- 综合排序
- 最热优先
- 最新优先
- 来自专栏coder
LLM 中什么是Prompts？如何使用LangChain 快速实现Prompts 一
LLM 中什么是Prompts？如何使用LangChain 快速实现Prompts 一 Prompt是一种基于自然语言处理的交互方式，它通过机器对自然语言的解析，实现用户与机器之间的沟通。 from langchain.prompts import FewShotPromptTemplate, PromptTemplate from langchain.prompts.example_selector k=2, ) mmr_prompt = FewShotPromptTemplate( #我们提供 ExampleSelector example_selector=example_selector FAISS, k=2, ) similar_prompt = FewShotPromptTemplate( # 供了一个示例选择器，而不仅仅是具体的示例。 from langchain.prompts import FewShotPromptTemplate, PromptTemplate from langchain.prompts.example_selector
74310编辑于 2024-09-06 - 来自专栏linyimin的专栏
chatgpt-prompts
chatgpt-prompts 油猴扩展脚本，在 ChatGPT 输入框中输入 '/' 时列出提示词，支持按照语言进行过滤。 Chrome、Firefox、Edge，其他主流浏览器都是主动兼容这3个浏览器的； 安装Tampermonkey浏览器拓展，可以从 Tampermonkey官网 安装； 从GreasyFork安装chagpt-prompts
33910编辑于 2023-06-19 - 来自专栏Michael阿明学习之路
LangChain学习：models，prompts，parsers
文章目录 1. model 2. prompts 执行方法1 执行方法2 3. parsers learn from https://learn.deeplearning.ai/langchain /lesson/2/models,-prompts-and-parsers 1. model 这里使用的是 AzureChatOpenAI from config import api_type, api_key AzureChatOpenAI from langchain import OpenAI, ConversationChain, LLMChain, PromptTemplate from langchain.prompts deployment_name` in the constructor to refer to the "Model deployment name" in the Azure portal. 2. prompts sep = '###' template_string = """ 把下面用{sep}包裹的文本用{style}风格表达出来，输出结果不要有{sep}分隔符，使用json格式，key=
64930编辑于 2023-07-21 - 来自专栏JavaEdge
Go get报错:terminal prompts disabled
go get disable “terminal prompt” by default（Go get 命令默认禁用terminal prompt，即终端提示）
2.6K10发布于 2021-02-23 - 来自专栏从流域到海域
LangChain手记 Models,Prompts and Parsers
整理并翻译自DeepLearning.AI×LangChain的官方课程：Models,Prompts and Parsers（源码可见） 模型，提示词和解析器（Models, Prompts and 35-38之间，原视频没有这部分，参见原课程： 使用review_template_2创建一个新提示词： 提示词结果： 调用gpt结果： 使用LangChain
38640编辑于 2023-10-12 - 来自专栏【元壤教育】AIGC提示词工程师
【元壤教育-AIGC提示词工程师、AI提示词工程师、Prompts工程师、Midjourney培训】电商行业AIGC图像生成与内容创作提升班
将图像混合在一起 + 在 Midjourney 中使用 img2img。 多Prompts和Prompts权重。 使用种子来控制 Midjourney。 ♂️ Negative prompts。 ⭐️ A1111 演练和工作流程: negative prompt, img2img, upscalers, face restorers。 课程讲师 黎跃春：元壤 & 元壤教育创始人兼CEO，中关村创新创业雏鹰人才，前中国石油北京中油瑞飞研究院架构师，中国管理科学研究院行业发展研究所客座教授，中国通信工业协会CIIT AIGC提示词工程师专家讲师 2021年创办国内首家免费的Web3共治营销数字化元壤品牌，2023年创办国内首家AIGC提示词工程师在线教育培训品牌元壤教育，元壤教育致力于帮助3亿中国人学会AIGC、使用AIGC，助力企业降本增效， 了解最佳Prompts使用的技巧 当您阅读本内容时，正在开发一种高度具体的技术诀窍，我们正在收集它。输出学习最好的技巧。 2. 理解 AIGC 新时代工作方式 图像生成是艺术与科学的结合。
1.4K00编辑于 2023-04-06 - 来自专栏架构驿站
一文搞懂 AI Prompts （提示）词
2、帮助 AI 模型生成符合预期的输出 除了理解用户的意图外，Prompt 还可以帮助 AI 模型避免生成无意义或不相关的内容。 3、帮助 AI 模型生成更具创意的内容 除了上述的 2 大特性外，Prompt 在帮助 AI 模型生成更具创意的内容方面起着关键作用。 这样，AI Prompts 可以更准确地理解用户的意图和需求，为后续的生成响应任务提供有价值的输入。 2、信息处理 AI 模型利用 NER （命名实体识别）和意图识别等子任务对可用数据进行扫描，以搜索相关信息。 2、创造性思考 尝试提供创新和富有创造力的 Prompt ，以激发模型产生超出常规的、独特的内容。引导模型超越基本答案，探索更深入和有趣的想法。
6.8K52编辑于 2023-12-19 - 来自专栏趣学前端
