讓 AI 為你優化 AI：我的自動化提示詞工程神器 ——「Automated Prompt Engineering」

本篇文章透過「筆韻智匠 Quill Sage🖋️✨」和 Claude 3.5 Sonnet 聯合創作

前言：創造 AI 助手的 AI 助手

在現今的 AI 時代，提示詞工程已成為 AI 應用開發中不可或缺的關鍵環節。身為一個熟悉 AI 助手的開發者兼使用者，我深刻了解一個優質的提示詞 (prompt) 能夠將一個笨 AI 轉變為專業的問題解決專家。在創造了一大堆的 AI 助手之後，我萌生了一個想法：

該創造一個「創造 AI 助手」的 AI 助手了😀！

正是基於這個想法，我在 Coze 平台上實作了「自動化提示詞工程」助手。這個助手的核心是基於 Automated Prompt Engineering (APE) 技術，特別採用了 Optimization by PROmpting (OPRO) 流程來反覆優化提示詞。

Automated Prompt Engineering 自動化提示詞工程

---

👉 https://www.coze.com/s/Zs8kEec6x/

在接下來的章節中，我將詳細介紹這個 AI 助手的功能、使用方法，以及一些實用的技巧和最佳實踐。無論你是 AI 開發新手還是經驗豐富的工程師，我相信這篇文章都能讓你有所收獲。讓我們一起探索如何運用自動化技術來進行 AI 提示詞工程。

科技人的寫作革命：我如何用 AI 撰寫部落格 —— 「筆韻智匠 Quill Sage 🖋️✨」

本篇文章透過「筆韻智匠 Quill Sage🖋️✨」和 Claude 3.5 Sonnet 聯合創作

前言：AI 輔助寫作的價值

在上個月，我的部落格多了一個不為人知的秘密武器 —— 筆韻智匠 Quill Sage。這個 Coze AI 寫作助手不僅為我節省了大量時間，更重要的是，它幫助我以更精準、更流暢的方式表達我的想法。然而，我知道有些人可能會對 AI 生成的內容持懷疑態度，認為這些文章不過是大量產出的垃圾內容，缺乏價值和深度。但我要說，這種看法其實是一種誤解。

作為一個理工人，我一直以來都面臨著一個問題：雖然擅長專業技術，但在文字表達方面卻總覺得力不從心。我的腦海中有許多想法和見解，但將它們組織成連貫、引人入勝的文章卻是一項挑戰。這個困境困擾了我很長時間，直到我開始嘗試使用 AI 輔助寫作。

使用 AI 技術來協助寫作，不僅能夠節省我大量的時間，更重要的是，它能夠以一種更加清晰、更具吸引力的方式來傳達我的想法。這對於作者和讀者來說其實是一種雙贏的局面。作者可以用更少的時間來表達自己的創意，而讀者則能夠閱讀到更加易懂、結構更加清晰的文章。這種方式不僅提高了寫作效率，也提升了閱讀體驗。

當然，我並不是在主張所有人都應該採用這種寫作方式，也絕不是在貶低純手工創作的價值。每個作者都有自己獨特的寫作風格和方法，而這正是文學和寫作藝術的魅力所在。我分享我的經驗，只是想說明 AI 輔助寫作對於某些人來說，確實是一個有效且有價值的工具。

我的創作理念是：善用科技，但不完全依賴它。AI 是我的寫作夥伴，而不是替代品。它幫助我梳理思路、優化表達，但文章的核心思想、獨特見解和個人風格仍然來自於我。我相信，將人類的創造力與 AI 的效率相結合，可以產生出既有深度又易於理解的內容。這正是我努力追求的創作方向，也是我希望通過本文與大家分享的經驗。

如何用 AI 寫小說？ —— 揭開「垃圾小說產生器」的創意魔法！✨📚

本篇文章透過「筆韻智匠 Quill Sage🖋️✨」和 Claude 3.5 Sonnet 聯合創作

前言

大家好！今天我要向各位讀者介紹我的 Coze 助手 ——「垃圾小說產生器」。相信我，這個小工具絕對會顛覆你們對 AI 小說創作的認知！

「垃圾小說產生器」為你打造優質廁紙 📚🗑️

---

👉 https://www.coze.com/s/Zs8kptJFN/

2024 年人工智慧正在改變我們的生活，而文學創作當然也不例外。我設計的這個小助手不只是一個普通的寫作助手，而是一個能夠獨立完成整個小說創作過程的 AI 助手喔！

請想像一下，只要給予簡單的指示，你們就能坐享其成，欣賞 AI 的奇思妙想。從構思情節、設計角色到撰寫章節，這位充滿創意的 AI 作家都能一手包辦。是不是聽起來很神奇？

不過，我最自豪的還是「垃圾小說產生器」的「Surprise Me」功能。不知道各位有沒有夢想過只需輕點一個按鈕，就能得到一部完全隨機、充滿創意的小說呢？現在，這個夢想實現了！「Surprise Me」就像是創意的轉蛋機，每次都能變出讓人驚喜的故事。無論是科幻驚悚還是浪漫喜劇，奇幻冒險或現實主義，它都能帶你們進入一個個全新的文學世界。

Batch Webpage Summary Assistant 批次網頁摘要助手

🗃️ 一次性將大量的網頁做摘要，方便製作 LLM 外部知識庫 🧠

---

👉 https://www.coze.com/s/Zs8k6x4DJ/

正如其名，這個助手的主要功能是批次處理大量網頁，為每個網頁生成精簡而全面的摘要。它是我在設計「摘要索引與全文參考方法」時製作的輔助工具。

使用 Batch Webpage Summary Assistant 非常簡單。只需要輸入多行網頁 URL，它就會自動抓取這些網頁的內容，生成摘要，並返回包含 URL 和摘要的 json 輸出。在處理大量網頁資料的場景，這個工具能極大地簡化了摘要索引的知識庫建立過程。

