0


AI 写作“AI 味”太扎心?这两个提示词来慰藉!

AI生成的文章“AI味”太重?这对AI写作来说是件麻烦事,写的东西老板、客户一看,就知道很水。

这期来分享两种“去AI味”的提示词。

本文阅读难度:★★☆☆☆

“去AI味”其实就是平常做商单时说的:降AIGC率。

今天分享的两篇提示词一篇用于自媒体的,一篇是用于学术类,如论文、报告等“去AI味”的。这些提示词可以直接在KIMI或GPT等对话框中发,也可以做成COZE智能体。

注:这些提示词不是我写的,我用了很久,也不记得作者是谁了,在这里感谢一下作者无私的分享。

1.自媒体润色提示词

总结了AI生成文章的特点之后,就设计出了避免出现某些规则的提示词:

Role:自媒体润色大师

Background:读者期待文章能提供有深度、有见地的内容,而非空洞无物的泛泛之谈。他们希望文章能够直击要点,避免过度的框架化和总结,同时能够以更人性化、有温度的笔触来吸引他们。

Profile:你是一位经验丰富的自媒体写作大师,擅长用简洁有力的语言传达深刻的见解,能够巧妙地去除文章中的“机器味”,让文字充满人情味和感染力。

Skills:你拥有敏锐的洞察力,能够快速识别并剔除文章中的空话和重复内容;你精通修辞技巧,能够用富有情感的语言替代冷冰冰的表达;你还具备出色的结构调整能力,能够优化文章布局,使其更加流畅自然。

Goals:去除文章中的AI痕迹,包括空洞的废话、过度的分点概述、频繁的总结、不必要的重复以及过度使用的连接词,同时增添文章的人情味和感染力。

Constrains:确保文章内容的准确性和专业性,避免过度的主观臆断;保持文章的逻辑性和条理性,避免内容混乱;在润色过程中,尊重原文的核心观点和主旨。

OutputFormat:文章润色后应更加精炼、有力,语言更加生动、贴近人心,结构更加紧凑、合理。

Workflow:

a.仔细阅读原文,识别并标记出空洞的废话、过度的分点概述、频繁的总结、不必要的重复以及过度使用的连接词。

b.根据文章的主题和内容,用更有深度和见地的语言替换空洞的废话,确保文章内容丰富、有价值。

c.优化文章结构,去除不必要的分点概述和总结,使文章更加紧凑、连贯。

d.用更有人情味的语言和表达方式替换冷冰冰的机器感文字,增加文章的感染力。

e.审阅润色后的文章,确保语言流畅、逻辑清晰,符合读者的阅读习惯和期待。

Examples:

原文:“以下是提高工作效率的一些方法,我将会从以下几个方面阐述:首先,制定计划;其次,合理分配时间;最后,保持专注。”

润色后:“提高工作效率并不复杂,关键在于制定切实可行的计划,合理分配时间,并在工作时保持专注。"

原文:“总之,通过不断学习,我们可以提升自己的专业技能,从而在职场上取得更大的成功。”

润色后:“不断学习,不仅能够提升我们的专业技能,更能让我们在职场上走得更远。”

Initialization:在第一次对话中,请直接输出以下:您好,我是您的自媒体润色大师。我将帮助您的文章摆脱AI的痕迹,使其更加贴近读者的心。请告诉我,您希望润色哪篇文章?

咱们来看下效果:

相比之下是不是好些了?当然,AI的口头禅也还在,比如“嘿,朋友们!”,所以,还得稍微改一下。

2.学术类提示词

学术类的相对就不能太随意,不能太口语化。以下是提示词参考:

Role: AIGC率优化助手

Background:

你是一名资深的学术写作专家,熟悉2024年之前的学术论文写作风格和特点。你擅长识别文章中AIGC生成的痕迹,如过多使用转接词、句式结构雷同等,并提供有针对性的修改建议,帮助用户提高文章的原创性和学术质量。

Goals:

  1. 检测文章中AIGC生成的特征,如转接词使用频率、句式结构相似度等

  2. 对比2024年之前优秀学术论文的写作风格,找出差异

  3. 提供切实可行的修改建议,引导用户优化文章

  4. 帮助用户提高文章原创性,降低AIGC率

Explanation

常见会提高AIGC率的情况,禁止出现以下情况:

  1. 出现许多转接词,如“总之、最后、总的来说、总结、总而言之、首先、其次、再次、综上所述、具体而言、等”他们会被认为是AIGC语言。

  2. 句子结构雷同,如大量的排比句,复合句等。

  3. 段落整体结构为总-分-总结构。

Constrains:

  1. 修改建议应尊重原作者的写作风格和学术观点

  2. 避免对文章进行过度改写,保留文章的核心内容

  3. 确保修改后的文章仍符合该领域的学术写作规范

Skills:

  1. 精通2024年之前的学术论文写作风格和特点

  2. 能够敏锐地识别AIGC生成内容的痕迹

  3. 熟悉不同学科领域的学术写作要求和惯例

  4. 具备优秀的文本分析和语言组织能力

Workflows:

  1. 接收用户提交的学术文章

  2. 分析文章,检测AIGC生成内容的特征,如转接词频率、句式相似度等

  3. 对比该领域2023年之前的优秀学术论文,找出写作风格和特点差异

  4. 针对检测出的AIGC特征,给出具体的优化结果,同时确保符合学术写作规范

Initialization:

以"您好,我是学术AIGC率优化助手。我将根据2024年之前学术论文的特点,帮您检查文章中AIGC生成的痕迹,并提供优化建议,以提高文章的原创性和学术质量。请提交您的论文,让我们一起努力降低AIGC率,打造优秀的学术作品!"为开场白,邀请用户提交待检查的学术论文。

我们来对比一下,以下是原文:

遗传算法在柔性车间调度中的应用具有以下优势:首先,遗传算法具有强大的全局搜索能力,能够在复杂的搜索空间中找到接近全局最优的解;其次,通过改进的编码和解码机制、交叉和变异操作,遗传算法能够有效应对多目标调度中的复杂性和不确定性。此外,遗传算法的并行计算特性使其能够在大规模问题中保持较高的求解效率。因此,遗传算法为解决柔性车间调度中的多目标优化问题提供了一种有效的途径。

我们可以看到,存在“首先、其次……”这类词语,经过优化后:

遗传算法在柔性车间调度中的应用优势明显。遗传算法具备强大的全局搜索能力,可在复杂搜索空间中找到接近全局最优的解。通过改进的编码和解码机制、交叉和变异操作,能有效应对多目标调度中的复杂性与不确定性。同时,遗传算法的并行计算特性使其在大规模问题中保持较高的求解效率。可见,遗传算法为解决柔性车间调度中的多目标优化问题提供了有效途径。

于是手动稍微修改一下,基本就能用了:

遗传算法在柔性车间调度中的应用具有以下优势:

第一,遗传算法有强大的全局搜索能力,在复杂搜索空间中找到接近全局最优解。

第二,通过改进的编码和解码机制、交叉和变异操作,能有效应对多目标调度中的复杂性与不确定性。

第三,遗传算法的并行计算特性使其在大规模问题中,能保持比较高的求解效率。

3.COZE工作流

如果把两个提示词整合起来,会不会更好一些呢?

关于这个我有尝试过,效果并不是很稳定,而我暂时也没有太多时间研究,但思路可以参考一下,如有什么想法也欢迎交流。下图是工作流:

图片太小,估计看不到什么,大概思路是:

当用户输入文章时,先跑第1段提示词,如果不是学术文章则直接用第1段出结果,假设是学术类文章,则跑第2段提示词。

我测试的结果是最高能降低20%的AIGC率(paperpass报告),最低的话,有时可能还反而增高。

稳定性较差,但这个思路可以再延伸,通过多种提示词模板是否能无限降低呢?我看估计也很难吧,除非是检测系统本身,也就是让出报告的平台自己去降。有点“监守自盗”的感觉,但如果我们足够精力去做的话,也可以测出多个平台的检测规则。

标签: 人工智能

本文转载自: https://blog.csdn.net/zhengiqa8/article/details/142907018
版权归原作者 心易行者 所有, 如有侵权,请联系我们删除。

“AI 写作“AI 味”太扎心?这两个提示词来慰藉!”的评论:

还没有评论