提示詞
關注創建者：張三_4533 創建時間：2023-05-26
提示詞的實例教程
實踐實驗：實施安全防御、提示詞注入保護、輸出驗證和適合企業使用的AI治理流程。
- 課程成果：課程結束時，你將能夠：構建可投入生產的生成式AI系統；設計穩健的提示詞和智能體架構；實現RAG流水線和語義搜索；開發全棧大型語言模型應用程序；優化成本、延遲和可擴展性；部署安全、合規的企業級AI。
- 解壓密碼：0daydown
###
注：本文案例圖片均由midjourney生成
Midjourney令人驚艷的地方不止是可以用來生成美女圖像或夢幻的場景圖，如果你掌握了它的提示技巧的話，你甚至可以用Midjourney生成有創意的logo。
對于一個品牌來說，logo設計的質量很重要，因為這是一個品牌所有價值的簡寫。
每個圖形的背后都有一個完整的世界。相較于文本，品牌logo設計的好，能夠讓消費者更快記住你這個品牌。因為人腦處理圖像的速度 比文本快60000倍 。
過去，為了節省專業設計師費用，很多小公司可能會選擇使用廉價的設計或自己隨意拼湊。
而現在，有了Midjourney，你沒有理由再使用低質量的logo。你只需拿出很少的錢就可以創建一個專業品質的logo。
下面是10多個適用于平面設計、網頁設計、插圖和攝影等應用程序的實用提示，希望對你有所幫助:
開始的技巧
簡單的提示效果更好。以“ ”開始您的提示，然后從那里開始。
文本在 Midjourney 中效果不佳，但如果您知道如何使用 Photoshop 或Photopea或Canva等免費替代品，您可以輕松地用您自己的文本替換文本。
在您的提示中使用擅長您正在尋找的風格的設計師和藝術家。如果您有創意，請在您的提示中使用時裝設計師和建筑師。
讓我們進入提示:
1. 圖形標記標志（圖形）
圖形標記，也稱為品牌標記，當您想到“徽標”時，您可能會想到它。想想標志性的 Apple 標志、Twitter 鳥和殼牌標志:
您可以將標記與文本配對，但標記必須能夠獨立存在。因此，對于沒有強大品牌知名度的新公司來說，它可能是一種棘手的標志類型。您想瞄準某事:
●適合您的品牌
●與眾不同且令人難忘
●簡單的
中途往往會變得復雜，因此您必須告訴它您想要相反的結果。
展開 為此，我們對各種AI大模型進行測試、變化不同的提示詞進行測試，測試結果通過Amesim課程團隊老師打分、微信交流群中的盲審判斷，最后才得以定稿。
解析文檔優化
以下是對EMDFM001子模型生成的兩份不同的內容截圖，兩份報告基于同一份Amesim子模型文檔，然而補充的解析內容側重點完全不同，各有千秋，以此類推，我們針對典型子模型產生了幾十種報告，然后再補充各自優缺點，合成最終解析報告。請大家一起對比我們做的幾個文檔。
解析文檔一
解析文檔二
最終版解析文檔效果
經過努力，結合不同模型的優缺點，我們生成的最終版Amesim子模型解析文檔，質量相當高。基于原文，擴展所有背景知識，看一遍就會對Amesim的子模型有深入理解，學習效率拉滿！依然以EMDFM001子模型為例，如下是最終合成后的子模型解析文檔內容：
批量生成與格式
在Amesim子模型的解析文檔最終效果令人滿意后，我們批量生成了19327份Amesim子模型的AI解析文檔，這樣一來大家在學習的時候就方便多了，看不懂的或對概念理解困難的時候，就可以直接查看我們做的解析文檔了，經過多人體驗，效果拔群。
如下圖所示一個Amesim功能性電動機驅動的子模型頁面，正文是我們翻譯后的原文，點擊“AI解析報告”后，就可以看到詳細的解析報告了。
展開 為破局，企業搭建了 “QMS 數據底座 + AI 智能 Agent” 的質量管理體系：
數據筑基：
先通過 QMS 系統完成物料基本信息、檢驗項目庫、不良模式庫、處置方案庫等核心數據的數字化沉淀，形成覆蓋全產品生命周期的質量數據資產；
Agent 矩陣搭建：
● 基于 “大模型 + 提示詞工程”，構建專屬智能 Agent 集群，當產線檢測到某齒輪尺寸超差時，不良模式 Agent1 秒匹配“尺寸偏差類型”，同步調取該齒輪的歷史不良記錄；
● 與此同時處置方案Agent立即推送 “返工調整機床參數” 的方案，并自動生成工單發送至機加工車間；
