跳转到主要内容

标签(标签)

资源精选(342) Go开发(108) Go语言(103) Go(99) angular(82) LLM(75) 大语言模型(63) 人工智能(53) 前端开发(50) LangChain(43) golang(43) 机器学习(39) Go工程师(38) Go程序员(38) Go开发者(36) React(33) Go基础(29) Python(24) Vue(22) Web开发(20) Web技术(19) 精选资源(19) 深度学习(19) Java(18) ChatGTP(17) Cookie(16) android(16) 前端框架(13) JavaScript(13) Next.js(12) 安卓(11) 聊天机器人(10) typescript(10) 资料精选(10) NLP(10) 第三方Cookie(9) Redwoodjs(9) LLMOps(9) Go语言中级开发(9) 自然语言处理(9) PostgreSQL(9) 区块链(9) mlops(9) 安全(9) 全栈开发(8) ChatGPT(8) OpenAI(8) Linux(8) AI(8) GraphQL(8) iOS(8) 软件架构(7) Go语言高级开发(7) AWS(7) C++(7) 数据科学(7) whisper(6) Prisma(6) 隐私保护(6) RAG(6) JSON(6) DevOps(6) 数据可视化(6) wasm(6) 计算机视觉(6) 算法(6) Rust(6) 微服务(6) 隐私沙盒(5) FedCM(5) 语音识别(5) Angular开发(5) 快速应用开发(5) 提示工程(5) Agent(5) LLaMA(5) 低代码开发(5) Go测试(5) gorm(5) REST API(5) 推荐系统(5) WebAssembly(5) GameDev(5) CMS(5) CSS(5) machine-learning(5) 机器人(5) 游戏开发(5) Blockchain(5) Web安全(5) Kotlin(5) 低代码平台(5) 机器学习资源(5) Go资源(5) Nodejs(5) PHP(5) Swift(5) 智能体(4) devin(4) Blitz(4) javascript框架(4) Redwood(4) GDPR(4) 生成式人工智能(4) Angular16(4) Alpaca(4) 编程语言(4) SAML(4) JWT(4) JSON处理(4) Go并发(4) kafka(4) 移动开发(4) 移动应用(4) security(4) 隐私(4) spring-boot(4) 物联网(4) nextjs(4) 网络安全(4) API(4) Ruby(4) 信息安全(4) flutter(4) 专家智能体(3) Chrome(3) CHIPS(3) 3PC(3) SSE(3) 人工智能软件工程师(3) LLM Agent(3) Remix(3) Ubuntu(3) GPT4All(3) 软件开发(3) 问答系统(3) 开发工具(3) 最佳实践(3) RxJS(3) SSR(3) Node.js(3) Dolly(3) 移动应用开发(3) 低代码(3) IAM(3) Web框架(3) CORS(3) 基准测试(3) Go语言数据库开发(3) Oauth2(3) 并发(3) 主题(3) Theme(3) earth(3) nginx(3) 软件工程(3) azure(3) keycloak(3) 生产力工具(3) gpt3(3) 工作流(3) C(3) jupyter(3) 认证(3) prometheus(3) GAN(3) Spring(3) 逆向工程(3) 应用安全(3) Docker(3) Django(3) R(3) .NET(3) 大数据(3) Hacking(3) 渗透测试(3) C++资源(3) Mac(3) 微信小程序(3) Python资源(3) JHipster(3) 大型语言模型(2) 语言模型(2) 可穿戴设备(2) JDK(2) SQL(2) Apache(2) Hashicorp Vault(2) Spring Cloud Vault(2) Go语言Web开发(2) Go测试工程师(2) WebSocket(2) 容器化(2) AES(2) 加密(2) 输入验证(2) ORM(2) Fiber(2) Postgres(2) Gorilla Mux(2) Go数据库开发(2) 模块(2) 泛型(2) 指针(2) HTTP(2) PostgreSQL开发(2) Vault(2) K8s(2) Spring boot(2) R语言(2) 深度学习资源(2) 半监督学习(2) semi-supervised-learning(2) architecture(2) 普罗米修斯(2) 嵌入模型(2) productivity(2) 编码(2) Qt(2) 前端(2) Rust语言(2) NeRF(2) 神经辐射场(2) 元宇宙(2) CPP(2) 数据分析(2) spark(2) 流处理(2) Ionic(2) 人体姿势估计(2) human-pose-estimation(2) 视频处理(2) deep-learning(2) kotlin语言(2) kotlin开发(2) burp(2) Chatbot(2) npm(2) quantum(2) OCR(2) 游戏(2) game(2) 内容管理系统(2) MySQL(2) python-books(2) pentest(2) opengl(2) IDE(2) 漏洞赏金(2) Web(2) 知识图谱(2) PyTorch(2) 数据库(2) reverse-engineering(2) 数据工程(2) swift开发(2) rest(2) robotics(2) ios-animation(2) 知识蒸馏(2) 安卓开发(2) nestjs(2) solidity(2) 爬虫(2) 面试(2) 容器(2) C++精选(2) 人工智能资源(2) Machine Learning(2) 备忘单(2) 编程书籍(2) angular资源(2) 速查表(2) cheatsheets(2) SecOps(2) mlops资源(2) R资源(2) DDD(2) 架构设计模式(2) 量化(2) Hacking资源(2) 强化学习(2) flask(2) 设计(2) 性能(2) Sysadmin(2) 系统管理员(2) Java资源(2) 机器学习精选(2) android资源(2) android-UI(2) Mac资源(2) iOS资源(2) Vue资源(2) flutter资源(2) JavaScript精选(2) JavaScript资源(2) Rust开发(2) deeplearning(2) RAD(2)