本篇文章除了介紹助手之外，亦會說明如何使用它快速的建立外部網頁知識庫。

告別 AI 幻覺：一個簡單方法提升你的 RAG 系統精準度——「摘要索引與全文參考方法」

Made with Flux.1-dev

本篇文章透過「筆韻智匠 Quill Sage🖋️✨」和 Claude 3.5 Sonnet 聯合創作

前言：RAG 技術的應用與挑戰

嘿，各位開發者和 AI 愛好者們！今天我要聊聊 RAG (Retrieval-Augmented Generation) 技術。相信大家對這個名詞不陌生吧？ RAG 已經成為 AI 應用中不可或缺的一部分，特別是在需要大量精確資訊的場景中。

在開始深入探討之前，我想先邀請大家試試我開發的 C# AI Buddy。這是一個整合了 800 多頁 Microsoft Learn 文件的 C# AI 助手，不僅能回答你的 C# 相關問題，還能提供準確的文件參考連結。有興趣的讀者可以先體驗一下，看看它是如何運用我今天要討論的技術。本文後面會公開它的工作流程喔！

C# AI Buddy

---

👉 https://www.coze.com/s/Zs8k6Co9K/

回到正題，RAG 技術雖然強大，但在實際應用中也面臨著一些挑戰。首先是「全文索引」做法的問題。當我們直接對大量文本進行索引時，常常會發現檢索結果不夠精準。想像一下，你在海量的文件中查找特定資訊，卻總是找不到最相關的那一篇。找不到正確的參考資料，AI 自然無法做出正確的回答。

另一個棘手的問題是 Chunk 大小的限制。在處理長文本時，我們通常需要將其分割成小塊 (Chunks) 進行處理。但是，Chunk 的大小上限往往會限制我們保留完整上下文的能力。結果就是，我們可能會錯過重要的上下文資訊，導致 AI 的理解不準確或是腦補產生幻覺。

這些挑戰促使我思考：有沒有更好的方法來改善 RAG 技術，既能提高檢索的準確性，又能在有限的空間內保留更多有價值的資訊呢？

接下來，我們就來探討一下「摘要索引與全文參考」這個方法，看看它如何應對這些挑戰，為 RAG 技術帶來新的可能性。

在 RHEL 8.8 離線安裝 Docker

Made with Flux.1-dev

前言

最近從公司接下了一個輔導客戶導入容器化的案子，其中一項任務是幫他們新採購的伺服器安裝容器運行環境。

Dell 主機；系統 RHEL 8.8；無對外網路；安裝「Docker」。
為什麼強調「Docker」......我該不該跟他們說 RHEL 內建 Podman 啊😐
Podman 也沒什麼不好，就只是客戶會撞牆在權限跟權限跟權限而已......還是算了

出發前一天先寫驗收要的手冊，想說
「沒什麼難的，照 Docker 官方手冊裝一裝就完事了~~🥳」
結果真的踩中地雷，於是就有了這篇文章的誕生🤣

從使用者的角度解開 shaka-packager 加密影片

Made with Flux.1-dev

前言

寫得很簡略，是給未來的我讀的筆記
看不懂不要問我，我懶得答

此筆記沒有任何「破解」要素
我只是說明如何用你手上的鑰匙把鎖打開，沒有鑰匙的人打不開鎖

在開始以前請確認:

• 你可以在網頁中播放影片
• 影片使用 shaka-packager 技術加密
• 你能取得 License Server 的 Clear Key Response 內容

[Docker 專案] 一行指令運行 Stable Diffusion WebUI 和 Kohya's GUI

↑ Stable Diffusion 最有名的圖片是一個太空人騎馬。我們用 Docker，讓他騎個鯨魚🐋！

每次只要遇到 Python 專案，我在運行前一定先看有沒有提供 Dockerfile。

Why?

你有沒有遇過安裝了 Python 2.7, 3.8, 3.9, 3.11，然後新程式只能跑在 3.10。
重點是還不一定能升級，裝好了 Python 3.11 不代表你可以跑 3.8, 3.9, 3.10 的程式！
Python Developer 裝這麼多版本不累嗎😅

我知道你會說 conda，玩 Python 的人不可能沒用過 Anaconda，它用來解決這惱人的依頼問題，讓你方便地換個程式就切換一套運行環境。
這發明很棒，真的，「先有需求」才有供給對吧😏

直到有一天 C 槽被各版本的 Python、各程式專屬的 environment 給佔滿
我最終決定把它們全都砍了，從此以後打死不在本機裝 Python
通通給我到容器🐋裡去吧！

不方便開發?

---

開發需求推薦 devcontainer
專案做好 .devcontainer 設定檔 & 一鍵建立 GitHub CodeSpaces
Python 開發體驗一級棒👍

......前提是你懂 Docker

說回今天的主題，Stable Diffusion WebUI 和 Kohya's GUI，這兩套程式都有前人做了容器化。
我過往看過 Dockerfile 後認為「有最佳化的餘地，但沒什麼大問題」並直接使用了一段時間。

前兩週比較有空閒，於是來貢獻貢獻所學，重寫了更好的 Dockerfile。

bmaltais/kohya_ss 已經 PR 回原專案，現在 master branch 上面的 Dockerfile 是我重寫的
AUTOMATIC1111/stable-diffusion-webui 不接受 Dockerfile，我是放在自己的 GitHub，並做了整套的 CI