● 同時，根因分析 Agent聯動機床運行數據，發現是 “主軸溫度過高導致的熱變形”，隨即觸發預防措施 Agent，推送 “主軸溫度實時監控” 的設備改造建議；
● 持續優化：系統將每次處置數據回傳至知識圖譜，不斷迭代 Agent 的推薦精度，實現 越用越智能。
價值體現：
這套體系落地6個月后，實現了企業質量管理上多個指標提升與優化：
● 不合格品處置周期從24小時縮短至40分鐘，效率提升87%；
● 同類質量問題重復發生率從月均5次降至1次以內，下降80%；
● 質量管理人員的重復性工作占比從70%降至20%，精力轉向更核心的改進決策。
結語
AI不是“替代人工”，而是讓質量管控 “更有溫度”
AI 賦能質量管理，并非用機器取代檢驗員與質量工程師，而是將他們從重復性工作中解放，聚焦于 “決策、優化、創新” 等高價值環節 —— 當系統承擔了數據采集、方案匹配的基礎工作，人便能更專注于質量戰略的制定、核心問題的攻堅。
對于制造業而言，這場 “AI + 質量” 的變革，既是響應 “十五五” 高質量發展的要求，也是在激烈競爭中構建差異化優勢的關鍵。
展開 當用戶提問時，系統自動將帶有提示詞的上下文信息提供給大語言模型，能夠給出準確的回答。如下圖：
圖 4 基于DeepSeek本地知識庫的仿真平臺問答場景（1）
圖 5 基于DeepSeek本地知識庫的仿真平臺問答場景（2）
04
應用成效與價值提升
通過應用實踐，融合大語言模型和機器學習的SimManager智能仿真平臺，能夠進一步擴展仿真平臺的使用場景，協助仿真人員實現仿真知識快速反饋、仿真數據挖掘和重用、協助文檔生成、專家經驗重用等，如下所示：
圖5 融合大語言模型和機器學習的SimManager智能仿真平臺
提示詞的相關專題、標簽、搜索
提示詞的最新內容
- 模塊4——工程師的提示詞工程：將提示詞工程作為軟件工程學科進行教學，涵蓋系統、用戶和助手角色，零樣本、單樣本和少樣本提示技術，以及思維鏈、自一致性和基于約束的提示等高級技術。實踐實驗：設計穩健的提示詞模板，防范提示詞注入攻擊，并為安全提示實現輸入/輸出驗證。
為破局，企業搭建了 “QMS 數據底座 + AI 智能 Agent” 的質量管理體系：
數據筑基：
先通過 QMS 系統完成物料基本信息、檢驗項目庫、不良模式庫、處置方案庫等核心數據的數字化沉淀，形成覆蓋全產品生命周期的質量數據資產；
Agent 矩陣搭建：
● 基于 “大模型 + 提示詞工程”，構建專屬智能 Agent 集群，當產線檢測到某齒輪尺寸超差時，
為此，我們對各種AI大模型進行測試、變化不同的提示詞進行測試，測試結果通過Amesim課程團隊老師打分、微信交流群中的盲審判斷，最后才得以定稿。
當用戶提問時，系統自動將帶有提示詞的上下文信息提供給大語言模型，能夠給出準確的回答。
注：本文案例圖片均由midjourney生成
Midjourney令人驚艷的地方不止是可以用來生成美女圖像或夢幻的場景圖，如果你掌握了它的提示技巧的話，你甚至可以用Midjourney生成有創意的logo。
對于一個品牌來說，logo設計的質量很重要，因為這是一個品牌所有價值的簡寫。
每個圖形的背后都有一個完整的世界。相較于文本，品牌logo設計的好，能夠讓消費者更快記住你這個品牌。因為人腦處理圖像的速度
不需要任何繪畫基礎，也不必懂復雜的參數調試，只要輸入一句簡單的提示詞，就能得到一張可能風格詭異但頗具神韻的作品。
只是更多時候，想得到一張符合想象的畫作并不容易。
當你嘗試描述“用吉普力工作室的風格畫出一個皮卡丘”時，可能收獲的卻是一幅“移動的皮卡丘城堡”；想看看蒸汽朋克的海拉魯大陸如何，卻只得到一個機械宇航員的側身像。
* PLASTIC
〈屈服點處的真實應力〉.0
＜真實成力〉，＜塑性應變〉
☆提示：關鍵詞*PLASTIC 下面各個數據行中的第二項數據必須為0，其含義為：在屈服點處的塑性應變為0，如果此處的值不為0，在運行時會出現以下錯誤信息：
??? ERROR： THE PLASTIC STRAIN AT FIRST YIELD MUST BE ZERO”。
NLP語義機器人在售前邀約部分提示了關鍵詞，自動推薦了知識點，并根據邀約成功率來完善NLP語義機器人的功能，從而促進了捕捉用戶角色的精準化。
