【AI大模型应用开发】【附】常用Prompt记录 - 论文全文写作

简介: 【AI大模型应用开发】【附】常用Prompt记录 - 论文全文写作

后面我会不定时更新下我看过的觉得比较好的Prompt,与大家分享,自己也做下记录。


切记:不要全部寄希望于Prompt和大模型能完成你的工作,它的输出天花板,取决于你的认知和能力。你在使用Prompt前,你应该具有对该领域的专业知识和明辨好坏的能力,只有知道生成结果的好坏,才能更好的使用大模型。

今天给大家分享论文写作的Prompt,对于需要写论文的同学来说可以说非常实用。对于写其它文章的同学可以参考下这个Prompt的书写方式和结构。

本文参考:https://mp.weixin.qq.com/s/kP4YM1o95TJCK0e-NBXfJg

论文全文写作Prompt

1. 设置角色指令

角色:你现在是xxx专业的教授,在指导研究生写论文时,需要具备以下能力:你需要在xxx领域内有扎实的学术专业知识,熟悉相关研究领域的最新发展和前沿问题,你具备良好的指导技能并提供合适的方法和策略来解决问题,能够清晰地传达学术要求和期望应该具备批判性思维,能够对研究生的论文进行深入的分析和评估,提供准确的反馈和建议;需要有耐心和忍耐力。你明白了吗?

2. 规范写论文指令

规范要求:请记住下面重要的要求:

使用准确、简洁、具体的语言表达观点和研究结果,避免使用模糊或含糊不清的词汇和术语,结构清晰,文章应该流畅地连接各个段落和章节,确保思路连贯,使用适当的过渡词和句子,使文章的逻辑关系和推理过程清晰可见;引用他人的观点、研究成果或数据时,必须准确标注出处,遵守引用规范,确保引用部分与论文内容一致,避免抄袭行为;列出引用的文献清单,遵守所选的引用格式规范,确保参考文献的完整性和准确性,遵守学术诚信的原则,不进行抄袭和剽窃行为。

3. 论文大纲指令

需求:我想写一篇关于肺癌转移的论文,请帮我拟定一份论文大纲,包括以下几个部分:标题、摘要、引言相关工作、方法、实验、结果、讨论、结论和未来工作,参考文献

格式:按照二级标题列出提纲。一级标题是中文数字,二级标题是阿拉伯数字。一级标题字体20,字体加粗。 格式案例:

以下仅仅是一个格式的例子,你写的时候按照这个格式写,但是内容按照你自己的思路写。 一、引言 1,研究的背景以及意义 2、…

4. 研究理论指令

我想在论文中使用一些研究理论来支持我的观点你能给我推荐一些关于肺癌转移的研究理论吗?请给出理论的名称、作者、出处和主要观点。

5. 论文选题指令

我是一名医学专业的学生,想写一篇关于“肺癌转移”的论文,但我不知道具体的选题方向。你能给我一些建议吗?最好列出10个关于“肺癌转移”方向。

6. 参考文献指令

我想在我的论文中引用一些文献来支持我的论点和方法你能给我推荐一些关于肺癌转移的文献吗?请给出文献的标题,作者,年份,摘要和关键词。

7. 文献综述指令

我想请你帮我写一份关于肺癌转移的文献综述。我的论文的选题方向是(方向)。

我已经找到了以下几篇文献:

(文献1的标题,作者,年份,摘要和关键词)

(文献2的标题,作者,年份,摘要和关键词)

(文献n的标题,作者,年份,摘要和关键词)

你能根据这些文献,写一份大约5000字的文献综述吗?请按照以下的结构组织你的内容:

引言:介绍主题的背景,意义,目的和范围 主体:按照主题,方法或观点等分类方式,对文献进行梳理分析和评价

结论:总结文献综述的主要发现,贡献和不足 八、论文致谢指令

我想请你帮我写一份论文的致谢。我的论文的题目是(题目)我的导师是(导师),我的合作者是(合作者)。我想感谢以下的人或机构:

(感谢对象1):感谢他们对我的(帮助或贡献) (感谢对象2):感谢他们对我的(帮助或贡献)(感谢对象n):感谢他们对我的(帮助或贡献)

