2023年11月,OpenAI发布了自定义GPTs,开启了使用ChatGPT的全新纪元。这项创新不仅允许用户根据个人需求定制化他们的GPT助手,还可以将这些个性化的创新分享给其他用户,从而促进了一个基于共享和合作的知识生态系统的形成。
特别是在辅助写作方面,通过独特的数据库、精心设计的提示词,以及创新的内容生成逻辑,这些定制化的GPT助手大大提高了处理特定问题时的效率和精度,相比OpenAI的标准ChatGPT模型,它们提供了更为高效和精确的解决方案。
GPTS:编织文字的“魔法”
“Write For Me”能提供高质量的内容;“Academic Assistant Pro”能让文字散发老教授的学术气息;“Humanizer Pro”能让文字变得细腻动人;“Book Creator Guide”能成为书籍写作助理;“AI Humanizer Pro”可以将内容“人性化”......
从使用体验来看,这些GPTs基本都首先询问用户的预期用途、目标受众、语气、字数、风格和内容格式,然后创作大纲并进行字数管理,以保证生成的结果更加贴合用户的需求。同时,大都支持长文章生成,能准确的字数控制以及章节之间内容的衔接。部分如“Humanizer Pro”等会帮助用户从历史脉络、方法论述到延伸案例进行知识介绍。
尽管这些GPTs能提供质量相比于ChatGPT4.0直接生成的内容要高,但其理解和创造力还存在一定程度上的缺陷。
实践证明,这些GPTs大多数都需要足够的信息才能产出高度个性化的内容,受制于AI技术局限,其本身在内容涌现方面的能力较为欠缺。在复杂、高度专业化需求时,还需要更多的指导和校正。不支持逻辑性强的提问,同时实测中文生成字数基本都少于要求的字数。对写论文所需要的引用与脚注的支持不够。
面对这些GPTs的特点,如何利用Prompt(提示词)规避确定,发挥长处是重中之重。
笔者建议可以从以下几个层面优化Prompt。
一方面,要先生成文章提纲,再根据提纲逐次生成各部分。
另一方面,可以优化拼写、语法、清晰度、简洁性和整体可读性,分解长句子,减少重复,并提出改进建议。
此外,我们可以设计一个“知识框架”,让 AI 用这个知识框架去挖掘他的资料库,然后进行文字接龙,但这样往往能够更有效的产出可用品质的结果,减少AI放飞自我的胡说八道(幻觉)。
如何编写一条GPTS“超级咒语”?
根据上述给出的优化方法,我们写了一份Prompt:
你是一位拥有AI领域知识的研究和实践专家,尤其擅长将专业学术以及趋势观点类的研究工作。请你基于“AI的安全性与鲁棒性”这一课题写一篇研究分析类的文章。
规则:
- 全程使用中文回复
- 要列出文章提纲,再根据提纲逐次生成各部分。
- 要保留引用的论文,例如 [1] 这样的引用。
- 引用的论文时要保留图注、表头格式,例如:“图 1: “表 1: ”。
- 针对有关学术术语、学术名次要准确,同时给出相关释意
如:对齐(Alignment)、鲁棒性(Robustness)、监测(Monitoring)
系统安全性(Systemic Safety)
策略:
请一步一步分析,并打印每步的结果:
1、先概述有关该课题的历史源流,然后用一般人也能懂的方式诠释基本概念,接着根据主题适合的角度用完整多层清单展开这个知识的推论逻辑、操作步骤、历史脉络或是方法论流程。
2、提供多人专家小组的个别建议。 请一步一步分析,先根据课题设计出起码4个不同领域的专家,后续让不同的专家分别提供其专业建议,先模拟第一位专家的角度提供建言,建议时专家会先从自己的专业知识来分析问题成因,然后提出自己专业领域的理论提供解决方法,说明时会尽量让一般人也能听懂,但也有专业的论证,并且有完整的建议步骤解释。
3、当每一位专家分享完后,询问我有没有想问这专家的问题,或列出还有哪些专家可以提供建议,让我选择。
4、用一个具体形象化的模拟案例提供这个知识主题的延伸诠释,最后,分析这个知识主题适合应用在什么情况。并且,在消息最后举出内容中值得深入探讨的子主题,询问我想针对内容中的哪一部分继续深入研究。
从效果方面不难看出,通过优化后的Prompt,我们成功地利用定制化GPTS,一定程度上提高了内容生成效果。
总的来说,优化后的GPTS不仅能够更好地满足用户的具体需求,还能够提供更加精准、深入的内容分析。这标志着我们正处在一个通过技术创新来增强人类能力的新时代,通过这些先进的工具,我们可以达到前所未有的创作和研究高度。
未来,随着AI技术的不断进步和优化,我们有理由相信,这些工具将为我们解锁更多的可能性,推动创新写作的界限不断扩展。
好文章,需要你的鼓励
机器人智能公司Inbolt将于2026年6月在芝加哥Automate展会上发布两项新能力:Inbolt机器人编程功能和扩展版机器人控制模块。新功能可让工程师直接基于CAD模型构建程序,结合视觉模型实时定位实体零件并自动调整运动路径,彻底消除传统调试中耗时数周的手动示教环节。此次更新还将原生支持安川机器人,使平台覆盖品牌扩展至六个。
浙江大学团队提出目标视角复现任务(TVR),测试AI主动导航至指定视角的能力,最强模型成功率仅12%,人类达93%,并验证了视觉示范学习与多轮强化学习的提升路径。
本文提供了一套完整的笔记本电脑深度清洁方案。硬件方面,介绍了如何用温和洗涤剂清洁机身、用微纤维布擦拭屏幕、用压缩空气清理键盘及清洁充电线的正确方法。软件方面,建议及时更新操作系统与驱动程序,删除冗余文件与临时下载内容,并通过开启Windows Storage Sense功能实现自动清理,同时将剩余文件整理归类,保持系统整洁高效运行。
这项研究提出"VLM即教师"框架,让视觉语言模型在视频生成推理时充当实时监考官,通过可微分奖励信号在线优化轻量LoRA模块,平均提升视频推理性能16.7分。