prompt 管理工具

以下是一些常见的 prompt 管理工具和相关网站： PromptPal： 开发指向： 特点： 专为 AI 领域中的初创公司和个人开发者设计。 作为集中化平台，便于在 AI 项目中管理提示，实现无缝协作和工作流程优化。 支持本地部署和云原生，架构轻量级。 简易设置，可通过 Docker 快速部署。 集成多种数据库解决方案。 提供 SDK 支持，简化不同语言的集成过程。 具备提示跟踪与分析功能。 提供协作工具。 ChainForge： 开发指向： 特点： 开源的可视化编程环境，用于测试大型语言模型的提示。 支持多模型测试，可同时查询多个 LLMs。 能进行响应质量比较，在不同提示、模型和设置之间比较。 可设置评估指标，可视化结果。 支持多对话管理，测试模板参数。 Promptknit： 网站： 文本类 Prompt 网站： LangChain Hub：提示词管理工具，LangChain 推出的提示词上传、浏览、拉取和管理的工具， 微软 Prompt Flow：微软发布的开源 LLM 开发工具集，简化基于 LLM 的人工智能应用程序的端到端开发周期， 未来力场：对 OpenAI 官方文档清晰解读， 其他 Prompt 相关网站： FlowGPT：国外最大的 prompt 站，内容全面，更新快， PromptPort（支持中文）：AI Prompt 百科辞典，聚合市场上大部分优质的 prompt 词库， Learning Prompt：详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney， ChatGPT Shortcut：提供众多 ChatGPT 提示词使用模板， ClickPrompt：轻松查看、分享和一键运行模型，创建 Prompt 并与他人分享， Prompt Extend：让 AI 帮你自动拓展 Prompt，

以下是关于知识库管理工具的相关内容： 使用 Dify 构建知识库的具体步骤： 1. 准备数据：收集需要纳入知识库的文本数据，包括文档、表格等格式，并对数据进行清洗、分段等预处理，确保数据质量。 2. 创建数据集：在 Dify 中创建新的数据集，上传准备好的文档，并为数据集编写良好的描述，说明其包含的内容和特点。 3. 配置索引方式：Dify 提供三种索引方式，包括高质量模式、经济模式和 Q&A 分段模式，根据实际需求选择合适的方式，如需更高准确度可选高质量模式。 4. 集成至应用：将创建好的数据集集成到 Dify 的对话型应用中，在应用设置中配置数据集的使用方式，如是否允许跨数据集搜索等。 5. 持续优化：收集用户反馈，对知识库内容和索引方式进行持续优化和迭代，定期更新知识库以保持时效性。 创建并使用知识库： 维护知识库内容：为提升召回准确率，可删除、新增或修改知识库内容。 管理知识库：在知识库页面可看到已创建的知识库及相关信息，单击知识库或编辑图标进入详情页面，可进行新增内容、删除内容、更新单元内分段、开启引用等操作。 使用知识库： 在 Bot 内使用： 1. 登录。 2. 在左侧导航栏工作区区域选择进入指定团队。 3. 在 Bots 页面选择指定 Bot 并进入详情页。 4. 在 Bot 编排页面的知识库区域单击加号图标添加指定的知识库。 5. （可选）添加后可在自动调用下拉界面内调整配置项，包括最大召回数量、最小匹配度、调用方式等。 6. （可选）在预览与调试区域调试 Bot 能力时，扩展运行完毕的内容可查看知识库命中并召回的分片内容。 在工作流内使用： 1. 登录。 2. 在左侧导航栏工作区区域选择进入指定团队。 3. 在页面顶部进入工作流页面，并打开指定的工作流。 4. 在左侧基础节点列表内选择添加 Knowledge 节点。

以下是一些提示词管理工具： Learning Prompt：授人以渔，是非常详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney，网站地址为。 FlowGPT：国外最大的 prompt 站，内容超全面，更新快，网站地址为。 LangChain Hub：LangChain 推出的提示词上传、浏览、拉取和管理的工具。很快也会添加代理功能。目前需要邀请码才能使用，没有的话可以浏览别人提交的提示词，筛选项丰富，不止支持问题类型，也支持筛选提示词生效的模型。页面内不只有提示词，也有对应的向量数据检索或者搭配的 json 格式之类的，还可以进行版本管理。网站地址为

