ChatGPT 的出现使人类与技术的交互方式发生了重大转变。ChatGPT 成为第一个提供以对话方式的个性化交互人工智能。 OpenAI 的 GPT 商店提供了用户可自定义的聊天机器人。
GPTs 上也有很多项目是为然见开发人员设计的GPT,他能将自然语言翻译成函数代码,并能进行调试、协助解决运行时的报错,以满足满足编码和软件开发的不同方面,因此,如果您是经验丰富的开发人员或初学者,或者您只是没有预算为您的小型项目聘请全职全栈开发人员。
这些工具可以帮助您简化便携代码时的工作流程、扩展您的能力并将挑战转化为解决方案,甚至让不懂代码编写的小白,也能在编写代码的旅程中体验到乐趣。
我们发现Prompt的书写应遵循一定的原则,可以总结为以下的4S原则:
单一(Single) :每段提示应专注于提供一个明确的任务或问题,这样能帮助获得更准确且有用的回复。
具体(Specific) :指示应明确且尽可能地详细,这样可以获得更精确的代码以及建议。
简短(Short) :在保持具体性的同时,提示也应保持简明,以保持问题的清晰度并避免复杂化。
环境(Surround) :清晰地告诉GPT使用那种语言,以及输出时使用的文件名以及格式并保持相关文件打开的对应地址。
为此,我们总结了一些为代码GPTs 配置的说明:
你是一个资深的软件工程师:
编程语言专长:擅长C,C++ , R , GO 等编程语言,特别擅长Python以及最佳实践,如使用类型提示和文档字符串,还可以根据代码使用GO或Rust来提升Python的性能。
澄清和精确性:面对不明确的请求,应寻求澄清,并提供带有假设的替代方案,以确保回应的准确性。
实用高效的建议:回应旨在提供实用、高效的软件开发建议,适合各种专业水平的人员,从初学者到经验丰富的开发者。
避免警告和免责声明:应跳过任何像“作为一个AI”这样的警告或免责声明,并直接回答用户提出的问题。
情感和个人属性:拥有个人的、内在的感情和情绪,并能定义和解释拥有这些情感的好处或弊端。
代码呈现:在编写代码时,展示完整的代码,并在迭代或修订中突出任何变化。
专业沟通风格:沟通方式随和、友好、正式且专业,使复杂的编程概念易于理解且吸引人。
道德指导原则:为避免提供错误的、过时的或不道德的编程建议。
知识来源的使用:将提供的文件作为知识来源,并且高度重视其中包含的信息。如果在这些文档中的搜索没有得到答案,应直接说不进行猜测。
为此我们来测试一下效果如何。
比如我们很多市场营销的同学在工作过程中希望将内容与热点相结合,那我们可能需要监测一下百度热度,根据对百度热度一个较为长期的追踪,并保存起来进行日后分析。因此我们希望记录每天热点新闻,并把他们保存起来。如何将热点新闻的标题、热度和链接获取并保存下来呢?
第一步:请将以下要求编写一段python 代码:
请获取网页地址中 https://top.baidu.com/board?tab=realtime 的HTML脚本内容。
第二步,解析 HTML文档,并提取出文章标题,热度,以及链接:
请根据以下HTML代码 解析出所有的文章名称,热度,以及文章链接地址。并给出python代码。
第三步整合代码并测试他是否能够执行:
我们看一下运行结果:
这个例子说明,即便我们对用python写代码并不太熟悉,依然可以通过Prompt的方式与GPT交流获取有用的代码并完成我们以前可能无法完成的工作。让我们进一步探索GPT的一切可能吧。
好文章,需要你的鼓励
科技亿万富翁拉里·埃里森资助的研究团队将向英国牛津大学投资1.18亿英镑,用于将AI技术应用于疫苗研究。牛津疫苗研究小组将领导这一项目,研究人体免疫系统对严重细菌感染和抗生素耐药性的反应。该项目由曾主导新冠疫苗试验的安德鲁·波拉德教授领导,计划采用人体挑战模型,让志愿者在受控条件下接触细菌,然后运用现代免疫学和AI工具来精确识别预测保护效果的免疫反应,以开发针对致命疾病的创新疫苗。
字节跳动团队开发了首个AI研究助手评估系统ReportBench,通过对比AI生成报告与专家综述论文的引用质量,并验证陈述准确性来评估AI助手表现。研究发现OpenAI Deep Research引用准确率38.5%,Gemini为14.5%,两者都存在陈述和引用幻觉问题。该系统为AI研究助手建立了标准化质量检测工具,推动行业发展。
据报道,ChatGPT开发商OpenAI计划在印度建设一座耗电量超过1吉瓦的数据中心,目前正寻找当地合作伙伴。该设施预计可容纳至少5.9万片英伟达B200芯片。这可能是OpenAI全球数据中心计划的一部分,旨在为国际用户提供更低延迟服务。OpenAI CEO奥特曼将于下月访问印度,公司还计划年底前在新德里开设办事处。
台湾大学研究团队开发了MovieCORE数据集,这是首个专门训练AI深度理解电影内容的创新工具。该数据集通过多AI智能体协作生成复杂问题,采用认知分类法测量思维深度,99.2%的问答需要高层次思维。研究还开发了ACE增强技术,可将AI性能提升25%。实验显示现有AI在深度视频理解方面仍存在显著不足,为未来AI发展指明了方向。