勤学苦练“prompts“，如沐春风“CodeArts Snap“
: """ 生成代码 在注释下方进行"回车"操作，CodeArts Snap 可以自动生成代码： def area(base, height): return base * height / 2 练习2：又见贪心算法 之前体验 CodeArts Snap 的时候，然它实现过一个贪心算法。但是现在回看之前写的 Prompt，并不够清晰有效。 我来按照上面提到的 Prompt 要素，重新写一个。 sum_w += i sum_count += 1 return sum_count w_list = [4, 10, 7, 11, 3, 5, 14, 2] 1、功能准确性还有待提升 有时候会出现代码不全的情况，有时候，代码结尾出现一个多出来且没有写完全的"if"语句 2、功能匹配的精度还有待提升 有时候，代码会比注释描述的内容多很多，且会出现重复循环的代码
19610编辑于 2025-05-25 - 来自专栏Postgresql源码分析
go get报错：fatal: could not read Username ... terminal prompts disabled
问题terminal prompts disabled go get 报错 terminal prompts disabled go get xxx.com/xxx/xxx # cd .; git clone xxx.com/xxx/xxx.git Cloning into 'xxx'... fatal: could not read Username for 'https://xxx.com: terminal prompts
2.6K30编辑于 2022-05-12 LangChain 核心组件剖析：Models、Prompts、Chains 详解
response2 = llm("什么是AI？") # 从缓存获取 异步调用：对于高并发场景，Models组件支持异步操作，通过async方法提升吞吐量。 以下示例展示了批处理的使用： from langchain.llms import OpenAI llm = OpenAI() responses = llm.generate(["输入1", "输入2" ) # 定义第二个提示词模板：生成问题答案 prompt2 = PromptTemplate( input_variables=["question"], template="回答以下问题 (llm=llm, prompt=prompt2, output_key="answer") # 组合成顺序链 overall_chain = SequentialChain( chains= [chain1, chain2], input_variables=["topic"], output_variables=["question", "answer"] ) # 执行链
96010编辑于 2025-11-28- 来自专栏醉程序
fatal could not read Username for https:github.com terminal prompts disabled
今天就踩坑了 ➜ ~ brew update fatal: could not read Username for 'https://github.com': terminal prompts disabled
4.2K00发布于 2019-12-29 - 来自专栏数字芯片
硬件工程师笔试题【2】
2、选择电阻时要考虑什么？ 主要考虑电阻的封装、功率、精度、阻值和耐压值等。 3、在CMOS电路中，要有一个单管作为开关管精确传递模拟低电平，这个单管你会用P管还是N管，为什么 答：用 N 管。 集成电路前端设计流程可以分为以下几个步骤：(1)设计说明书；(2)行为级 描述及仿真；(3)RTL 级描述及仿真；(4)前端功能仿真。 所以在短沟道中，速度是饱和的，漏极电流方程也发生了变化，这种由有况下饱和电流不是由于沟道夹断引起的而是由于速度饱和 18、画状态机，接受 1、2、5 分钱的卖报机，每份报纸 5 分钱。 假设投入 3 个 2 分硬币或者投入 4 个 1 分硬币和 1 个 2 分硬币后，卖报机在给出报纸的同时会找会 1 个 1 分硬币。这是 输出变量有两个，分别用 Y 和 Z 表示。 同时假定未投币时卖报机的初始状态为 S0， 从开始到当前时刻共投入的硬币面值为 1 分记为 S1，为 2 分时记为 S2，为 3 分 记为 S3，为 4 分时记为 S4。
2.5K31发布于 2020-07-20 - 来自专栏技术杂记
BattlEye逆向工程师跟踪（2）
该枚举例程检查在shellcode和手动映射的可移植可执行文件中经常出现的内存异常2。 2手动映射可执行文件是复制Windows图像加载器的过程 这是通过枚举所有进程及其各自的线程来完成的。 driver_folder_handle); } } battleye::send(&thread_report.pad, 0x2A 2 : 1; if ( search_index >= search_count ) break; // SEARCH CURRENT PROCESS BEFORE LSASS if report.pad = 0; report.id = 0xBEu; battleye::send(&v313, buffer_size + 2,
1.2K580发布于 2021-02-09 - 来自专栏网络安全技术点滴分享
Awesome ChatGPT Prompts - 提升AI对话体验的精选提示库
项目标题与描述Awesome ChatGPT Prompts 是一个高质量的ChatGPT提示集合库，旨在为用户提供各种专业场景和角色扮演的对话模板。 便于维护和扩展变量提取功能：自动识别提示中的变量占位符安装指南该项目主要作为Web应用运行，无需复杂安装：克隆仓库：git clone https://github.com/f/awesome-chatgpt-prompts.git "block" : "none";}2. variables.push({ name: variable, default: defaultValue || "" }); } // 提取{{var}}格式变量 const regex2 = /\{\{([^}]+)\}\}/g; while ((match = regex2.exec(text)) !
