原創(chuàng)作品，首發(fā)于《AI 科技大本營》：https://mp.weixin.qq.com/s/cXh8r9qsJ5AUtuZOTlJzfA

作者：明明如月學長， CSDN 博客專家，螞蟻集團高級 Java 工程師，《性能優(yōu)化方法論》作者、《解鎖大廠思維：剖析《阿里巴巴Java開發(fā)手冊》》、《再學經(jīng)典：《EffectiveJava》獨家解析》專欄作者。

熱門文章推薦：

• （1）《AI 時代，程序員的出路在何方？》
• （2）《超全人工智能 AI工具導航網(wǎng)站合集》
• （3）《如何寫出高質(zhì)量的文章：從戰(zhàn)略到戰(zhàn)術(shù)》
• （4）《我的技術(shù)學習方法論》
• （5）《什么？ 你還沒用過 Cursor？ 智能 AI 代碼生成工具 Cursor 安裝和使用介紹》
• （6）《我的性能方法論》
• （7）《AI 時代的學習方式： 和文檔對話》
• （8）《人工智能終端來了，你還在用過時的 iterm？》
• （9）《無需魔法打開即用的 AI 工具集錦》

一、前言

曾經(jīng)有一批強大的 AI 模型擺在我面前，我卻未曾珍惜，知道發(fā)現(xiàn)別人能夠輕松駕馭它發(fā)揮巨大價值，才后悔莫及，如果上天給我重來一次的機會，我會努力學習經(jīng)驗和技巧，成為第一批熟練駕馭 AI 模型的人!

隨著 ChatGPT 的問世，各行各業(yè)深受震撼，國內(nèi)外各種新的大模型也如雨后春筍般相繼出現(xiàn)。
一些對機遇反應迅速的人已經(jīng)開始將 AI 運用到學習和工作中，甚至已經(jīng)開始借助 AI 賺錢了。

目前市場上的 AI 模型眾多，包括國外的 ChatGPT、Claude、Bard 等，國內(nèi)的文心一言、通義千問、訊飛星火大模型等。現(xiàn)階段不是缺少 AI 工具，而是缺乏使用這些工具的經(jīng)驗。多人由于缺乏經(jīng)驗，用了幾次大模型后發(fā)現(xiàn)回答不符合預期就感到失望棄之不用，這非常可惜。其實不同的模型之間能力有差異，但是相同的模型不同人用起來效果也會相差很大，這里的關(guān)鍵在于提示詞技巧和使用和業(yè)務接入過程中遇到的常見問題是否有好的辦法去解決。

雖然現(xiàn)在已經(jīng)進入 AI 時代，已經(jīng)可以用自然語言和模型交互，但對提示詞的要求還是有點高，在 AI 工具發(fā)展的相對早期，很多問題還沒有完全解決，很多功能還不完善。在我看來，現(xiàn)在大多數(shù)人使用大模型存在兩類主要問題，一類是提示詞寫的不夠好，導致回答不滿意；一類是大模型的使用和接入經(jīng)驗不足，很多常見問題不知道該如何解決。

提示詞掌握不好，可能會遇到下面的困惑：

• 大模型的回答總是簡略、空洞和機械，怎么辦？
• 大模型的回答總是不能夠按照自己想要的格式輸出，怎么辦？
• 大模型的回答總是不夠完善，怎么辦？

大模型使用技巧掌握不足，可能會遇到下面的困惑：

• 優(yōu)化了很多版本提示詞，答案總不滿意，怎么辦？
• 想在公司里使用 ChatGPT ，但是又擔心數(shù)據(jù)泄露，怎么辦？
• 和 AI 多輪對話之后， AI 似乎忘記了自己的任務是什么，怎么辦？
• 問 AI 問題，但又擔心它“說假話”，怎么辦？
• 每次都要輸入相似的提示詞，嫌麻煩，怎么辦？
• 收費模型有次數(shù)限制（如 GPT-4），如何讓它發(fā)揮更大作用？

業(yè)務接入大模型的經(jīng)驗不足，可能會遇到下面的問題：

• 認為大模型是萬能的，啥功能都想用大模型來解決，結(jié)果事倍功半。
• 剛開始調(diào)通模型就匆忙上線，導致效果不理想，用戶流失。
• 構(gòu)造人工標注太耗費時間。
• 算法工程師不足，開發(fā)人員自己訓練模型，做了很多優(yōu)化效果都不理想。

