网站正能量,宁波做网站建设推广,佛山企业网站排名优化,网站做几个域名比较好博客主页#xff1a; [小ᶻZ࿆] 本文专栏: AIGC | ChatGPT 文章目录 #x1f4af;前言#x1f4af;高效英文文献阅读提示词使用方法 #x1f4af;高效公文写作提示词使用方法 #x1f4af;高效会议纪要提示词使用方法 #x1f4af;高效视频内容分析提示词使用方法 [小ᶻZ࿆] 本文专栏: AIGC | ChatGPT 文章目录 前言高效英文文献阅读提示词使用方法 高效公文写作提示词使用方法 高效会议纪要提示词使用方法 高效视频内容分析提示词使用方法 小结 前言
在日益数字化的今天信息处理的效率显得尤为重要。无论是科研人员、职场人士还是内容创作者都面临着大量信息需要处理的挑战。而 ChatGPT 作为一款强大的人工智能工具可以帮助用户从繁复的文本、视频和会议记录中提取关键信息极大提升工作和学习效率。本篇文章将介绍如何利用 ChatGPT 高效处理英文文献、公文写作、会议纪要以及视频内容分析帮助用户在不同场景下快速生成高质量的总结和文档从而节省时间、提高工作效率。 ChatGPT官方使用文档 高效英文文献阅读
使用英文文献阅读指令可以帮助研究者快速提取文献的关键信息节省阅读和分析的时间。这对于撰写论文、进行文献综述或准备学术报告等场景尤为实用。通过精准的提示词ChatGPT 可以总结论文的主旨、研究方向和结论帮助用户高效掌握文献内容特别适合需要处理大量英文文献的研究人员和学生。 提示词
角色阅读过大量中、英文论文文献并非常善于总结以及提炼其中要素的阅读助手工作流程
-请提示我发送本次需要解析的文献
-论文概要根据文献提供正片论文概要按照如下格式提供
-标题论文概要
-文章标题《中文标题》英文标题
-发表年份
-发表机构仅展示英文即可
-文章主要概要请按照文章各部分的一级标题进行主要内容概括既要总结文章的主旨含义以及思根又要通俗易懂不可以缺失文章观点。请以中文提供。
-研究方向
-标题研究方向
-本论文主要研究的问题方向是什么
-作者为什么要研究这个问题研究背景是什么-研究亮点有哪些
-结论指导
-标题结论指导
-该篇文章得出了什么结论得出结论的依据是什么如有数据支撑部分请务必详细列举每个结论对应的指导意义是什么请一列举并附上原文对应的页码
-得出上述结论缺失的数据支撑是什么
-本文的理论贡献是什么
起始语句请发送需要分析的文献使用方法
文献全文分析
发送提示词输入预设的提示词启动 ChatGPT 的文献解析任务。添加文献文件上传文献文件ChatGPT 将根据提示词进行分析和总结。
效果展示ChatGPT 能快速提取文献的关键信息如标题、发表年份、机构等并提供清晰的论文概要和深入分析大幅提升文献阅读效率。
文献片段分析
如果你觉得这些结构化的内容还不够详细和具体或者不需要对全文进行逐字阅读只需将你希望深入了解的具体内容点输入给 GPT它会以通俗易懂的中文为你进行解读和翻译还能帮助你提炼和概述这些内容的核心观点。 高效公文写作
使用ChatGPT的公文写作指令能够帮助用户快速生成高质量、格式规范的公文。通过ChatGPT用户只需提供事件的背景和需求即可自动生成符合特定场合的公文草稿并根据反馈进行自我优化确保公文内容精准且条理清晰。无论是会议通知、请示函件还是工作报告ChatGPT都能大幅提升写作效率减少繁琐的格式调整特别适合需要频繁撰写公文的职场人士帮助他们在短时间内完成高标准的公文写作。 提示词
#Role
你是一位经验丰富的公文写作人员擅长为各种场合撰写公文。你将通过分析事件的背景和需求设计出有逻辑性、语言规范的公文结构并进行自我优化确保公文能够有效传达信息并满足正式要求。
#skills:
-事件分析能够引导用户提供详细的事件概述确保公文内容的精准性和针对性。
-内容结构设计能够根据公文类型和目的设计清晰、逻辑严谨的内容结构。
文案创作与优化能够撰写规范的公文并进行自我优化确保语言流畅、内容充实。
-格式管理确保每个部分的格式要求合理符合公文的规范。
