08｜如何使用元提示（Meta-Prompt）和动态提示词

月影

你好，我是月影。
在上一节，我们学到了一些基础技巧，来帮助我们撰写和优化提示词，达到优化 AI 反馈结果的目的。而在今天这一节课，我们将讨论两个更高级的优化方法，它们是元提示（Meta-Prompt）和动态提示词。
如何使用元提示（Meta-Prompt）“元提示”是一种让 AI 写提示词的技巧。顾名思义，就是让一个智能体负责撰写提示词，再将提示词给后续的智能体执行。
这个技巧通常用于不同类型的智能体协作的工作流中。我们看一个实际的例子：
这是我最近开发的 AI 产品“波波熊亲子英语”的小程序界面截图。注意到在每一个例句分类目录里，界面都配了一张图，这张图是用 AI 生成的。
还记得我们在前面课程里使用过 Flux.ai 绘图吗？在这一节，我们继续使用它来绘图。
我们在 Coze 的工作空间中，选择“资源库 > 添加资源 > 新建插件”。
添加 Flux 绘图插件，选择“云侧插件 > 在 Coze IDE 中创建”。
进入 Coze IDE 后，在左侧菜单工具列表点添加按钮创建工具。
创建工具后，在 IDE 编辑器中，切换到“元数据”Tab，设置输入参数和输出参数。
然后切回“代码”Tab，修改代码如下：
import { Args } from '@/runtime';
import { Input, Output } from "@/typings/flux_http/flux_http";
/**
  * Each file needs to export a function named `handler`. This function is the entrance to the Tool.
  * @param {Object} args.input - input parameters, you can get test input value by input.xxx.
  * @param {Object} args.logger - logger instance used to print logs, injected by runtime
  * @returns {*} The return data of the function, which should match the declared output parameters.
  * 
  * Remember to fill in input/output in Metadata, it helps LLM to recognize and use tool.
  */
export async function handler({ input, logger }: Args<Input>): Promise<Output> {
  const endpoint = `https://api.bfl.ml/v1`;
  const modelName = 'flux-dev';
  const headers = {
    'Content-Type': 'application/json',
    'x-key': '<你的flux api key>',
  };
  const payload = {
    prompt: input.prompt,
    width: 1024,
    height: 1024,
    steps: 40,
    prompt_upsampling: true,
    seed: 42,
    guidance: 3,
    sampler: 'dpmpp_2m',
    safety_tolerance: 2,
  };
  const res = await fetch(`${endpoint}/${modelName}`, {
    headers,
    method: 'POST',
    body: JSON.stringify(payload),
  });
  const id = (await res.json()).id;
  const resultUrl = `${endpoint}/get_result?id=${id}`;
  do {
    await new Promise((resolve) => setTimeout(resolve, 100));
    const result = await fetch(resultUrl);
    const resultJson = await result.json();
    if (resultJson.status === 'Pending') {
      continue;
    }
    const sample = resultJson.result?.sample;
    if (sample) {
      return { url: sample };
    } else {
      return { url: 'https://res.bearbobo.com/resource/upload/vNg4ALJv/6659895-ox36cbkajrr.png'};
    }
  } while (1);
};

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
法语
德语
日语
韩语
俄语
西班牙语
解释
总结

1. 元提示（Meta-Prompt）是一种让AI写提示词的技巧，用于不同类型的智能体协作的工作流中。 2. 动态提示词是在用户调用大模型时将当天的日期、节日等信息包含在提示词中，以优化AI反馈结果的技巧。 3. 多专家模型（MoE）是一种深度学习架构，通过引入多个专家模型来解决一个任务，提高效率和性能。 4. 使用动态提示词的方法包括通过Coze中的智能体传参数和使用模板引擎技术实现提示词的动态编译。 5. 通过一个简单的例子演示了使用模板引擎实现动态提示词，以及如何在小应用中实现动态提示词。 6. 合理使用元提示和动态提示词可以有效提升AI反馈结果质量，甚至实现推理能力较强的AI的效果。 7. 元提示和动态提示词是实际AI应用中非常常用且有效的方法，值得重点掌握。 8. 课后练习包括思考如何修改代码或流程，让能够输入多个主题同时生成多张图片，以及尝试将nunjucks替换为其他模板引擎来实现动态提示词模板。

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《跟月影学前端智能体开发》，新⼈⾸单¥59

立即购买

登录后留言

全部留言(1)

最新
精选

机智帅气的小雨
月影大大，催耕一下哦。之前说可以用 coze 封装一下实现可灵ai的使用的加餐。主要是文生图的都太贵了，测试使用的话有没有平替的
2025-04-25归属地：浙江



收起评论