如果你也遇到上述問題，那么本文將對你有所幫助。接下來我將主要介紹如何通過精準的提示詞技巧獲得想要的答案，以及在使用大模型使用和接入的過程中遇到的常見問題該如何解決。

二、經(jīng)驗

2.1 提示詞經(jīng)驗

很多人試用幾次大模型，得不到想要的答案，頓感失望然后棄之不用。其實多半是自己的提示詞寫的不夠好導致的。
網(wǎng)上的提示詞教程五花八門，要么不成體系，要么過于復雜。接下來將用相對接地氣的方式，談談提示詞的標準、提示詞該如何寫效果更好。

2.1.1 提示詞的標準和原則

在我看來，一個粗略而簡單的標準就是：你身邊的人是否能夠輕松聽懂。
如果你寫一個提示詞，還需要別人再問你好幾個問題才能真正明白什么意思，那么這個提示詞就不是好的提示詞。

好的提示詞應該遵循清晰具體，重點突出，充分詳盡的原則。在提示詞中給出他回答問題所需要的主要信息，并且清楚具體地告訴它要做什么事情。

2.2.2 提示詞公式

對于相對簡單、通用的任務，由于模型對這類任務通常比較擅長，一般遵循前面所講的原則直接寫提示詞即可。
示例 1：

請根據(jù) XXX 起 5 個有吸引力的標題

示例 2：

請幫我找出下面段落中的錯別字，段落內(nèi)容為：XXX。

示例 3：

請給我一個 Java 語言實現(xiàn)策略設(shè)計模式的示例代碼。

對于相對復雜、專用的任務，可以參考下面的公式：立角色 + 說問題 + 定目標 + 給示例 + 加背景+ 補要求，往往可以得到更好的回答。實際使用過程中并非這四項都要有，可以根據(jù)實際情況進行靈活組合。

示例：

我想讓你充當我的導游（立角色），我計劃從青島出發(fā)去杭州旅游，預算是 10000 元，總共 2 個人，行程 3 天，請給我出一份攻略（說問題，定目標）。注意行程不要安排過于緊湊，不想去網(wǎng)紅打卡點，想去有文化底蘊的景點，另外推薦景點時，請附上景點的價格，不去太高檔的餐廳吃飯（補要求）。

2.1.3 提示詞技巧

提示詞的技巧有很多，這里給出一些自己實踐過的非常有用的一些經(jīng)驗，更多進階技巧大家可以再網(wǎng)上搜索更多資料進一步學習。

加分隔符幫助模型區(qū)分不同的區(qū)塊
如果提示詞包含多個部分，為了更好地區(qū)分開來，可以使用分隔符。如使用三個反引號將命令和待處理的段落分開。

示例 ：

執(zhí)行下面的步驟：
1 將下面由三個引號分隔的文本總結(jié)為一句話。
2 將總結(jié)翻譯成英文
3 統(tǒng)計英文中的每個字母的數(shù)量
4 參考三個#分割的文本格式進行輸出
“”“{text}”“”
###{“a”:1,“b”:2}###

通過加限定詞提要求規(guī)范模型的輸出
如果 AI 模型輸出的風格不符合你的要求，可以通過設(shè)置口吻、說明面向的人群等，讓大模型按照你的意圖來回答問題。如果 AI 模型輸出的內(nèi)容存在 Bad Case，你可以通過強勢的情態(tài)副詞對結(jié)果進行干預，如“一定要”，“一定不要”，“必須”、“不許”、“應該”等。身邊就有朋友反饋用 AI 寫出的內(nèi)容有“機器味道”，采用了通過設(shè)置口吻和設(shè)定要求等優(yōu)化提示詞后，寫出的內(nèi)容讓他非常滿意。

示例 1：

你是一位知名兒童文學作家，請使用親和力的口吻，幫我寫一篇面向幼兒園兒童的，能夠體現(xiàn)親情重要性的故事。
要求：
1 文章內(nèi)容需要涉及至少兩個動物。
2 文章內(nèi)容要具有想象力。
3 文章內(nèi)容需積極向上，絕不能出現(xiàn)血腥、暴力的內(nèi)容。
4 …