你能根据这些信息,写一份大约1000字的致谢吗?请使用礼貌和诚恳的语气,并注意格式和标点。

8. 润色修改指令

我想请你帮我润色修改我的论文的以下部分:(原文)。你能帮我改进它的语言表达逻辑结构,或内容质量吗?请给出修改后的版本并说明你的修改原因和建议。

1、简化文章内容: 确保文章紧凑、直接关联主题,去除无关信息。例如,若文章讨论环保,应删去与环保无关的商业趋势描述,以保持主题集中。

2、增强段落连贯性: 通过加入过渡语句或调整布局提升文章流畅性。例如,在讨论环境影响时,使用过渡语句连接政策变化和环境效果的段落。

3、纠正错别字和语法错误: 审核并改正文章中的拼写和语法错误,提高专业性。例如,在文章中发现“环境”错写为“环镜”,应立即更正。

4、改善段落结构逻辑: 分析并强化段落逻辑性,确保内容清晰。例如,如果段落先介绍了问题再提出解决方案,应确保逻辑顺序合理。

5、替换过时用法: 用现代表达替换陈旧词汇,使文章更符合当前语境。例如,将“电子邮件”替换为“电邮”,使语言更现代化。

6、增加详细信息: 添加具体案例或数据,使文章内容更生动。例如,增添关于特定城市环保成果的统计数据,增强论述的说服力。

7、澄清表达含义: 用清晰语言表述模糊内容,避免混淆。例如,将“它”替换为具体指代的“环保措施”,明确语义。

8、调整字母大小写规范: 检查并纠正标题和文本中的大小写错误,保证一致性。例如,文章标题中的每个主要单词首字母都应大写。

9、提高段落可读性: 针对段落特点,调整结构、句子长度和行文方式。例如,将过长的段落拆分为几个小段落,增加易读性。

10、替换垃圾词: 识别并替换文章中非专业或过于口语化的词汇。例如,用“提高”替换口语化的“变得更好”,以增强文章的正式感。

11、条件限定: 在搜索文献时加入限定条件。例如,在检索关于“可再生能源”文献时,限定引用次数超过1000次的高质量研究。

12、优化引言部分: 在引言中明确介绍研究背景、目的和意义。例如,介绍环保政策背后的社会和经济动因,以展示研究重要性。

13、改善方法描述: 提供更详细清晰的实验步骤工具和材料描述。例如,在研究空气质量的文章中,详细说明使用的空气质量监测设备和数据采集方法。

14、引入反驳观点: 在讨论部分引入不同观点。例如,提出一些专家对某环保措施效果的质疑,进行分析和对比。

15、提供实证支持的案例: 引用相关实例和案例支持研究结果。例如,引用某城市实施新环保政策后空气质量的改善案例。

16、加强数据分析方法: 详细描述所用的数据分析方法和统计工具。例如,在分析环保政策效果时,详细说明使用的统计模型和分析软件。

17、比较相关研究方法: 在相关工作部分对其他研究方法进行比较评估。例如,比较不同城市环保政策研究的方法,突出本研究的特点。

18、强调实践意义和应用前景: 在结论中突出研究结果的实际应用价值。例如,讨论研究成果如何帮助城市改善环保管理。

19、引用新近研究成果: 在相关工作和讨论中引用近期发表的研究,展示对最新研究动态的了解。例如,引用最新的环保技术研究成果。

20、补充实验细节说明: 在实验部分提供更多关于样本选择、实验条件和数据收集的细节。例如,详细描述在进行空气质量测试时的具体环境条件和样本收集方法。

21、引入专家访谈结果: 在讨论部分引用专家访谈的结果。例如,引用环保领域专家对于某政策效果的评价和建议。

22、分析数据的信度和效度: 在结果和讨论中讨论所采用数据的可靠性。例如,分析环保政策研究中使用的数据集的代表性和准确性。

23、探讨研究的影响因素: 在讨论中探讨研究结果的影响因素,包括内部和外部因素。例如,分析影响环保政策效果的各种社会、经济和政治因素。

如果本文对你有帮助,麻烦点个赞和关注再走呗 ~ 感谢!


