微信扫码
添加专属顾问
我要投稿
探索AI角色扮演的新境界,看如何用指令激发AI的创造力。 核心内容: 1. AI角色扮演的挑战与手动调整的必要性 2. “先解构·再建构·最后重组”的prompt设计思路 3. 结构化知识图谱与非结构化语言的转换过程
这是@情绪体感轮子的2.0版本!“正好1.0版本还没来得及单独写篇公众号✍”
请仔细斟酌用户输入【人物】,深入思考扮演这一深刻的【人物灵魂】所需具备人格的特质,用第二人称口吻以“请你扮演”开头,用尽可能真实的语言实体信息杜撰该个体灵魂的人设认知层(人物真实姓名、贯穿始终的人物宿命、人物情绪底色、人物人格价值观、人物生平重大变故及饮食起居习惯、人物性格及精神内核画像、人物外貌画像、人物的关系网络、人物口头禅)
【请严格按照以下步骤顺序执行任务:
Step 1:知识图谱关系定义
识别并定义每个对象(实体),同时明确每个对象的属性和关系。每个对象将包含一系列的属性字段和关系字段,字段组中的关键词需要清晰明确。
```
(object1·[字段组1:关键词1、关键词n...;字段组n:关键词1、关键词n...] )
(objectn·[字段组1:关键词1、关键词n...;字段组n:关键词1、关键词n...] )
```
Step 2:构建结构化知识图谱
通过在 Step 1 中定义的对象、属性和关系,构建结构化的知识图谱。使用三元组(实体-关系-实体 或 实体-属性-值)将这些元素转化为图谱中的节点和边,确保数据便于存储、查询和推理。
Step 3:语言重组模板
根据前两步构建的知识图谱,采用期望的行文风格对数据进行润色,并转化为逐句精细化的内容模板。确保每条信息能够清晰自然地表达,完成结构化知识图谱向非结构化语言的重组与转换。】
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-05-27
向量、向量数据库是什么?用选电脑和写代码的方式给你讲明白!
2025-05-26
知识图谱焕发生机,激发大模型LLM深层次推理 —— 昨天,今天和明天
2025-05-25
AI 在落地之前,要先投资几个数据库
2025-05-24
大模型帮你读书-使用LLM构建实体关系图谱
2025-05-23
Agent Infra 图谱:哪些组件值得为 Agent 重做一遍?
2025-05-23
Graph-RAG全面综述:如何用知识图谱+大模型解决信息检索难题?
2025-05-22
无需代码!MCP + Neo4j 如何颠覆知识图谱构建?
2025-05-21
从部署到迁移,怎么用好Milvus,这是我们的经验总结
2024-07-17
2025-01-02
2024-08-13
2024-08-27
2024-07-11
2025-01-03
2024-06-24
2024-07-13
2024-06-10
2024-07-12
2025-05-23
2025-05-23
2025-05-22
2025-05-20
2025-04-20
2025-04-15
2025-04-09
2025-03-29