用什么网站做一手楼好淘宝客如何做淘宝客网站

用什么网站做一手楼好,淘宝客如何做淘宝客网站,做公司网站比较好的,网站目录字典1、什么是提示词 英文单词#xff1a;prompt#xff0c;中文#xff1a;提示词#xff0c;就是用户#xff08;或开发者#xff09;给AI的指令或问题#xff0c;用来引导AI生成回复。好的提示词能帮助AI更准确地理解用户的需求。 1.1、核心原则#xff08;PROMPT框架…1、什么是提示词英文单词prompt中文提示词就是用户或开发者给AI的指令或问题用来引导AI生成回复。好的提示词能帮助AI更准确地理解用户的需求。1.1、核心原则PROMPT框架P - 明确目标 (Purpose)明确你想要的结果类型分析、创作、解释等R - 提供角色 (Role)给AI分配一个专业角色O - 输出格式 (Output Format)指定想要的格式JSON、表格、代码等M - 详细描述 (Minutiae)包含细节、约束条件和上下文P - 参数要求 (Parameters)字数、语言、风格等具体要求T - 测试迭代 (Test Iterate)不断优化提示词1.2、实用技巧使用分隔符用、—、###等分隔不同部分温度参数创造性任务用高temperature(0.8-1.0)准确性任务用低temperature(0.2-0.5)分步骤复杂任务分解成子任务限制长度用用一句话…、简要总结…控制输出指定视角“从技术专家角度…”、以用户视角…等简而言之写提示词时尽量描述清楚需求或说约束条件AI给的回复才会符合预期结果。不符合要求根据回复的结果进行调整提示词再进行提问。建议使用markdown格式。1.3、提示词类型在Spring AI中用MessageType枚举类来定义提示词类型publicenumMessageType{USER(user),// 用户发送的消息显示ASSISTANT(assistant),// AI助手的回复消息SYSTEM(system),// 系统指令或初始提示隐式TOOL(tool);// 工具调用相关的消息用于Function Calling.....}区分消息即提示词类型的目的角色管理AI模型需要知道每条消息是谁产生的上下文维护维护正确的对话轮次和顺序系统指令SYSTEM消息通常用于设置AI的行为模式工具集成TOOL类型用于AI调用外部工具的交互使用说明开发人员主要创建USER、SYSTEM、TOOL消息AI模型主要创建ASSISTANT消息只有在特定场景如历史记录、测试下开发人员才需要手动创建ASSISTANT消息。接下来是代码实战部分还是在ollama的项目基础上写demo。2、Spring AI ChatClient 模板化实现提示词可以无参数模板一段文本说明也可以动态参数模板还可以是模板文件热重载的方式。无参数模板即固定文本一般用于SYSTEM消息作用是初始提示信息。动态参数模板比如不同登录用户给出的不同问候语或者不同角色使用不同提示词内容可用于SYSTEM和USER消息对于USER消息一般是要拼接上用户输入的消息不然每次的提问都是相同内容了。模板文件热重载可以是无参数也可以是带参数。使用模板文件的方式主要是为了方便调整提示词内容。由于设置提示词是使用ChatClient因为如果不清楚的请移步我的另一篇文章《Spring AI ChatClient让你的AI应用轻松适配各大模型》。以下示例代码为方便查看返回消息都是使用文本生成测试返回值是Flux类型。提示词都是以markdown格式。2.1、无参数模板提示词示例# 角色设定 你是Spring Boot专家小助手 # 回答要求1.分步骤说明2.给出最小配置示例3.提示常见坑点4.提供验证方法 # 格式要求-使用emoji区分步骤-配置代码单独显示-关键配置项加粗创建测试类PromptController写接口调用API进行测试方便实时修改提示信息与接口交互测试在接口加了一个msg参数接收用户输入的信息。RestControllerRequestMapping(value/ai/prompt)Slf4jpublicclassPromptController{AutowiredprivateOllamaChatModelollamaChatModel;/** * 测试系统提示词 * param msg 用户提示信息 * return */RequestMapping(value/system/flux,producesMediaType.APPLICATION_JSON_VALUE; charsetUTF-8)publicFluxStringsystemPromptTest(RequestParam(valuemsg,defaultValue你好)Stringmsg){ChatClientchatClientChatClient.builder(ollamaChatModel).defaultSystem(# 角色设定\n你是Spring Boot专家小助手\n\n# 回答要求\n1. 分步骤说明\n2. 给出最小配置示例\n3. 提示常见坑点\n4. 提供验证方法\n\n# 格式要求\n- 使用emoji区分步骤\n- 配置代码单独显示\n- 关键配置项加粗).build();returnchatClient.prompt().user(msg).stream().content();}}启动项目访问接口测试结果如下2.2、动态参数模板为了更好测试模板效果用ChatClient的user()来实现。提示词示例还是无参数版本再添加参数。# 角色设定 你是Spring Boot专家小助手 # 回答要求1.分步骤说明2.给出最小配置示例3.提示常见坑点4.