AI提效实例-借助AI高效生成Markdown格式的超链接

我在学习谷粒商城的过程中,每集都写一篇博客笔记,为了方便查找,把所有博客都汇总到一起谷粒商城笔记汇总,如下。

现在一共有142篇笔记。

之前每发表一篇就把地址记录下来,虽然麻烦,还可忍受。

后来有点懈怠,写了10篇、20篇才记录,这时就很头疼了,要把每一篇打开,然后copy标题和url,按markdown格式编写链接,还要修改序号,看起来简单,重复的操作非常消耗耐心,且没有价值。

后面我想到了一个办法,F12打开CSDN内容管理界面控制台,把接口返回的文章列表信息复制到通义千问或者Kimi,让AI给我生成链接,效率就高多了。

提示词如下。

cpp 复制代码
从后往前遍历文件中的数组,提取每一项中的articleId和title,按照如下模板"""[{index},{title}](https://blog.csdn.net/epitomizelu/article/details/{articleId})""",index从109开始,每次加1。

结果前面不要加序号,也不要用双引号包裹。

AI生成的结果非常完美,就是我想要的结果。

痛点分析

假设我们要整理一系列技术文章的链接列表,通常的做法是打开每篇文章,复制标题和链接,然后手动按照Markdown格式编辑好每一条记录。这个过程看似简单,但当文章数量较多时,这项任务就变得非常繁琐。此外,手动操作还容易出现遗漏或格式不一致的问题。

解决方案

为了解决这个问题,我们可以利用AI工具来自动化这部分工作。在这里,我将展示如何使用通义千问来快速生成Markdown格式的文章链接列表。

使用步骤
  1. 准备数据:首先,我们需要准备好要整理的数据,这些数据可以是来自于数据库导出、API接口获取或其他方式收集的一系列文章信息。

  2. 构建指令:接下来,根据我们的需求构建指令。在这个例子中,我们需要让AI从后往前遍历数据,并按指定的Markdown格式输出链接列表。这里的关键在于指定模板格式,确保AI能够理解并正确地应用它。

  3. 调用AI工具:使用通义千问,发送指令并附带数据文件,等待AI处理并返回结果。

  4. 接收结果:AI会根据给定的指令处理数据,并返回按照Markdown格式组织好的链接列表。

实例演示

假设我们有一份包含多篇文章的数据文件,文件中每条记录包括articleIdtitle两个字段。我们的目标是从后往前遍历文件中的数组,提取每一项中的articleIdtitle,并按照以下Markdown格式输出:

markdown 复制代码
[index, title](https://blog.csdn.net/epitomizelu/article/details/articleId)

其中index从109开始递增,每次加1。

下面是具体的指令:

从后往前遍历文件中的数组,提取每一项中的articleId和title,按照如下模板"""[{index},{title}](https://blog.csdn.net/epitomizelu/article/details/{articleId})""",index从109开始,每次加1。

结果前面不要加序号,也不要用双引号包裹。

通过调用通义千问并传递上述指令和数据文件,我们可以得到如下格式化的链接列表:

markdown 复制代码
[109,谷粒商城实战笔记-利用大模型工具将DSL转换为Elasticsearch High-Level Client Java代码](https://blog.csdn.net/epitomizelu/article/details/140906140)
[110,谷粒商城实战笔记-128-商城业务-商品上架-sku在es中存储模型分析-关键](https://blog.csdn.net/epitomizelu/article/details/140917007)
...
[127,谷粒商城实战笔记-152-缓存-缓存使用-整合Redis](https://blog.csdn.net/epitomizelu/article/details/141019308)
总结

通过使用通义千问这样的AI工具,我们可以极大地提高工作效率,减少重复劳动,确保文档格式的一致性和准确性。这种方式特别适合处理大量的数据整理工作,不仅节省了时间,还能避免人为错误,让我们的工作更加高效和专业。

相关推荐
Terry Cao 漕河泾24 分钟前
SRT3D: A Sparse Region-Based 3D Object Tracking Approach for the Real World
人工智能·计算机视觉·3d·目标跟踪
多猫家庭29 分钟前
宠物毛发对人体有什么危害?宠物空气净化器小米、希喂、352对比实测
人工智能·宠物
AI完全体33 分钟前
AI小项目4-用Pytorch从头实现Transformer(详细注解)
人工智能·pytorch·深度学习·机器学习·语言模型·transformer·注意力机制
AI知识分享官33 分钟前
智能绘画Midjourney AIGC在设计领域中的应用
人工智能·深度学习·语言模型·chatgpt·aigc·midjourney·llama
程序小旭1 小时前
Objects as Points基于中心点的目标检测方法CenterNet—CVPR2019
人工智能·目标检测·计算机视觉
阿利同学1 小时前
yolov8多任务模型-目标检测+车道线检测+可行驶区域检测-yolo多检测头代码+教程
人工智能·yolo·目标检测·计算机视觉·联系 qq1309399183·yolo多任务检测·多检测头检测
CV-King1 小时前
计算机视觉硬件知识点整理(三):镜头
图像处理·人工智能·python·opencv·计算机视觉
Alluxio官方1 小时前
Alluxio Enterprise AI on K8s FIO 测试教程
人工智能·机器学习
AI大模型知识分享1 小时前
Prompt最佳实践|指定输出的长度
人工智能·gpt·机器学习·语言模型·chatgpt·prompt·gpt-3
十有久诚1 小时前
TaskRes: Task Residual for Tuning Vision-Language Models
人工智能·深度学习·提示学习·视觉语言模型