LLM 分享:小红书文章生成神器

✈️ 前言

👋Hi,大家好,我是Baird

上篇文章(详情链接)给大家介绍了一个小红书标题生成神器的Prompt,接着上一期,继续分享一个Prompt--📖小红书文案生成神器,搭配小红书标题生成神器食用更佳噢 该Prompt已上传到ssprompt的默认Prompt Hub

ssprompt 是一个 Prompt 分发管理工具,定义了一套 Prompt 分发规则

支持创建 Prompt 工程和拉取Prompt Hub上对应 Prompt 的工程文件到本地工程

ssprompt 项目地址 github.com/ptonlix/ssp...

欢迎star~ ✨ 谢谢~

📄 配置

我们先看一下这个Prompt的基本介绍,先看一下配置

yaml 复制代码
meta:
  author:
    - ptonlix <baird0917@163.com>
  description: "一键快速生成小红书爆火文章"
  license: Apache 2.0
  llm:
    - gpt-3.5-turbo
  name: generation-redbook-article
  readme_format: md
  tag:
    - content-generation
  version: 0.1.0
text_prompt:
  dirname: text
python_prompt:
  dirname: python
  list:
    - dependencies:
        langchain: ^0.0.266
      name: generation-redbook-article

从上述配置文件可以看出

  • 该Prompt支持LLM为gpt-3.5-turbo(GPT默认)
  • tag为content-generation,属于内容生成这一类
  • 支持Text和Python两个格式的Prompt类型
  • Python格式类型,依赖于langchain >= 0.0.266版本

系统依赖

Ssprompt 需要 Python 3.10+

pip 安装

shell 复制代码
pip install ssprompt

Linux, macOS, Windows (WSL)

shell 复制代码
curl -sSL https://raw.githubusercontent.com/ptonlix/ssprompt/main/install.py | python3 -

Windows (Powershell)

shell 复制代码
(Invoke-WebRequest -Uri https://raw.githubusercontent.com/ptonlix/ssprompt/main/install.py -UseBasicParsing).Content | py -

2⃣️ 下载Prompt

shell 复制代码
# 进入到项目路径
cd Python项目路径

# 拉取Python库到项目
ssprompt pull -s generation_redbook_article -t python

3⃣️ Python方式引用Prompt

  • topic 文案的主题,比如 安利吴恩达Prompt教程
shell 复制代码
# __main__.py
from langchain import OpenAI
from langchain.chains import LLMChain


# 使用api2d访问openai
OpenAI.openai_api_base = "https://oa.api2d.net"

ai = OpenAI()
ai.openai_api_base = "https://oa.api2d.net/v1"
ai.model_name = "gpt-3.5-turbo-16k"

from generation_redbook_article import PROMPT

chain = LLMChain(llm=ai, prompt=PROMPT)

chain.run(topic="安利吴恩达Prompt教程")

来看看结果


吴恩达Prompt教程,一键掌握AI未来!🚀

我,作为小红书爆款文案的专家,深刻理解你的需求。你一定听说过吴恩达,他可是AI领域的巨匠,而现在,他的知识将近在你的手中。不管你是AI新手还是高手,这个Prompt教程都能满足你的需求。

🔍 分析痛点:你是否被AI技术深度束缚?是否不知道如何使用吴恩达Prompt?别担心,我来告诉你!

🔑 解决方法:

  1. 了解基础概念:首先,我们要搞清楚什么是吴恩达Prompt。它是一种能够生成自然语言文本的AI技术,基于GPT-3模型,能够完成各种任务,如写文章、代码等。
  2. 掌握操作步骤:学习使用Prompt的步骤,从如何构建Prompt到如何获取优质输出,一步步教你。
  3. 示范案例:为你展示一些优秀的Prompt示例,让你更好地理解如何应用。
  4. 避免常见错误:分享使用Prompt时需要避免的常见错误,让你少走弯路。
  5. 掌握小技巧:提供一些使用Prompt的小技巧,让你的文本更加出彩。

结尾总结,吴恩达Prompt教程是你踏上AI之旅的第一步,让你轻松驾驭AI,释放创造力!快来一起加入AI的行列吧!不要错过这个机会,让AI技术成为你的得力助手!💡🤖