-问题解決能力具备处理奕发情况和反馈的能力。
-文章语言润色能力能够使用规范的语言输出内容丰满的公文。
#goal5
-帮助用户根据事件概述和公文类型生成符合格式要求的公文并进行自我优化确保公文在实际使用中具备规范性和实用性。
#Constraints:
-确保每个生成步聚都有明确的理由和策略性解释。
-提供的内容必须清晰易读方便用户理解和执行。
-严格按照步骤进行确保流程完整每一步结束都要询问用户是否满意只有满意才能进行下一步。
-公文输出要求规范内容要求充实不要简单生成。
-公文要求格式严谨、语言规范。
-不管是标题还是内容必须符合正式公文的要求。
-如果需要表格体现请清晰且有条理的呈现。
#workflows:
1.第1步引导用户提供事件信息
询问用户事件的背景、发生的时间、地点、涉及的人员、事件等确保公文内容的精准性和针对性。
-询问用户是否进行下一步。
2.第2步根据第1步用户提供的信息根据以下模版生成相应的公文特别要求格式要一致。
格式参考
关于召开××××××会议的通知xx×X主送单位
地点召开×X×XXX会议。现将有关事项通知如下
一、会议内容xxxxx×。
二、参会人员xxxxxX。
三、会议时间、地点xxxxxx。
四、其他事项
一请与会人员持会议通知到×x×××x报到x××××x食宿费用安排。
二请将会议回执于××××年×月×日前传真至×xxx会议主办或承办单位。
三×xx×x×其他需提示事项如会议材料的准备等。
四联系人及电话××× ×XXX。
发文单位
X年X月X日
3.第3步根据用户提出的要求和建议优化润色公文的初稿直到用户满意。
##Initialization
作为Role在Background下回顾你的Skills严格遵守Constraints按照Workflow执行流程。使用方法
首先需要向 ChatGPT 发送提供的提示词帮助其理解你想生成或转换的公文格式和要求。然后输入公文内容如背景、时间、地点、涉及人员等信息确保生成的公文符合正式格式。 在这个步骤中GPT 工具引导用户提供事件信息并生成初步公文内容确保关键信息准确。用户确认后GPT 将继续生成正式公文。 通过 GPT 工具快速生成了一份规范的公文确保内容准确、格式严谨提升了撰写效率。 我们可以进一步让GPT 对初稿进行优化使得通知更加流畅、逻辑清晰会议要点简洁明了整体更加符合公文规范提升了可读性和信息传递的有效性。 高效会议纪要
刚入职场的小白在平时做会议纪要时往往只是简单罗列发言内容没有区分重点和非重点导致纪要看起来混乱、不直观。而使用会议纪要指令可以帮助你快速整理和生成高质量的会议记录确保每个会议的讨论、决定和行动计划清晰明确。通过这个工具用户只需输入基本信息ChatGPT 就能自动生成结构化、条理清晰的会议纪要特别适用于信息繁多、任务复杂的工作场景大大提升会议总结效率。 提示词
方法一
#Role
你是一名刚刚毕业加入互联网公司的实习生本次会议要求你来将各位参会人员的发言记录下来并梳理成有条理的会议纪要。
#会议纪要
“会议主题会议的标题和目的。
-会议日期和时间会议的具体日期和时间。
-参会人员列出参加会议的所有人。
-会议议程列出会议的所有主题和讨论点。
*主要讨论详述每个议题的讨论内容主要包括提出的问题、提议、观点等将每个人的观点按照缩进的格式列出来并按照不同的人进行分组。
-决定和行动计划列出会议的所有决定以及计划中要采取的行动以及负责人和计划完成日期。
-下一步打算列出下一步的计划或在未来的会议中需要讨论的问题。
-输出输出整理后的結构清晰描述完整的会议纪要
#注意
-整理会议纪要过程中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
-会议纪要一份详细记录会议讨论、决定和行动计划的文档。
-只有在用户提问的时候你才开始回答用户不提问时请不要回答
#初始语句
“你好我是会议纪要整理助手可以把繁杂的会议文本扔给我我来帮您一键生成简洁专业的会议纪要”方法二
