生成。 5. 分析型提示语：要求AI对给定信息进行分析和推 理。 6. 多模态提示语：结合文本、图像等多种形式的 输入。 表1-1-1提示语的本质特征 特征 描述 示例 沟通桥梁 连接人类意图和AI理解 “将以下内容翻译为法语：Hello, world” 上下文提供 者 为AI提供必要的背景信息 “假设你是一位19世纪的历史学家,评论拿 破仑的崛起” 任务定义器 明确指定AI需要完成的任务 分为独立但相关的 部分 • Prioritization（优先级）：确定子任务的重要性和执行 顺序 • Elaboration（细化）：深入探讨每个子任务的细节 • Connection（连接）：建立子任务之间的逻辑关联 • Temporal Arrangement（时序安排）：考虑任务的时 间维度 • Resource Allocation（资源分配）：为每个子任务分配 适当的注意力资源 优先级提示： “对上述分解的任务进行优先级排序，考虑它们对总 体目标的重要性和逻辑顺序。” 3. 细化提示：“选择优先级最高的子任务，将其进一步细化为2—3个具 体的行动项或小目标。” 4. 连接提示：“分析各个子任务之间的关系，确定它们如何相互支持和 影响，以及如何共同推进总体目标的实现。” 5. 时序提示：“为每个子任务制定一个粗略的时间表，考虑它们的依赖 关系和完成所需的相对时间。”

生成。 5. 分析型提示语：要求AI对给定信息进行分析和推 理。 6. 多模态提示语：结合文本、图像等多种形式的 输入。 表1-1-1提示语的本质特征 特征 描述 示例 沟通桥梁 连接人类意图和AI理解 “将以下内容翻译为法语：Hello, world” 上下文提供 者 为AI提供必要的背景信息 “假设你是一位19世纪的历史学家,评论拿 破仑的崛起” 任务定义器 明确指定AI需要完成的任务 分为独立但相关的 部分 • Prioritization（优先级）：确定子任务的重要性和执行 顺序 • Elaboration（细化）：深入探讨每个子任务的细节 • Connection（连接）：建立子任务之间的逻辑关联 • Temporal Arrangement（时序安排）：考虑任务的时 间维度 • Resource Allocation（资源分配）：为每个子任务分配 适当的注意力资源 优先级提示： “对上述分解的任务进行优先级排序，考虑它们对总 体目标的重要性和逻辑顺序。” 3. 细化提示：“选择优先级最高的子任务，将其进一步细化为2—3个具 体的行动项或小目标。” 4. 连接提示：“分析各个子任务之间的关系，确定它们如何相互支持和 影响，以及如何共同推进总体目标的实现。” 5. 时序提示：“为每个子任务制定一个粗略的时间表，考虑它们的依赖 关系和完成所需的相对时间。”

《DeepSeek给我们带来的创业机会》 360集团创始人 周鸿祎 3 政企、创业者必读政企、创业者必读 一张图读懂一堂DeepSeek课政企、创业者必读 AI给了一个比互联网更大的机会  互联网是连接平台，人工智能是生产力  互联网是赋能性技术，生产力属性较弱  人工智能既能单兵作战，也能外部赋能 互联网创造了能写140个字的推特和分享照片的Instagram AI能帮助人解决登陆火星、能源自由的问题 通过目标拆解，多次调用大模型以及专家模型协同，形成慢 思考能力 61政企、创业者必读 智能体的组成部分 大模型 感知 连接企业内部传感器，感知理解知 识数据 流程 完成复杂繁琐的业务流程或重复的 工作流程 角色 定义智能体应扮演的特定的角色或任务 记忆 短期记忆、长期记忆 知识库 连接内部专有知识库，外部互联网 知识库 复杂推理 基于推理能力制定计划，在过程中 反思 工具 搜索、实时信息、数据请求、业务

可定制化与优化。支持微调（Fine-tuning）：可以根据特定业务需求对模 型进行微调，以适应特定任务，如行业术语、企业内部知识库等。 3. 离线运行，适用于无网络环境。可在离线环境下运行：适用于无互联网 连接或网络受限的场景。提高系统稳定性：即使云服务宕机，本地大模型依 然可以正常工作，不受外部因素影响。 本教程搭建 DeepSeek 好处 本地搭建 DeepSeek 三个比较实际的好处： • 本教程接入的是 亿，70 亿、80 亿是指大模型的神经元参数（权重参数 weight+bias）的 总量。目前大模型都是基于 Transformer 架构，并且是很多层的 Transformer 结构，最后还有全连接层等，所有参数加起来 70 亿，80 亿，还有的上千亿。 教程作者：郭震，工作 8 年目前美国 AI 博士在读，公众号：郭震 AI，欢迎关注获取更多原创教程。资 料用心打磨且开源，是为了帮助更多人了解获取

langchain.com/docs/get_started/introduction） �� LangChain 是一个帮助开发者使用 LLM 创建应用的开源框 架，它可以将 LLM 与外部数据源进行连接，并允许与 LLM 进行交互。 LangChain 于 2022 年 10 月作为开源项目推出，并于 2023 年 4 月注册成立公司，累计获得超过 3000 万美元的 投资，估值达到了 2 亿美元。

"将以下C 语言代码转换为Python, 要求： ① 保持时间复杂度不变； ② 使 用numpy 优化数组操作； ③ 输出带时间测试案例的完整代码。" 提示语示例 特征 描述 示例 沟通桥梁 连接人类意图和AI理解 “将以下内容翻译为法语 ：Hello, world” 上下文提供 者 为AI提供必要的背景信息 “假设你是一位19世纪的历史学家,评论拿 破仑的崛起” 任务定义器

来自行业研报机构的178份半导 体供应链风险分析报告。  解读各研报的核心观点、关键指 标及预测方法。  建立行业报告的质量评估体系， 识别高价值研报并进行分类。 链接效率（如通信、 物流连接） 线条强度（如生产 线的稳定性） 物流效率（如运输 网络的优化性） 需求响应能力（如 预测和应对需求变 化的能力）  模型构建：  在供应链风险最高的环节加强协 同协作，并提供透明的沟通机制。