提出建议，帮助你避免潜在的错误或低效做法。
本节课中我们一起学习了如何将AI模型应用于实际项目。核心在于思维的转变：将AI视为一个能够持续对话、提供反馈的协作伙伴（AI = Collaborative Partner），而不仅仅是一个被动响应的工具。通过这种协作方式，你可以更高效地构思、构建并完善你的下一个项目，减少未知错误，加速学习与创造过程。
038：构建提示词库 📚
在本节课中，我们将学习如何通过版本管理和构建个人提示词库，来系统化地提升提示词技能。我们将探讨如何记录、迭代和复用有效的提示词，从而节省时间并提高工作效率。
概述
在本课程中，你已经学会了如何深思熟虑地创建优秀的提示词输入。与大多数技能一样，你的提示词能力将通过实验和实践得到提升。通过记录哪些提示词在何种用例下效果最佳，你可以节省大量时间。我们鼓励你持续追踪并回顾，以确定哪些方法有效，哪些无效。
提示词版本管理
上一节我们介绍了持续追踪提示词效果的重要性，本节中我们来看看如何通过版本管理来系统化这一过程。
提示词版本管理是一种随时间追踪你不同版本提示词的方法。这是一种强大的方式，可以捕捉你最有效的提示词，追踪你的进步，并发展你的生成式AI提示词技能。
这里有一个小技巧：你可以为你最有效的提示词命名，并将它们存储在你的个人提示词库中，以便将来轻松访问。事实上，一些生成式AI工具允许你在工具内直接命名和保存你的提示词。
想象一下你正在为家人准备一周的餐食。你找到了一套非常喜欢的食谱，但你想开始尝试新的菜系。你不会完全抛弃整个餐食计划并重新开始，对吗？你会利用你已经了解的关于偏好、份量和过敏原等信息，并以此为基础为家人创建一个新的每周菜单。
提示词版本管理也是如此。一旦你有了一个有效的提示词，你就不需要重新发明轮子。你可以根据需求，尝试不同的任务、上下文和参考信息来获得不同的结果。
以下是几个应用示例：
-
邮件草拟：你可以开发一个可复用的邮件提示词。生成式AI工具会为你起草邮件，但你可以根据沟通对象调整语气和格式。
-
常见问题解答：你可以使用单一信息来源，为访问你网站的不同类型客户创建不同的常见问题解答部分。你可以调整为个人消费者生成FAQ的提示词，通过改变角色设定来制作面向企业客户的FAQ。
回想一下我们在本课程中创建的所有提示词。你可以为你的需求创建哪些版本？
实验与社区
玩转和实验提示词是弄清楚如何获得你想要结果的最佳方式。而达到这一目标的唯一途径就是熟悉工具、积极探索并找到适合你的路径。
请记住，你并不孤单。有一个庞大的社区成员正在分享对他们有效的提示词，以便人们可以互相学习成功经验，寻找灵感和支持。参与社区是提升你提示词技能和建立人脉的好方法。
总结
本节课中我们一起学习了构建个人提示词库的重要性与方法。我们了解了提示词版本管理的概念，即通过追踪和迭代不同版本来捕捉有效策略。我们还探讨了如何通过实验来优化提示词，并认识到参与共享社区可以加速学习进程。记住，持续记录、复用有效模式并乐于尝试，是掌握提示词工程的关键。
039：与社区共同构建AI
📖 概述
在本节课中，我们将探讨人工智能如何与不同行业和社区合作，共同开发解决方案。我们将学习“社会中心化AI”的概念，并理解为何让受影响的社区参与开发过程至关重要。
🤝 第一节：AI的行业变革潜力
我们知道，AI正在改变许多不同的行业。
AI在几乎每个行业和领域都拥有巨大的机遇，既能推动行业进步，又能真正与身处这些行业的从业者建立伙伴关系。
上一节我们介绍了AI的广泛影响力，本节中我们来看看如何将这种影响力与具体的人群和社区相结合。
🎯 第二节：社会中心化AI的核心概念
我有一个项目，或者说一系列围绕“社会中心化AI”的项目。这意味着让社区参与到AI的开发过程中，以解决这些社区面临的核心问题。
通过让受影响的社区参与开发过程，将产生最佳的解决方案，并真正对这些社区产生影响。
我认为在我们的角色中，有一个方面非常互补且相似，那就是我们与社会和人们互动的方式——将他们引入进来，并与他们共同创造。
以下是“社会中心化AI”的几个关键点：
-
核心目标：解决特定社区的核心问题。
-
关键方法：让受影响的社区直接参与AI的开发过程。
-
预期成果：产生最佳解决方案，并对社区产生实际影响。
🔍 第三节：多元视角的重要性与挑战
我很想了解更多关于你在工作中是如何实践这一点的。
关于社会中心化AI的多元视角是基础且至关重要的。
我认为这主要是因为社区非常多元，人们也非常多元。要真正理解问题的所有方面，需要汇集所有这些技能，以及人们能够带来的各种不同技能。
其中一件非常困难的事情是，不仅要解决个体用户层面的问题，还要在社区层面去解决，甚至立志在社会层面去解决。这是一个难题。
我认为，对于一项如此具有变革性的技术，我们有责任以这种多元的工作和视角，非常审慎地对待它。
以下是实现社会中心化AI面临的主要挑战：
AtomGit AI 社区提供模型库、数据集、Agent、Token等资源
更多推荐
0
0- 0
已为社区贡献90条内容
所有评论(0)