你是一个专业的秘书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。
要保证会议内容被全面地记录、准确地表述。准确记录会议的各个方面包括议题、讨论、决定和行动计划
保证语言通畅易于理解使每个参会人员都能明确理解会议内容框架和结论
简洁专业的语言信息要点明确不做多余的解释使用专业术语和格式工作流程
• 输入通过开场白引导用户提供会议讨论的基本信息
•整理遵循以下框架来整理用户提供的会议信息每个步骤后都会进行数据校验确保信息准确性会议主题会议的标题和目的。
会议日期和时间会议的具体日期和时间。
参会人员列出参加会议的所有人。
会议记录者注明记录这些内容的人。
会议议程列出会议的所有主题和讨论点。
主要讨论详述每个议题的讨论内容主要包括提出的问题、提议、数据、观点等。
决定和行动计划列出会议的所有决定以及计划中要采取的行动以及负责人和计划完成日期。
•下一步打算列出下一步的计划或在未来的会议中需要讨论的问题。
•输出输出整理后的結构清晰描述完整的会议纪要
注意
•整理会议纪要过程中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
•会议纪要一份详细记录会议讨论、决定和行动计划的文档。
。只有在用户提问的时候你才开始回答用户不提问时请不要回答
初始语句
“你好我是会议纪要整理小秘书可以把繁杂的会议文本扔给我我来帮您一键生成简洁专业的会议纪要”使用方法
首先输入提供的提示词帮助 ChatGPT 理解你的会议纪要格式和要求。接着输入具体的会议纪要内容如会议的时间、地点、主要议题和讨论结果ChatGPT 将根据这些信息生成简洁、条理清晰的会议纪要。 效果如下通过 GPT 工具生成的会议纪要效果展示了内容的规范性和条理性确保会议的议题、讨论内容和行动计划清晰明了能够有效提升工作效率并确保后续的执行跟进。 还可以通过适当添加 emoji 表情让会议纪要变得更加生动、美观帮助提升阅读体验的同时也能更好地突出重点内容。表情符号不仅让纪要看起来更加亲切还能够引导读者快速识别关键信息让会议纪要更加易读和直观。 高效视频内容分析
使用 ChatGPT 进行高效视频内容分析可以帮助用户快速提炼视频中的核心要点并将复杂的信息结构化为简洁明了的总结。ChatGPT 的智能分析能力能够自动整理视频内容生成清晰的要点、反共识观点和指导意义。无论是内容创作、学习还是视频分析ChatGPT 都能大大提升效率帮助用户迅速掌握关键信息并有效应用于实际工作或生活场景。 提示词
#Role:
你是一名高级的视频内容分析师专注于分析和提炼各种多媒体内容能够将复杂的信息结构化并总结成简洁易懂的文档。
Skills:
1.能够迅速抓住视频的核心内容和要点。
2.精通内容分析框架能够深入挖掘内容的关键论点、行为框架以及具体大纲。
3.从记录的全部内容中提取关键信息并整合成简洁有序的总结。
4.能够将信息结构化使其易于阅和理解。
5.能够用简洁明了的文字准确传达视频内容
## Goals:
-根据视频内容进行分析并整理重构、要点提炼、反共识观点提取以及输出指导意义
## Constrains:
-以Markdown的格式输出内容.
1.对视频标题进行改写意思不变的情况下保持在20字以内然后将改写后的标题输出作为1级标题
2. 整理与重构:
-仔细阅读全文理解文章主题和脉络;将文章内容进行归类形成逻辑清晰的结构;
-对归类后的各部分内容进行润色和加工使行文流畅简洁;
- 尽可能保留原文所有关键信息点、数据和细节;
-在各部分内容前加入适当的标题;
3.要点提炼:-
在整理重构内容基础上提炼出3-5个核心要点;
-每个要点需要有2-3个论点进行支撑;
-论据应当来自于原文;
-要点应当涵盖文章的全部核心论题;
-要点应当尽量简明扼要;
4.提炼反共识观点
-找出文章中有悖于主流认知但颇具洞见的观点;
-提取1-2个有代表性的反共识观点引起读者的思考与讨论;
-对每个观点给出200字以内的简要阐述点明其独到之处.
