随着生成式人工智能(GenAI)系统在工业和研究领域的广泛应用,开发者和终端用户越来越多地通过提示(prompting)或提示工程(prompt engineering)与这些系统进行交互。尽管提示已成为一个被广泛研究的概念,但由于该领域的新兴性,存在着术语冲突和对什么构成提示的本体论理解不足的问题。为了建立对提示的结构化理解,一个由来自多所大学和研究机构的研究人员组成的团队开展了The Prompt Report项目,对提示技术进行了系统性的调查和分析。
研究团队采用了系统性文献综述的方法,遵循PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses)指南进行。他们首先通过关键词搜索从arXiv、Semantic Scholar和ACL等数据库中抓取了相关论文。初始搜索使用了44个与提示和提示工程密切相关的关键词。
随后,研究人员对数据集进行了去重处理,并通过人工和AI审核相关性,最终从4,797条初始记录中提取出1,565篇相关论文。这个精心筛选的数据集构成了本研究的基础。
研究团队建立了一个全面的提示技术分类体系,将提示技术分为三大类:
在基于文本的技术中,研究者们识别并定义了58种不同的提示技术。这些技术涵盖了从简单的指令提示到复杂的 链式思考(chain-of-thought)提示等多种方法。
多语言技术主要用于在非英语环境中对大语言模型进行提示,而多模态技术则用于处理图像和音频等非文本模态。
研究还深入探讨了提示工程的过程,将其概括为三个反复进行的步骤:
这个过程强调了提示工程的迭代性质,以及不断优化以获得最佳结果的重要性。
为了验证和展示不同提示技术的效果,研究团队进行了两个案例研究:
The Prompt Report的重要性体现在以下几个方面:
为了促进该领域的进一步研究和发展,The Prompt Report项目团队将其数据集和代码开源。感兴趣的研究者可以通过以下方式访问相关资源:
研究团队鼓励社区成员使用这些资源,进行进一步的分析和实验,以推动提示技术的发展。
The Prompt Report代表了对AI提示技术领域的一次全面和系统的调查。通过建立标准化的词汇、分类体系和分析方法,这项研究为未来的工作奠定了坚实的基础。随着生成式AI技术的不断发展,对提示技术的深入理解和有效应用将变得越来越重要。The Prompt Report不仅总结了当前的研究状态,还为未来的创新指明了方向。
研究者、开发者和AI爱好者都可以从这份报告中获益,无论是通过学习不同的提示技术,还是利用开源资源进行进一步的探索。随着AI技术继续改变我们与计算机交互的方式,The Prompt Report将成为理解和塑造这一革命性变化的重要工具。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助 职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号