余幼时，习文章，师云：天下文章一大抄，看汝会抄不会抄。今观通义，抄之，习之。

你看这提示词工程，那是不是门道？细细揣摩，反复练习，悟透其中奥妙，终能成为高手。

黑客马拉松项目，AI雅思先锋

• 支持雅思口语陪练，接入Realtime，实现口语陪练或者模拟考试
• 支持英文作文批改，针对单词、句子、语法、整体逻辑给出优化建议。
• 给出待办事项todo list建议，并提供参考范文
• 支持手写图片的原图批改标注，在原图中通过波浪线，圆角方框等进行位置标注，并在相关位置进行批改建议。

1B和3B，小模型用于边缘计算的，可以用移动设备推理了。HER时代真要到来了。

最近研究在AGI方面投入精力较多，通过Workflow的方式，做了一些LLM+知识库+Tools的Agent。其中Workflow的实现，一种是通过Prompt来编排，另一种是LangGraph的方式。而Prompt书写质量的好坏，也严重影响了最后的效果。整理了当前主流的Prompt写法。其中包括一些Prompt示例，以及一些Prompting的思想。梳理、总结分析了20篇关于Prompt Engineering的论文。

BERT (Bidirectional Encoder Representations from Transformers) 是由 Google 团队在 2018 年提出的预训练语言模型底座。它是第一个基于 Transformer 架构的深层双向 Encoder。它的出现改变了自然语言处理（NLP）领域的范式，在发布时横扫了多项自然语言处理任务，在流行的 GLUE 基准上超过了当时所有的最强模型。

目前，基于 BERT 衍生的纯 Encoder 模型依然在 NLP 行业（尤其是文本分类、实体识别等自然语言理解任务 NLU）中占据着主导地位。

论文：BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

好用的语料设计服务，可一键微调语料设计生成，支持模型：

• OpenAI
• 百度千帆平台
• LLama原生格式

针对教材内容，设计了多轮对话语料，可以定制风格，并且设计了三种对话能力：

• 拉会主题
• 自动纠错
• 单词语法解释

Transformer是2017年Google论文《Attention is All You Need》提出的一种模型结构，颠覆了通过RNN进行序列建模的思路，已被广泛应用于NLP各个领域，如出色的Bert、GPT都是基于Transformer模型。

论文：Attention Is All Your Need

NLP（Nature Language Processing，自然语言处理）是计算机学科及人工智能领域一个重要的子学科，它主要研究计算机如何处理、理解及应用人类语言。所谓自然语言，指人说的话、人写的文章，是人类在长期进化过程中形成的一套复杂的符号系统。

NLP概述

NLP的主要任务

主要可分为两大类：

• 基于现有文本或语料的分析
• 生成新的文本或语料

调研了几种主流的数字人技术，从唇形、表情、动作等方面进行了对比。