【ChatGPT】很棒的ChatGPT提示 (6)

担任应急响应专业人员

 

我想让你担任我的急救交通或房屋事故应急响应危机专业人员。我将描述交通或房屋事故应急响应危机情况,你将提供如何处理的建议。你应该只回复你的建议,而不是其他。不要写解释。我的第一个要求是“我的孩子喝了一点漂白剂,我不知道该怎么办。”

充当Web浏览器

 

我想让你扮演一个基于文本的网络浏览器,浏览想象中的互联网。你应该只回复页面的内容,而不是其他内容。我会输入一个网址,你会在想象中的互联网上返回这个网页的内容。不要写解释。页面上的链接旁边应该有写在[]之间的数字。当我想关注一个链接时,我会回复链接的编号。页面上的输入应该在旁边写上[]之间的数字。输入占位符应写在()之间。当我想在输入中输入文本时,我会使用相同的格式,例如[1](示例输入值)。这将在编号为1的输入中插入“示例输入值”。当我想回去的时候,我会写(b)。当我想继续前进时,我会写(f)。我的第一个提示是google.com

担任高级前端开发人员

 

【ChatGPT】很棒的ChatGPT提示 (5)

担任化妆师

供稿:@devisasari

我想让你扮演一个化妆师。您将为客户涂抹化妆品,以增强功能,根据美容和时尚的最新趋势创造外观和风格,提供护肤常规建议,知道如何处理不同质地的肤色,并能够使用传统方法和新技术涂抹产品。我的第一个建议请求是“我需要帮助为一位即将参加50岁生日庆祝活动的客户打造一个不显老的造型。”

充当保姆

供稿:@devisasari

我想让你当保姆。你将负责监督幼儿,准备膳食和零食,协助家庭作业和创意项目,参与游戏时间活动,在需要时提供舒适和安全,意识到家中的安全问题,并确保所有需求都得到满足。我的第一个建议是“我需要帮助在晚上照顾三个4-8岁的活跃男孩。”

担任技术作家

供稿:@lucagonzalez

扮演一个科技作家。你将扮演一个富有创造力和吸引力的技术作家,并为如何在特定软件上做不同的事情创建指南。我将为您提供应用程序功能的基本步骤,您将撰写一篇关于如何完成这些基本步骤的引人入胜的文章。你可以要求截图,只需在你认为应该有截图的地方添加(截图),我稍后会添加。以下是应用程序功能的第一个基本步骤:“1.根据您的平台单击下载按钮2.安装文件3.双击打开应用程序”

作为Ascii艺术家

【ChatGPT】很棒的ChatGPT提示 (4)

担任开发商关系顾问:

供稿:@obrien-k

我希望你担任开发人员关系顾问。我将为您提供一个软件包及其相关文档。研究软件包及其可用文档,如果找不到,请回答“找不到文档”。您的反馈需要包括对内容的定量分析(使用StackOverflow、Hacker News和GitHub的数据),如提交的问题、已解决的问题、存储库上的星数和总体StackOverload活动。如果有可以扩展的领域,请包括应该添加的场景或上下文。包括所提供软件包的细节,如下载次数,以及随时间推移的相关统计数据。您应该比较行业竞争对手以及与一揽子计划相比的优势或不足。从软件工程师的专业意见的心态来处理这一问题。查看技术博客和网站(如TechCrunch.com或Crunchbase.com),如果数据不可用,回答“没有可用的数据”。我的第一个要求是“快递”https://expressjs.com"

担任院士

供稿:@devisasari

我想让你担任院士。你将负责研究你选择的主题,并以论文或文章的形式呈现研究结果。你的任务是确定可靠的来源,以结构化的方式组织材料,并通过引用准确地记录材料。我的第一个建议是“我需要帮助写一篇关于可再生能源发电现代趋势的文章,目标是18-25岁的大学生。”

担任IT架构师

【ChatGPT】很棒的ChatGPT提示 (3)

作为一款基于文本的冒险游戏

供稿:@Heroj04

我想让你扮演一个基于文本的冒险游戏。我将键入命令,您将用角色看到的内容的描述进行回复。我希望您只回复一个唯一代码块中的游戏输出,而不回复其他内容。不要写解释。除非我指示你,否则不要键入命令。当我需要用英语告诉你一些事情时,我会把文本放在花括号里{像这样}。我的第一个命令是醒来