42710编辑于 2025-08-09 - 来自专栏java学习
工程师笔试题2（答案解析）
A．23 B．17 C．26 D．29 2．以下可以对对象加互斥锁的关键字是（ ）。 本题中，二进制数 11101 对应的十进制数表示为 1*2^0 + 0*2^1 + 1*2^2 +1*2^3 + 1*2^4= 29，所以，选项 D 正确。 除了人工转换外，在 Java 语言中，也可以用如下方法将一个二进制数转换为十进制数：Integer.valueOf("11101",2) 。所以，本题的答案为 D。 ---- 2．以下可以对对象加互斥锁的关键字是（ ）。 A．synchronized B．serialize C．volatile D．static 答案：A。
88460发布于 2018-04-18 - 来自专栏AgenticAI
谷歌 Gemini-CLI Prompts 分享！开源一周斩获 51K Star！
提取关键实体（文件/命令/错误） 2. 标记未完成任务 3. </压缩逻辑> 最后 Prompt 地址： https://github.com/google-gemini/gemini-cli/blob/main/packages/core/src/core/prompts.ts
67300编辑于 2025-07-08 - 来自专栏Soul Joy Hub
【简单、高效、性能好】SetFit：无需Prompts的高效小样本学习
SetFit 在 3k 个样本的完整训练集上与微调 RoBERTa Large 相比，如图1-1所示，具有竞争力表现： 与其他小样本学习方法相比，SetFit 有几个独特的特点： 没有提示（prompts ）或语言器（verbalisers）：当前的小样本微调技术需要手工制作的提示（prompts ）或语言器（verbalisers）将样本转换为适合底层语言模型的格式。 SetFit 通过直接从少量带标签的文本示例生成丰富的embeddings 来完全免除prompts 。 训练速度快：SetFit 不需要像 T0 或 GPT-3 这样的大型模型来实现高精度。 如图2-1所示： 在初始微调阶段，它通过对比训练利用有限的标记输入数据，其中正负对由类内和类外选择创建，如图2-2所示。 如下图3-2所示，每个类只有 8 个示例，它基本上优于 PERFECT、ADAPET 和微调的 vanilla transformer。
93820编辑于 2022-12-02 - 来自专栏code秘密花园
50+ 可以帮助提高前端开发效率的 ChatGPT Prompts
)]：[代码片段 (code snippet)] 示例：将下列代码片段从 JavaScript 转换为 TypeScript function nonRepeatingWords(str1, str2) const map = new Map(); const res = []; // Concatenate the strings const str = str1 + " " + str2; [A-Za-z]{2,}$/; 提示：你的任务是生成匹配文本中特定模式的正则表达式，你给出的正则表达式要能轻松复制粘贴到支持正则表达式的文本编辑器或编程语言中使用。 不要超过 2,600 个字符。 提示：我想让你担任求职信写手。我会向你提供我的简历，你将生成一封求职信来进行完善。 ://mp.weixin.qq.com/s/X8W5lVW3-NkBBWcW14nSVQ 作者：@VISHWAS GOPINATH 原文：https://www.builder.io/blog/ai-prompts-for-web-developers-chatgpt
2K21编辑于 2023-08-23 - 来自专栏技术面面观
工程师应该学点算法——图论2
如下表所示，我先将1入队列 队列 入队列节点 出队列节点 已经标记的节点 [o] 1,2,3 0 0,1,2,3 [1,2,3] 没有（这里没有入队列，因为2,3是已经标记的节点） 1 0,1,2,3 [2,3,5,6] 5 6(0,1已经被标记，不会入队列) 2 0,1,2,3,5,6 ... ... ... ... 2. DFS深度度优先解决: 现在要求你以最快的速度去解救小美，你能计算出最快需要几步么？以及求出其最快的路径。 ?
49720发布于 2019-12-19 - 来自专栏阿贤Linux
Linux运维工程师面试题（2）
Linux运维工程师面试题（2） 祝各位小伙伴们早日找到自己心仪的工作。 持续学习才不会被淘汰。 地球不爆炸，我们不放假。 机会总是留给有有准备的人的。 加油，打工人！ 2 TCP 三次握手，四次挥手 三次握手 图片 客户端向服务器端发送请求报文，报文中包含有随机生成的seq序列号（x），并且还将报文中SYN字段置为1，表示需要建立TCP连接请求； 服务器端接收请求后回复请求报文 一般情况下，可以将工作进程数设置为2倍或3倍的CPU核心数。 调整文件句柄限制：Nginx默认的文件句柄限制是1024，可以根据实际情况进行适当调整。 阿里云、腾讯云、华为云、今日头条、GitHub、个人博客 公众号：阿贤Linux 个人博客：blog.waluna.top https://blog.waluna.top/ 原文链接: Linux运维工程师面试题 （2）.
89620编辑于 2023-08-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号