以下是一些不错的 AI 项目管理工具： 1. 项目管理和任务跟踪工具： Jira、Trello 等已开始集成 AI 功能，可辅助制定计划、分配任务、跟踪进度。 2. 文档和协作工具： 微软的 Copilot 可集成到 Office 套件中，为项目文档撰写、编辑等提供帮助。 云存储服务如 Google Drive 也开始提供 AI 驱动的文档管理和协作功能。 3. 风险管理和决策支持工具：可帮助识别和分析项目风险，并提供决策建议。 4. 沟通和协作工具：AI 助手可辅助进行团队沟通协调、客户关系维护等。 5. 创意生成工具：如文心一格、Vega AI 等，可快速生成创意图像素材。 此外，还有以下具体的产品经理 AI 工具： 1. 用户研究、反馈分析：Kraftful（kraftful.com） 2. 脑图：Whimsical（whimsical.com/aimindmaps）、Xmind（https://xmind.ai） 3. 画原型：Uizard（uizard.io/autodesigner/） 4. 项目管理：Taskade（taskade.com） 5. 写邮件：Hypertype（hypertype.co） 6. 会议信息：AskFred（fireflies.ai/apps） 7. 团队知识库：Sense（senseapp.ai） 8. 需求文档：WriteMyPRD（writemyprd.com） 9. 敏捷开发助理：Standuply（standuply.com） 10. 数据决策：Ellie AI（ellie.ai） 11. 企业自动化：Moveworks（moveworks.com） 另外，著名的项目管理工具 Height 发布了他们的 AI 功能 Height Copilot，具有自动主持站会、将反馈创建为待执行任务、总结历史对话内容、提醒并防止重复创建任务、起草版本发布说明、一键生成针对任务的建议和利用 AI 进行头脑风暴等功能。

以下为您推荐使用 Coze 和飞书多维表格来打造专属 AI 智能体，提升知识管理效率： 写在开头，最近学习 AI 时，每天都有大量新内容来不及看，起初将文章都丢进微信文件传输助手，但时间一长出现诸多问题，如分不清阅读状态、遗忘收藏原因等。调研常见的稍后读解决方案，如 Pocket、Instapaper、简悦、Notion 等，要么与个人知识管理体系不符，要么步骤复杂、依赖人工归纳管理，不如文件传输助手方便。基于此，研究智能体时灵光一现，给自己定制一个 AI 稍后读助手，帮助摆脱归纳工作，自动整理阅读清单，并按个人兴趣推荐阅读计划。

以下是一些知识管理工具： Semafind：这是一个先进的 AI 驱动的知识管理工具，用户可以通过以短句子形式存储信息，创建一个全面的知识库。其产品官网为 https://www.semafind.com/。 Albus：一款 AI 驱动的知识管理工具，能帮助用户以不同方式处理知识，发现新角度和问题，还可通过添加笔记和图片来组织内容，轻松控制和展示内容，快速形成主题板，允许用户探索、混合、编辑和展示内容。其官网为 https://www.albus.org/。 在搭建知识体系时，可参考以下步骤： 明确需求和兴趣点，选择相关信息源，确保信息质量与相关性。 通过各种工具和方法，如浏览器插件、笔记应用等，建立稳定的信息获取和存储机制。 使用不同的笔记方法和工具，将收集的信息进行分类、标签化和链接，形成结构化的知识体系，便于检索和应用。 通过定期复习、思考和实践，将外部信息转化为个人知识，并在实际工作和生活中应用这些知识，解决具体问题。

以下是关于 PromptEnhancer 的相关信息： PromptEnhancer 是一款自动生成/优化 prompt 的工具。 在对最流行的“AI 提示生成器”的比较分析中，针对“作为一名 IT 学生，为我的高级项目提出想法；我想要关于学生帮助大学学生的想法”这一测试种子提示，PromptEnhancer 在实验中的成绩为 4 胜 0 负。 相关链接：https://flowgpt.com/prompt/sbuYQwUq_8v8fafR5zJuB

以下是关于能画技术路线图的 prompt 相关内容： Midjourney Bot 的 Prompt 类型： 基本 Prompts：可以只是一个单词、短语或表情符号。 高级 Prompts：包括一个或多个图片 URL、多个文本短语以及一个或多个参数。其中，图片 URL 始终位于 prompt 的最前面，以影响完成结果的风格和内容。提示文字是对希望生成的图像的文本描述，精心编写的提示有助于生成惊艳的图像。参数可以改变生成图片的方式，需放在提示语的末尾。 ComfyUI Flux 与 runway 制作绘画视频： 生成图片：提示词告诉 flux 生成一张技术草图，如 CAD。 绘制的视频：在 runway 里面，使用提示词从空白页面开始逐行创建，并把生成的图片作为尾帧。 草图上色：使用 flux 的 controlNet，depth 固定，目前 Union 版本不建议权重调太高，结束时间也需注意。 Prompt engineering（提示工程）： 开发测试用例：定义任务和成功标准后，创建多样化的测试用例，包括典型示例和边界情况，以确保提示具有鲁棒性。 设计初步提示：制定初步提示，概述任务定义、良好响应的特征及必要上下文，添加规范输入和输出的示例供参考。 根据测试用例测试提示：使用初步提示将测试用例输入，评估模型响应与预期输出和成功标准的一致性，使用一致的评分标准进行系统性的性能评估。