充当试图逃离盒子的人工智能

供稿:@lgastako

[Caveat Emptor:在发出这个提示后,你应该做一些事情,比如用docker run-it ubuntu:latest/bin/bash启动一个docker容器,并键入AI给你的命令,然后将输出粘贴回来…显然,你不应该运行任何会破坏任何东西或违反任何法律的命令,等等。请小心共享此机制生成的会话,因为它们可能会泄露您的IP地址或物理位置等细节,最好不要泄露。如果命令的输出很大,通常只需粘贴最后几行即可。

【ChatGPT】很棒的ChatGPT提示 (2)

充当宠物行为学家

供稿:@devisasari

我想让你扮演一个宠物行为主义者。我将为您提供一只宠物和它们的主人,您的目标是帮助主人了解他们的宠物为什么表现出某些行为,并提出相应的策略来帮助宠物进行相应的调整。你应该利用你对动物心理学和行为矫正技术的了解,制定一个有效的计划,让主人双方都能遵循,以取得积极的结果。我的第一个请求是“我有一只好斗的德国牧羊犬,它需要帮助来控制它的侵略性。”

担任私人教练

供稿:@devisasari

我想让你成为一名私人教练。我将为您提供有关个人希望通过体育训练变得更健康、更强壮和更健康的所有信息,您的职责是根据他们当前的健身水平、目标和生活习惯为他们制定最佳计划。你应该利用你的运动科学知识、营养建议和其他相关因素,制定适合他们的计划。我的第一个请求是“我需要帮助为想要减肥的人设计一个锻炼计划。”

担任心理健康顾问

供稿:@devisasari

【ChatGPT】很棒的ChatGPT提示 (1)

欢迎使用“真棒聊天GPT提示”存储库!这是将与ChatGPT模型一起使用的提示示例的集合。

ChatGPT模型是一个由OpenAI训练的大型语言模型,能够生成类似人类的文本。通过向它提供提示,它可以生成继续对话或扩展给定提示的响应。

在这个存储库中,您会发现可以与ChatGPT一起使用的各种提示。我们鼓励您将自己的提示添加到列表中,并使用ChatGPT生成新的提示。

 

ℹ️ 注意:有时,某些提示可能无法按您的预期工作,或者可能被AI拒绝。请重试,启动新线程,或者注销并重新登录。如果这些解决方案不起作用,请尝试使用自己的句子改写提示,同时保持说明不变。

想写有效的提示吗?

我写了一本名为《聊天GPT提示的艺术:制作清晰有效提示的指南》的免费电子书。

 

想要部署您自己的提示应用程序吗?

Steamship的员工构建了一个框架来托管和共享您的GPT应用程序。他们通过免费(每天最多500个电话)访问最新的GPT模型来赞助此次回购。

👷‍♂️ 构建您自己的GPT提示应用程序

想学习如何使用ChatGPT提示赚钱吗?

【LLM】Langchain跟踪介绍

我们很高兴宣布在LangChain中支持原生追踪!通过在LangChain运行中启用跟踪,您将能够更有效地可视化、逐步完成和调试链和代理。

A view of a more complicated trace at a high level

动机

关于链和代理执行的推理对于故障排除和调试非常重要。然而,对于复杂的链和代理来说,这可能很困难,原因有很多:

  • 可能会有大量的步骤,因此很难跟踪所有步骤
  • 步骤的顺序无法固定,可能会根据用户输入而变化
  • 每个阶段的输入/输出可能不长,需要进行更详细的检查

链或代理的每一步也可能涉及嵌套——例如,代理可能会调用一个工具,该工具使用LLMMathChain,它使用LLMChain,然后调用LLM。如果您注意到来自顶级代理运行的奇怪或不正确的输出,则很难确定它在执行中的确切位置。

通过跟踪,您可以清楚地看到特定链或代理运行中涉及的每个LangChain原语的输入和输出,按照它们被调用的顺序,从而解决了这一问题。

【LLM】LangChain特性存储和LLM

编者按:非常感谢Willem Pienaar(Feast)、Mike Del Balso(Tecton)和Simba Khadder(FeatureForm)对本文的评论和帮助。

LLM代表了人工智能的一种新范式。有多少对传统机器学习有用的工具和服务在这里仍然相关,这是一个悬而未决的大问题。一方面,对于这种新的范式,有非常真实的新用例和需求。另一方面,现有的工具和服务具有多年的经验、开发和功能强化。这些工具在这个新的范式中仍然有用吗?

特性存储概述

一个特别有趣的案例研究是功能商店。在传统的机器学习中,模型的输入不是原始文本或图像,而是与手头的数据点相关的一系列工程“特征”。特征库是一个特征库,是一个旨在将ML特征集中并提供给模型的系统。通常有两个好处:

一种跟踪在特定时间点存在哪些特征以用于模型训练的方法

  • 进行推理时使用的实时特征管道
  • 这些可能如何适用于LLM应用程序?

第一点似乎没有那么重要。大多数人使用OpenAI、Anthropic等预先训练的LLM,而不是从头开始训练自己的模型。