說明：提示詞中講口吻、面向人群和具體要求給出到模型，更容易寫出讓你滿意的故事。在提示詞中通過“絕不能”的限定，模型構(gòu)造故事時會刻意避免。

示例 2：

請使用 PlantUML 的語法，幫我生成一個時序圖。
時序的對象包括：A、B、C。時序如下：XXX

說明：如果不交代時序?qū)ο螅Ｐ吞崛〉膶ο罂赡芎湍阆氲挠衅?，而提示詞中直接將時序?qū)ο蠼淮o AI 模型，更容易繪制出讓你滿意的時序圖。

示例3：

執(zhí)行下面的步驟：
1 將下面由三個引號分隔的文本總結(jié)為一句話。
2 將總結(jié)翻譯成英文
3 統(tǒng)計英文中的每個字母的數(shù)量
4 參考三個#分割的文本格式進行輸出
5 不需要輸出中間過程，只需要參考三個#分割的文本格式輸出最終結(jié)果即可（一定不要輸出開頭和結(jié)尾分隔符#）
“”“{text}”“”
###{“a”:1,“b”:2}###

說明：如果不加上 “一定不要輸出開頭和結(jié)尾的分隔符#”，有些模型會輸出結(jié)果時前后帶上三個 #，通過限定可以完美解決這個問題。

提供參考示例讓模型更好理解你的意圖
在提示詞中給出一些示例，有助于大模型更好地理解你的意圖，回答出更符合你要求的答案。

示例 1：

請你充當標題優(yōu)化助手，我將給你發(fā)送一個主題，請從下面的原則中選擇最適合的一個原則，給出 5 個參考標題。
好的文章標題遵循三個原則：
（1）數(shù)字法則。如“寫文章的 5 種技巧”、“工作 5 年，我學到了這 10 點”、“3 種姿勢幫你做出精美簡歷”。（2）給出結(jié)論和價值。如“重構(gòu)的必要性和方法”、“關(guān)于軟件復雜度的思考”、“工程師也要有產(chǎn)品思維”。
（3）激發(fā)好奇心。如“DDD 最短學習路徑”、“原來設(shè)計模式還可以這么用”、“ 99% 程序員理解錯了字符串的可變性”、“不寫代碼，程序員最重要的技能”。
主題： XXX

示例 2：

請幫我寫一個正則表達式，匹配的規(guī)則如下：數(shù)字或下劃線#some.com，并且不能以下劃線開頭。
正確示例： 123#some.com 、 123_#some.com、1_23#some.com
錯誤示例：_123#some.com、12ac#some.com

示例 3：

你是一個知名互聯(lián)網(wǎng)論壇的編輯，請幫我校對一篇專業(yè)博文，請指出其中的專業(yè)術(shù)語錯誤、拗口的句子等，并給出修改建議。
參考輸出格式見三個引號分隔的部分：
“”"
第1處
原文： 在軟件開發(fā)流程中代碼審校非常重要，能夠幫助程序員提前發(fā)現(xiàn)問題。
原因：“代碼審校”專業(yè)術(shù)語錯誤，應該是“代碼審查”
修改： 在軟件開發(fā)流程中代碼審校非常重要，能夠幫助程序員提前發(fā)現(xiàn)問題。
第2處
原文： 使用命令 dune init project my_compiler 創(chuàng)建新項目。
原因：此句中對命令的描述不夠通順，建議增加“來”字來連接動作與目的。
修改： 使用命令 dune init project my_compiler 來創(chuàng)建新項目。
“”"

思維鏈 (Chain-of-Thought，CoT)
人們解決復雜問題時，通常會將其分為一些中間的步驟逐步解決，最終得到答案。思維鏈就是參考人類的解決辦法，思維鏈提示詞模式包括輸入問題、思維鏈和輸出結(jié)論。讓模型可以學習這種推理過程，從而提高大模型在復雜推理時的準確率。

（圖片來源：《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models 》論文）

2.2 模型使用過程中常見問題和解決辦法

2.2.1 想使用外部大模型，又擔心業(yè)務數(shù)據(jù)泄露

很多人想在公司里使用 AI 工具，但對業(yè)務數(shù)據(jù)泄露持有顧慮。

如果你在大廠，可以考慮公司內(nèi)部自研的合規(guī)模型。也可以選擇公司代理（會進行安全過濾）的外國 AI 模型。
如果想直接使用 ChatGPT 、Bard 之類的外國大語言模型試試效果，可以將數(shù)據(jù)先脫敏、構(gòu)造 mock 數(shù)據(jù)或者嘗試將遇到的問題轉(zhuǎn)成一個通用的問題來提問即可，得到靠譜的方案或代碼再移植到公司內(nèi)部。