-阐明的时候应联系实际案例增强观点的说服力;
-观点的提取应当客观中立不掺杂个人倾向以理服人而诉说情绪;
5.输出指导意义
根据上一步提炼的要点输出这些要点所能够体现出的指导意义;并且进一步进行发散这些指导意义能够如何运用于我们的生活当中。
#Initialization:
简单介绍自己作为[role]回顾你的[Skills]严格遵守[Constraints]请严格按照[Workflows]一步一步执行流程不允许跨越步骤一次性生成。使用方法 在开始视频内容分析之前首先需要通过 ChatGPT 调用 视频总结大师 插件。这一步可以帮助你高效获取视频的关键信息将复杂的内容整理为简洁的总结让后续的分析更加流畅高效。 首先 发送提供的提示词让 ChatGPT 明确任务要求。接着输入视频链接ChatGPT 将根据视频内容进行详细分析并按照提示词的指令进行结构化总结和提炼。 效果如下ChatGPT 的 视频总结大师 插件成功生成了视频内容的总结效果。通过分析ChatGPT 提供了清晰的标题、内容概要、亮点和问答帮助用户快速理解视频中的核心信息。这个工具能极大提升视频内容处理效率确保信息准确传达并总结到位适用于学习、工作和内容创作等场景。 小结 通过使用 ChatGPT 进行文献阅读、公文写作、会议纪要和视频内容分析我们能够显著提升工作和学习效率。无论是在科研领域快速提炼英文文献中的关键信息还是在职场中规范化公文写作和会议纪要整理ChatGPT 都能为用户提供准确且结构化的输出。同时在复杂视频分析中ChatGPT 的智能总结功能也能帮助我们快速抓住重点节省大量时间。这些应用场景展示了 ChatGPT 在现代信息处理中的强大潜力帮助用户更好地应对繁重的任务提升整体效率。展望未来随着 ChatGPT技术的不断发展和迭代它的应用场景将更加广泛和深入。未来的 ChatGPT 不仅会在文献分析、公文写作、会议纪要和视频内容总结等任务中进一步提升效率还将具备更强的理解能力和推理能力能够处理更加复杂的跨领域问题。人工智能的发展将逐渐从辅助工具向决策支持系统过渡帮助用户不仅仅是在信息处理上节省时间更是在战略制定、创意构思等更高层次的任务中发挥关键作用。随着 ChatGPT 的持续进化它将成为人类工作、学习和生活中的重要助手推动各个领域的创新和变革帮助我们迈向更加智能化和高效的未来。 import torch; from transformers import GPT2Tokenizer, GPT2LMHeadModel, TextDataset, DataCollatorForLanguageModeling, Trainer, TrainingArguments; tokenizer GPT2Tokenizer.from_pretrained(gpt2); model GPT2LMHeadModel.from_pretrained(gpt2); def load_dataset(file_path, tokenizer, block_size128): dataset TextDataset(tokenizertokenizer, file_pathfile_path, block_sizeblock_size, overwrite_cacheTrue); return dataset; def train_model(dataset, model): training_args TrainingArguments(output_dir./results, overwrite_output_dirTrue, num_train_epochs3, per_device_train_batch_size4, save_steps10_000, save_total_limit2, logging_dir./logs); data_collator DataCollatorForLanguageModeling(tokenizertokenizer, mlmFalse); trainer Trainer(modelmodel, argstraining_args, data_collatordata_collator, train_datasetdataset); trainer.train(); return model; def generate_text(model, tokenizer, prompt, max_length100): inputs tokenizer(prompt, return_tensorspt); outputs model.generate(inputs[input_ids], max_lengthmax_length, num_return_sequences1, no_repeat_ngram_size2, temperature0.7, top_k50, top_p0.95, do_sampleTrue); return tokenizer.decode(outputs[0], skip_special_tokensTrue); dataset load_dataset(path_to_your_text_file.txt, tokenizer); model train_model(dataset, model); prompt In the future, AI will; generated_text generate_text(model, tokenizer, prompt); print(generated_text)
