学习生成式人工智能，提升央国企职工的应用能力
生成式-大语言模型(LLM：eg：deepseek)的用法技巧
撰写高质量输入的技巧
LLM 的本质是一个输入输出程序，这意味着：
- 【结构化的(eg: markdown)、表达清晰充分的、引导性强的】输入，能获得更棒的输出(good question can get good answer)
- 结构化能帮助 LLM 精准辨识：对于输入，哪些部分应当被识别为一个完整的意义单元
赋予 LLM 特定的角色 & 约束其回答范畴(即：规则限制，比如让其只能给出法律相关的回答)
- 这能让 LLM 身临其境地充分理解当前需求的场景上下文，以便给出更棒的输出
可给 LLM 提供高质量输出的例子，让其模仿
分治法：复杂问题可拆解成 n 个小问题，让 LLM 逐个击破
既然如此，编写高质量输入能不能总结出来套路/范式/模板/框架？这不就省事了么，也便于引导AI，产出更准确、更符合预期的内容
本质就是【表达的方法论】
5W1H
- Who
- What
- When
- Where
- Why
- How
BROKE
- Background 说明背景
- Role 定义角色
- Objectives 实现什么
- Keyresult 具体效果
- Evolve 改进(eg: 可以改进输入，可以改进输出，可以让AI不断重新回答优中选优…)
+markdown
这也太复杂了，既然我不太会写高质量的输入(提示词)，那就让AI来写！
Kimi-提示词专家(AI智能体)
DeepSeek 的深度思考模式是什么鬼？
深度思考模式调用的是【推理型模型】，与【指令型模型】不同
- 指令型模型，对提示词的依赖程度高，好的提示词，效果立竿见影，eg: DeepSeek V3
- 聪明又听话，高效又便捷，适合大多数任务，即规范性任务
- 推理型模型，对提示词的依赖程度低，eg: DeepSeek R1, Kimi1.5 …
- 聪明但没有那么听话的分析推理官，适用于创意思考、分析推理、…
深度思考模式下，输入(提示词)的模板
- 背景信息：AI需要了解上下文
- 直接需求：结构化表达清楚
- 约束条件
AI智能体(AI-Agent)
- 赋予 LLM 特定角色(编写提示词)
- 插件(第三方工具集)
- 工作流
- 记忆系统
- 知识库
AI-PPT
全套快速制作
- kimi: PPT助手(AI智能体)
- https://www.aippt.cn/ 提供了自定义PPT模板的功能