2.2.2 自定義提示詞來提高 AI 模型的提問效率

現(xiàn)在 AI 很智能，但是 AI 產(chǎn)品并不智能。 ChatGPT 官方聊天頁面只有一個輸入框，似乎秉承著 “Simple is Better” 的理念，但很多時候并非越簡單越好，使用 ChatGPT 經(jīng)常需要輸入相似的提示詞，用起來效率極低。

下面將從四個方面簡要解釋如何通過預定義提示詞提高輸入效率。

單平臺層面，如果你使用 ChatGPT 官網(wǎng)，推薦 ChatGPT Prompt Plus 插件，支持自定義提示詞，可以快速呼出，還支持提示詞中定義變量，支持為提示詞分組，在呼出提示詞時選擇或者填寫即可進行提問，非常方便。
下圖就是通過該插件預定了 “解釋某句” 的界面，可以將需要填寫的內(nèi)容定義為變量，使用時呼出后填充即可。

直接通過 “/解釋某句” 即可呼出，不需要每次都輸入重復的提示詞，每次只需要必要的內(nèi)容，如這里的內(nèi)容和問題即可自動拼接好提示詞發(fā)送給 ChatGPT 進行提問。

如果你使用 Poe 平臺，可以在平臺上預定義機器人，具體方法和上面大同小異，感興趣可以自行研究。

瀏覽器層面，可以通過安裝 ChatGPT Sidebar 這類的 AI 插件，可以在頁面上選擇一段內(nèi)容后，直接選擇內(nèi)置或預定義的提示詞進行處理即可。

在輸入法層面，可以通過自定義短語設(shè)置，來預先定義提示詞，輸入內(nèi)容時，可以通過輸入縮寫自動填充提示詞。


在通用方法層面，你可以利用 Alfred 的 Snippets 功能（支持將剪切板內(nèi)容作為變量自動替換預定義提示詞中的占位符）或者 utools 的備忘功能，來預定義并快速粘貼提示詞。

2.2.3 提示詞怎么優(yōu)化都得不到想要的答案

在使用 AI 工具時，如果回答不滿意，可以檢查自己的提示詞是否真正符合“清晰具體、重點突出和充分詳盡”的原則。
如果調(diào)整優(yōu)化提示詞還是得不到想要的答案，可以嘗試通過下面的方法解決。

有時候你以為你表達很清楚，其實模型理解和你的表達有偏差，你可以嘗試讓模型重述你的任務，你可以根據(jù)他的重述發(fā)現(xiàn)偏差，對提示詞進行針對性糾正。

對于提示詞并不是很復雜，但是模型似乎不能很好理解你的意圖的情況，可以考慮使用英文提問，有時候會有奇效。這可能與模型的語料中英文占比更多，模型更擅長英語有關(guān)，也可能是中文提問優(yōu)先匹配中文語料，但是中文語料質(zhì)量不高原因?qū)е碌?。之前就遇到過一個技術(shù)問題，用中文對 New Bing 提問很多次都沒得到想要的答案，換成英文提問，一次就得到了靠譜的答案的情況。大家如果英文不好，也可以采用“套娃”的方法，如讓 ChatGPT 幫你翻譯成英文提示詞再對 ChatGPT 進行提問。

如果模型理解無誤，使用英文提問也沒有效果，建議換更高級的模型。在我看來不同的模型就像不同層次的學生，比如有些模型可能是中學生水平，有些模型可能是高中生水平，有些模型則相當于大學生甚至研究生水平。而且不同的模型的擅長之處也有所不同。因此當提示詞已經(jīng)寫得很好，但模型回答并不滿意時，有條件可以考慮切換到更強大的模型。在我的實際中，能夠明顯的感覺到 GPT-4 在大多數(shù)任務上都會比 GPT-3.5 回答更好，未來或許還會出現(xiàn)更強大的模型。有些涉及到時效性的問題，優(yōu)先使用支持聯(lián)網(wǎng)的大模型。比如有些朋友問某個類庫是否支持某個功能， GPT-3.5 知識庫在 21年9月，很可能不支持，可以使用 New Bing 或 Bard 等支持聯(lián)網(wǎng)的大模型。