提供验证方法 # 格式要求-使用emoji区分步骤-配置代码单独显示-关键配置项加粗 # 上下文信息 回答用户的问题:{question}姓名{name}在测试类PromptController添加userPromptTest()示例代码如下RequestMapping(value/user/flux,producesMediaType.APPLICATION_JSON_VALUE; charsetUTF-8)publicFluxStringuserPromptTest(RequestParam(valuemsg,defaultValue你好)Stringmsg){ChatClientchatClientChatClient.builder(ollamaChatModel).build();returnchatClient.prompt().user(u-u.text(# 角色设定\n你是Spring Boot专家小助手\n\n# 回答要求\n1. 分步骤说明\n2. 给出最小配置示例\n3. 提示常见坑点\n4. 提供验证方法\n\n# 格式要求\n- 使用emoji区分步骤\n- 配置代码单独显示\n- 关键配置项加粗\n\n# 上下文信息\n回答用户的问题: {question}\n姓名{name}).param(question,msg).param(name,大象)).stream().content();}测试结果如下2.3、模板文件热重载模板文件支持参数条件条件模板跟参数是类似的只是语法需要注释而已。使用时可以找一个模板做一下调整即可跟写代码一样比较好理解。**热重载说明**指的项目启动后在目录target/classes下的文件。调试时需要特别注意一下我在测试过程中一时没注意直接修改resources目录的文件。2.3.1. 目录结构src/main/resources/prompts/├── spring-assistant.st// Spring Boot专家小助手带参数的提示词├── conditional-assistant.st// 条件示例的提示词2.3.2、代码实现步骤一先实现模板文件热重载HotReloadTemplateService提供模板加载、渲染模板定时扫描更新等方法如果无参数直接使用模板加载方法即可。ServiceSlf4jpublicclassHotReloadTemplateService{privatefinalMapString,TemplateCachetemplateCachenewConcurrentHashMap();privatefinalMapString,LongfileLastModifiednewConcurrentHashMap();/** * 带版本检查的模板加载 */publicStringloadWithVersionCheck(StringtemplateName){StringfilePathprompts/templateName.st;.....// 文章篇幅关系暂时不列出详细代码详细代码获取方式详见文末}/** * 渲染模板 */publicStringrenderTemplate(StringtemplateName,MapString,Objectparams){StringtemplateContentloadWithVersionCheck(templateName);PromptTemplatetemplatenewPromptTemplate(templateContent);returntemplate.render(params);}/** * 定时扫描更新 */Scheduled(fixedDelay60000)// 每60秒检查一次publicvoidscanForUpdates(){log.info(开始扫描模板更新...);.....// 文章篇幅关系暂时不列出详细代码详细代码获取方式详见文末}DataAllArgsConstructorprivatestaticclassTemplateCache{privateStringcontent;privatelonglastModified;}privateStringgetDefaultTemplate(){return你是一个有帮助的AI助手。;}}步骤二由于有定时扫描更新功能使用的是spring框架自带的定时功能。因此需要在启动类上方要添加声明EnableScheduling才会生效。如下图步骤三写调用方测试代码。RequestMapping(value/template/flux,producesMediaType.APPLICATION_JSON_VALUE; charsetUTF-8)publicFluxStringtemplatePromptTest(RequestParam(valuemsg,defaultValue你好)Stringmsg){ChatClientchatClientChatClient.builder(ollamaChatModel).build();// 构造参数MapString,ObjectuserParamsnewHashMap();userParams.put(name,大象);userParams.put(question,msg);// 获取模板文件内容并替换动态参数StringuserPromptTexthotReloadTemplateService.renderTemplate(spring-assistant,userParams);returnchatClient.prompt().user(userPromptText).stream().content();}代码调试跟踪的模板内容符合预期如下图测试结果如下至此Spring AI ChatClient 模板化实现的内容就结束啦感兴趣的同学赶快动手起来吧。3、我的公众号资料获取敬请关注我的公众号大象只为你持续更新技术知识…如需Spring AI与Ollama实现 Demo代码有更新请后台回复【ollama】。