newbing 提升小红书运营效率的3个应用方案

简介: newbing 提升小红书运营效率的3个应用方案

因为担任生财这期的ChatGPT自媒体航海教练,又参加了小红书运营,所以被邀请在小红书运营小组,分享关于GPT跟小红书结合的主题。

整理下同步到公众号。

很高兴有机会给大家分享下我用GPT的一点心得。从去年12月份开始玩GPT,也快半年啦,AI进化很快,也越来越好用。

我最近主要通过newbing来用GPT,所以给的例子是newbing 的。

相对于ChatGPT,Bing机器人的优势在于:

1.实时联网,能抓取最新数据

2.可以直接用中文提示词画图。

3.手机,电脑上都可用。移动端可以用语音对话,语音说,语音答。

4.电脑版Edge浏览器有侧栏,界面易用,可阅读打开的网页,本地PDF文件。

GPT这类大语言模型,能做的事情有三类,翻译(形式转换),扩写(由少到多),提炼(由多到少)。

我简单画了张图

第一类:翻译(形式转换)

语言模型能做的第一类任务,是将信息从一种形式转换为另一种形式,无论是语音识别还是机器翻译,都属于这一类,我统称为翻译。

换一个风格也可以理解为翻译,比如将罗永浩风格翻译为李佳琦风格

第二类:扩写(根据要求生成文本)

语言模型可以做的第二种事情,就是按照要求生成文本。比如回答问题、回复邮件、写简短文章,都是这一类的。

第三类:提炼(精简信息)

语言模型可以做的第三类事情,就是把较多的信息压缩为更少的信息。

例如,为一篇长文章写摘要,根据要求做数据分析,解读上市公司的财务报告,都属于这方面的工作。

这种工作,输入的信息比输出的信息多,只要算法设计得好,就没有信息不足的问题。

第一类和翻译和第三类提炼,现在GPT已经做得非常不错,这类工作,迟早机器会替代人。

目前第二类扩写机器还不擅长,未来应该也需要人工介入。因为需要人类的感知提供增量信息,这也是我们人类发挥价值的地方。

在玩小红书时,我们如何用GPT呢,有这么三个应用场景

1.起标题:

这是提供关键词,让newbing生成的标题,还不错,有些启发,稍微修改下就能用

这个起标题的提示词分享给大家:

请用中文回答我的问题。以「高考超常发挥」为关键词,帮我写10条小红书标题,标题需满足以下需求:

一、20字以内

二、增加表情符

三、以口语化方式来表达

四、使用爆款关键词,比如:好用到哭, 大数据, 教科书般, 小白必看, 宝藏, 绝绝子, 神器, 都给我冲, 划重点, 笑不活了, YYDS, 秘方, 我不允许, 压箱底, 建议收藏, 停止摆烂, 上天在提醒你, 挑战全网, 手把手, 揭秘, 普通女生, 沉浸式, 有手就能做, 吹爆, 好用哭了, 搞钱必看, 狠狠搞钱, 打工人, 吐血整理, 家人们, 隐藏, 高级感, 治愈, 破防了, 万万没想到, 爆款, 永远可以相信, 被夸爆, 手残党必备, 正确姿势

将「  」的内容替换为你想要写的内容,就能生成相关标题 示例中是「高考超常发挥」

2.改写

比如这是我在知乎写的一段文字,想发在小红书上,内容有点生硬,我们可以让GPT来改写

提示词:请用网红李佳琦的风格改写下面的内容,让内容更口语化,更吸引人

###是分隔符,将指令和内容分开

3.生成,续写

就是我们写一个开头,然后让GPT来续写剩下的内容

这类对GPT来说难度最大,生成的质量也不稳定

需要多次调试,生成多个,可能才会得到稍微能用的内容。

以上是为小红书航海小组,专门花了点时间专门准备的分享内容。不能太深,也不能太浅,想着刚刚好激起大家对GPT的兴趣。希望对你也有启发。

目录
相关文章
|
12月前
|
Java 关系型数据库 数据库连接
使用 Spring Boot 执行数据库操作:全面指南
使用 Spring Boot 执行数据库操作:全面指南
1834 1
|
运维 网络协议 安全
|
SQL Java 数据库连接
MyBatis-Plus:简化 CRUD 操作的艺术
MyBatis-Plus 是一个基于 MyBatis 的增强工具,它旨在简化 MyBatis 的使用,提高开发效率。
455 1
MyBatis-Plus:简化 CRUD 操作的艺术
|
Linux 网络安全
Linux开启ssh
Linux开启ssh
181 0
|
前端开发
CSS Grid 布局:span 关键字
CSS Grid 布局:span 关键字
274 0
|
存储 前端开发 JavaScript
canvas系列教程03 —— 线的样式、绘制文本、操作图片(图片的渲染、缩放、裁剪、切割、平铺、特效)、变换元素(平移、缩放、旋转)(一)
canvas系列教程03 —— 线的样式、绘制文本、操作图片(图片的渲染、缩放、裁剪、切割、平铺、特效)、变换元素(平移、缩放、旋转)(一)
1497 0
|
人工智能 决策智能
【AI Agent系列】【阿里AgentScope框架】3. 深入源码:Pipeline模块如何组织多智能体间的数据流?- 顺序结构与条件分支
【AI Agent系列】【阿里AgentScope框架】3. 深入源码:Pipeline模块如何组织多智能体间的数据流?- 顺序结构与条件分支
339 2
|
消息中间件 监控 Kafka
【Kafka】Kafka 数据一致性原理
【4月更文挑战第7天】【Kafka】Kafka 数据一致性原理
|
人工智能 监控 数据处理
【AI大模型应用开发】【LangChain系列】6. LangChain的Callbacks模块:监控调试程序的重要手段
【AI大模型应用开发】【LangChain系列】6. LangChain的Callbacks模块:监控调试程序的重要手段
421 0