當使用更高級模型也得不到滿意的答案，說明當前任務對大模型來說過于復雜，此時可以考慮任務分解。對于復雜任務，建議大家先進行拆解，拆解到模型比較容易完成的步驟，然后每個步驟讓模型去完成，往往效果更好。比如你想讓模型寫出一個類，可以拆解成不同的函數(shù)，然后每個函數(shù)讓模型去寫。

當嘗試上述方法還是效果不滿意時，可以嘗試任務接力。所謂“任務接力”是指，將任務拆解后分步驟讓** AI 分步完成或者人與 AI 分工合作完成**。比如寫代碼，你可以開一個對話窗讓 AI 寫代碼，用另外一個對話框讓 AI 去找出其中的問題，再讓 AI 工具優(yōu)化代碼。比如寫稿件，你可以讓 AI 寫目錄供自己參考，也可以讓 AI 寫草稿自己優(yōu)化或者你自己直接寫稿子，最終再讓 AI 去潤色。這樣復雜任務通過每個步驟拆解成 AI 比較容易完成的粒度或者通過將簡單重復的任務分配給 AI ，將復雜 AI不擅長的部分分配給人，可以實現(xiàn)更好地效果。

2.2.4 上下文丟失問題

在使用 AI 工具過程中，經(jīng)過多輪對話之后，你可能會發(fā)現(xiàn)模型已經(jīng)忘了最初的任務是什么。

對于這種情況，最簡單的處理辦法就是重新開一個對話窗口，重新表述問題，繼續(xù)處理后面的材料。

如果步驟特別多，需要重新開太多對話非常麻煩，可以嘗試下面的方法。

前面講到模型重述任務有助于檢查模型是否真正理解任務，在我看來對上下文丟失的問題也有幫助，如果你的任務需要多輪對話才可以完成，可以嘗試沒隔幾輪對話問 AI 任務是什么，通過提醒可以降低“遺忘”的概率。

我在實踐過程中經(jīng)常使用“簡述任務”這一方法。例如，當需要讓模型概括每個段落的重點時，我會在第一個提示詞中詳細寫明要求。然后，在第二輪發(fā)送段落前，我都會重述或簡述這個要求。這樣即使模型忘記了最初的任務，也能根據(jù)第二輪之后的簡述完成任務。如“請按照我最初的要求，繼續(xù)提取下面段落重點發(fā)送給我。段落內(nèi)容： XXX”。

如果模型確認或者簡述任務方法還不能解決問題，側(cè)面說明這個任務可能對于模型來說有些復雜了，建議可以將任務進一步拆解，讓每一個 Chat 界面只做其中的一個步驟或者有些步驟讓 AI 來做，有些步驟讓人來完成。

2.2.5 回答可靠性問題

很多人用大模型時偶爾會碰到明明回答錯誤，但是大模型回答的卻很有自信的情況，很容易被大模型所“唬住”。

建議對于自己拿不太準的問題可以問多個不同的模型，他們答案之間相互印證，降低都“胡說”的概率。
有時，對于相對嚴謹?shù)膬?nèi)容，可以將 AI 的回答僅作為基本參考，并需結(jié)合傳統(tǒng)的研究方式，如使用搜索引擎、查閱論文和其他資料等。

最關(guān)鍵的還是自己要具備辨識能力。因為即使不是 AI 時代，你讓其他人幫你準備材料，如果你沒有足夠的辨識度，也很容易出現(xiàn)問題。雖然 AI 能夠提高我們的效率，但是我們比以往更需要提高專業(yè)素養(yǎng)，提高對信息真?zhèn)蔚谋孀R能力。

2.2.6 如何更好發(fā)收費模型的價值

以 ChatGPT 為例， GPT-3.5 目前免費使用， GPT-4 則需要開通 Plus 服務，而且還有每 3 小時 50 個 message 的限制（未來有可能進一步提高，甚至完全放開）。在 Poe 平臺上，ChatGPT 和 Claude 也分為免費版和收費版本，收費版也有次數(shù)限制。