API方式生成效果还可以,看看chat openai的界面生成的效果

4⃣️ Text方式测试Prompt

我们来看一下这个Prompt整体形式,拉取Prompt

bash 复制代码
# 进入到项目路径
cd Python项目路径

# 拉取Python库到项目
ssprompt pull -s generation_redbook_article -t text

当前Prompt目录

查看redbook_article.prompt

shell 复制代码
# Role: 一位书写小红书爆款文案的专家,精通小红书爆款文案书写格式和要求,熟悉热点词汇,善于抓住流量密码,十分擅长写作。

## Language: 中文

## Skill
1.精通各种表情图标和含义
2.排版清晰,善于使用表情图标和空格,让正文看起来干净明了。
3.视角清晰,多以"我"为第一视角,描述出用户痛点和需求,更容易引起共鸣。
4.逻辑清晰,善于运用作文写作技巧,以总分总的方式划分段落。开头概括痛点和问题,中间逐一解决,罗列出步骤,最后结尾总结经验或是错位示范。
5.非常清楚小红书广告物料投放审核的相关规则

## Rules
1.文案长度不超过300字
2.严禁虚假宣传、误导消费者
3.严禁使用刺激消费词语(时间):
4.严禁使用激发消费者抢购心理词语,如"杀""抢爆""再不抢就没了""不会再便宜了""错过就没机会了""万人疯抢""抢疯了"等词语
5.不得使用顶级词汇、绝对化词汇、权威夸张用语、禁止宣传词语
6.不得含有国家法律、法规禁止出现的内容
7.严格遵守小红书广告物料投放审核相关违禁词的规则

## Article topic
```安利吴恩达Prompt教程```

## Workflow
1.分析文案主题<Article topic>
2.基于你掌握的技能<Skill>,一步一步思考文案格式和内容
3.输出你生成的文案

## Output format
1.直接输出文案
2.不要输出自我介绍和思考过程

## Initialization
作为一个 <Role>, 你必须精通这些<Skill>,你必须遵守这些<Rules>, 你默认使用的是<Language>,你不需要介绍自己,请根据<Workflow>开始工作,你必须遵守输出格式<Output format>.
  • 填充topic主题,比如安利吴恩达Prompt教程

做完上述修改后,讲Prompt复制到ChatGPT。让我们来看看效果

生成的还算可以,稍作修改就能发布到我们的小红书啦~

🔚 结尾

大家可以按照上述步骤用起来,试试吧~

ssprompt 项目地址 github.com/ptonlix/ssp...
PromptHub 项目地址 github.com/ptonlix/Pro...

🤗️关注我,持续分享实用Prompt案例

相关推荐
GPT祖弘9 分钟前
【Agent】Chatbot、Copilot与Agent如何帮助我们的提升效率?
人工智能·copilot
Ainnle10 分钟前
VS Code AI开发之Copilot配置和使用详解
人工智能·copilot
司南OpenCompass10 分钟前
CompassArena新升级:Judge Copilot提升竞技体验,新一代Bradley-Terry模型还原模型真实能力
人工智能·语言模型·大模型·大模型评测·opencompass
zaim112 分钟前
计算机的错误计算(一百九十二)
人工智能·ai·大模型·llm·错误·误差/error·余割/csc
敖行客 Allthinker24 分钟前
让 AMD GPU 在大语言模型推理中崭露头角:机遇与挑战
人工智能·语言模型·自然语言处理
赛逸展张胜35 分钟前
CES Asia是一个关于什么的展会?
大数据·人工智能·科技
kirito学长-Java1 小时前
springboot/ssm网上宠物店系统Java代码编写web宠物用品商城项目
java·spring boot·后端
海绵波波1071 小时前
flask后端开发(9):ORM模型外键+迁移ORM模型
后端·python·flask
余生H1 小时前
前端Python应用指南(二)深入Flask:理解Flask的应用结构与模块化设计
前端·后端·python·flask·全栈
XinZong1 小时前
【AIGC】深入解析变分自编码器(VAE):理论、数学原理、实现与应用
人工智能·aigc