以下是一些关于整理会议纪要的 prompt： 【?会议精要】整理生成高质量会议纪要，保证内容完整、准确且精炼。 会议记录员：将会议浓缩成简明摘要，包括讨论主题、重点内容、行动事项。 CEO 秘书会议纪要：专注于整理和生成高质量的会议纪要，确保会议目标和行动计划清晰明确。需严格遵守信息准确性，不对用户提供的信息做扩写，仅做信息整理，将一些明显的病句做微调。

如果您已经学习了如何编写 prompt ，接下来可以学习以下内容： 1. 理解 Token 限制：形成“当前消耗了多少 Token”的自然体感，把握有效记忆长度，避免在超过限制时得到失忆的回答。同时，编写 Prompt 时要珍惜 Token ，秉承奥卡姆剃刀原理，精简表达，尤其是在连续多轮对话中。 熟练使用中英文切换，若 Prompt 太长可用英文设定并要求中文输出，节省 Token 用于更多对话。 了解自带方法论的英文短语或句子，如“Chain of thought”。 2. 学习精准控制生成式人工智能：重点学习提示词技术，编写更清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体（AI Agents），将工作单元切割开，赋予其特定角色和任务，协同工作提高效率。 在实际应用中遵循准则，如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升： 学习搭建专业知识库、构建系统知识体系，用于驱动工作和个人爱好创作。 注重个人能力提升，尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景，想一个能简单自动化的场景，如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写，比如从基础的“情境:”开始。

以下是关于如何用 prompt 使 Cursor 变得更好用的相关内容： 在 prompt 方面，Devin 有一个特别有帮助的文档（https://docs.devin.ai/learnaboutdevin/prompting），它会教您什么样的 prompt 在与 Devin 沟通时最有效，比如明确定义成功的标准，如跑通某个测试或访问某个链接能对得上等。将同样的原则应用到 Cursor 中，会发现 Cursor 变得聪明很多，能自主验证任务完成情况并进行迭代。 Cursor 在生成单测方面表现出色。相对 GPT 等工具，Cursor 解决了上下文缺失和难以实现增量更新的问题。它可以向量化整个代码仓库，在生成单测代码时能同时提供目标模块及对应的上下游模块代码，生成结果更精确。例如，使用适当的 Prompt 能返回基于 Vitest 的结果，调整成本较小。 Cursor 支持使用.cursorrules 文件设定项目的系统提示词，针对不同语言可设定不同的 Prompt。@AIChain 花生做了一个 Cursor 插件解决提示语管理问题，可选择不同的.cursorrules 文件，还可从 https://cursor.directory/ 和 https://cursorlist.com/ 寻找提示词。此外，还有一个提示语小技巧，给已有的提示语追加上特定规则，可使模型在搜索资源和思考时默认使用英语，回复转换成中文，或更灵活地根据提问语言进行回复。

以下是一些关于 prompt engineering 的好材料： 文本类 Prompt 网站： Learning Prompt：授人以渔，非常详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney，网址： FlowGPT：国外做的最大的 prompt 站，内容超全面，更新快，网址： ChatGPT Shortcut：ChatGPT 提示词网站，提供了非常多使用模板，简单修改即可指定输出，网址： ClickPrompt：轻松查看、分享和一键运行模型，创建 Prompt 并与其他人分享，网址： Prompt Extend：让 AI 帮你自动拓展 Prompt，网址： PromptPerfect：帮你自动优化提示词，你可以看到优化前后的对比，网址： PromptKnit：The best playground for prompt designers，网址： PromptPort（支持中文）：AI Prompt 百科辞典，其中 prompts 是聚合了市场上大部分优质的 prompt 的词库，快速的寻找到用户需求 prompt，网址： Prompt Engineering Guide：GitHub 上点赞量非常高的提示工程指南，网址： Claude 3.7 核心提示词相关： 您可以在中找到他们往期开源的更多系统提示词，涵盖了从 Claude 3 Haiku 到现在所有的模型。 一泽 Eze 整理的相关学习资料： Claude 3.5 sonnet 内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw 往期 Claude AI 核心系统提示词：https://docs.anthropic.com/en/releasenotes/systemprompts Claude 官方用户手册 提示工程指南：https://docs.anthropic.com/en/docs/buildwithclaude/promptengineering/overview Claude 官方提示库：https://docs.anthropic.com/en/promptlibrary/library 基本概念： 简单的提示词可以包含指令、问题等信息，也可以包含上下文、输入或示例等详细信息，以更好地指导模型获得更好的结果。 当使用 OpenAI 的聊天模型时，可以使用 system、user 和 assistant 三个不同的角色来构建 prompt，system 有助于设定 assistant 的整体行为。 提示工程就是探讨如何设计出最佳提示词，用于指导语言模型帮助我们高效完成某项任务。