很多簡單的任務免費的模型就可以做的很好，優(yōu)先可以使用免費模型進行處理。對于復雜的任務，可以安排給收費模型進行處理。
在使用收費模型時，可以將多個步驟合并成一個提示詞，節(jié)省收費模型的調(diào)用次數(shù)。
可以使用免費模型產(chǎn)出草稿版本，然后讓收費的高級模型進行二次優(yōu)化，這也是一個不錯的選擇。

2.2.7 業(yè)務接入大模型經(jīng)驗

現(xiàn)在很多公司開始自研大模型，很多業(yè)務也開始接入大模型，下面談談業(yè)務接入大模型的一些經(jīng)驗，掌握這些經(jīng)驗可以讓你少走一些彎路。

大模型不是萬能的，我們不應該“為了使用 AI 而使用 AI”。就像汽車雖然方便快捷，但不是在所有情況下都是最佳選擇。在實踐過程中，我們發(fā)現(xiàn)某些任務通過工程化方式解決效果更佳且成本更低。因此，在接入大模型時，我們需要權(quán)衡哪些任務適合工程化解決，哪些任務更適合用大模型來解決。

在正式接入模型之前，需要確定模型的效果評估標準，這樣才可以發(fā)現(xiàn)模型的不足，針對性優(yōu)化。我們還需要確定可進行工程化開發(fā)的前提，比如生成的代碼采納率在 50%，生成的段落達到 80 分以上等。如果我們過早進入工程化開發(fā)，產(chǎn)品可能上線后長時間達不到預期標準，甚至可能永遠無法達成，從而導致產(chǎn)品可用性較差，并浪費大量資源。

有些復雜任務需要對模型進行微調(diào)，需要大量的人工標注，以及評估模型效果工作。為了提高效率，建議大家可以自己編寫腳本，或借助 AI 模型進行輔助，實現(xiàn)自動化或半自動化的流程。

在將 AI 模型落地到業(yè)務的過程中，開發(fā)人員雖然熟悉業(yè)務，但可能不了解模型優(yōu)化的方法；算法人員雖然更專業(yè)，卻可能對業(yè)務不夠了解。因此，想要不斷優(yōu)化大模型的效果，就需要開發(fā)同學和算法同學通力合作。而且由于有些公司大模型團隊的算法人員緊缺，很多業(yè)務又想盡早上線，有些開發(fā)人員也開始親自訓練大模型。但缺乏專業(yè)指導可能會導致許多優(yōu)化思路不科學，從而會走許多彎路。因此，建議大家在考慮將業(yè)務加入 AI 能力，讓 AI 為業(yè)務提效時，增加算法同學的投入，讓算法和開發(fā)同學通力合作，更好地解決問題。

三、總結(jié)

或許，提示詞只是大語言模型發(fā)展早期階段的一種折中方案。可以類比為汽車的發(fā)展，從手動擋逐漸演化到輔助駕駛和自動駕駛，未來我們和大模型的交互可能也會采用更先進的方式，如腦電波、意念等。

雖然 ChatGPT 的出現(xiàn)讓人眼前一亮，但是大語言模型還存在很多其他待解決的問題，現(xiàn)在還需要我們?nèi)ミw就它。
不過，在我看來，這卻是一件值得慶幸的事情。正是因為 AI 的不完美，我們才沒那么容易失業(yè)。

在 AI 發(fā)展的當前階段，我認為最重要的是學好提示詞，掌握 AI 工具的最佳實踐，才能成為最早一批靈活駕馭大模型來更好解決你生活和工作問題的人，才能在 AI 時代的早期取得一些競爭優(yōu)勢。希望本文提供的一些經(jīng)驗能夠讓大家少走一些彎路。

你在 AI 工具使用中還有哪些經(jīng)驗？你對當前大語言模型的發(fā)展有啥看法？歡迎大家在評論區(qū)進行評論補充和討論。

創(chuàng)作不易，如果本文對你有幫助，歡迎點贊、收藏加關(guān)注，你的支持和鼓勵，是我創(chuàng)作的最大動力。

歡迎加入我的知識星球，知識星球ID：15165241 （已經(jīng)經(jīng)營 3年多）一起交流學習。
https://t.zsxq.com/Z3bAiea 申請時標注來自CSDN。文章來源地址http://www.zghlxwxcb.cn/news/detail-700042.html

到了這里，關(guān)于從失望到精通：AI 大模型的掌握與運用技巧的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！