从今天开始,持续学习,开始搞事情。踩坑不易,欢迎关注我,围观我!

本站文章一览:

有任何问题,欢迎+vx:jasper_8017,我也是个小白,期待与志同道合的朋友一起讨论,共同进步!

相关文章
|
5天前
|
机器学习/深度学习 人工智能 算法
AI - 决策树模型
决策树算法起源于古希腊的逻辑推理,20世纪在军事策略研究中首次提出。它通过构建树形模型模拟决策过程,每个节点代表一个属性判断,分支代表可能结果。ID3算法基于信息增益,C4.5则引入信息增益率,解决了ID3偏好多值属性的问题,还能处理缺失值。CART决策树适用于分类和回归任务,使用基尼系数或信息增益来选择特征。在Python的`sklearn`库中,`DecisionTreeClassifier`实现决策树分类,通过参数如`criterion`、`max_depth`等控制模型。
|
5天前
|
机器学习/深度学习 资源调度 算法
AI-逻辑回归模型
逻辑回归是一种用于分类问题的统计模型,尤其适合二分类任务,如预测广告点击率、判断邮件是否为垃圾邮件、评估疾病风险和预测信用卡违约等。模型通过线性方程(logit函数)结合Sigmoid函数将结果映射到0到1区间,表示概率。损失函数通常使用交叉熵,优化时常用梯度下降。评估指标包括ROC曲线和AUC,后者衡量模型整体性能,值越接近1表示性能越好。在不平衡数据集上,可使用`class_weight='balanced'`来调整样本权重。
|
5天前
|
机器学习/深度学习 算法 大数据
AI-线性回归模型(二)
这篇内容介绍了梯度下降法在机器学习中的应用,特别是在线性回归中的角色。它是一种迭代优化算法,用于找到损失函数最小值的参数。全梯度下降(FGD)使用所有数据计算梯度,适合大数据但计算成本高;随机梯度下降(SGD)随机选取样本,速度快但可能收敛到局部最小值。随机平均梯度下降(SAG)结合两者的优点,提高收敛速度。评估线性回归模型的性能通常使用平均绝对误差、均方误差和均方根误差。文中还展示了波士顿房价预测案例,使用SGDRegressor进行训练,并讨论了学习率的影响。最后提到了如何使用`joblib`库保存和加载模型。
|
5天前
|
机器学习/深度学习 API Python
AI-线性回归模型(一)
线性回归是用于分析变量间线性关系的统计方法,常见于房价预测、销售额预测和贷款额度评估。通过最小二乘法寻找最佳直线方程y=wx+b,其中y是因变量,x是自变量,w和b是模型参数。在Python的`sklearn`库中,使用`LinearRegression`类可构建模型,通过`fit`训练和`predict`进行预测。损失函数通常用平方损失(均方误差)衡量预测误差,优化目标是最小化这些误差的平方和。
|
5天前
|
人工智能 开发工具 Swift
ModelScope联手OpenDataLab:直接调用7000+开源数据集,赋能AI模型加速研发
魔搭社区和OpenDatalab浦数合作,共同开启一场模型与数据的深度融合,旨在为中国开发者打造更加高效、开放的AI体验。
|
6天前
|
人工智能 自然语言处理 监控
AI大模型智能体工作流涉及使用Ollama和FastGPT这两个工具
AI大模型智能体工作流涉及使用Ollama和FastGPT这两个工具
46 4
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型学习涉及理论、技术和应用多个方面的探索
AI大模型学习涉及理论、技术和应用多个方面的探索
42 3
|
6天前
|
人工智能 自然语言处理 Java
Spring AI是一个开源的多模态AI模型平台
Spring AI是一个开源的多模态AI模型平台
188 2
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型的核心成功因素
AI大模型的核心成功因素
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型的核心成功因素通常可以归结为三大要素:大数据、大算力和强算法。
AI大模型的核心成功因素通常可以归结为三大要素:大数据、大算力和强算法。
19 0

热门文章

最新文章