X-GPTWriter - генератор контента на ChatGPT, Использование кастомных промтов

В данном видео речь идет о применении пользовательских промтов в X-GPTWriter. Урок выстроен на базе консультации пользователя, в котором в форме диалога показываются все нюансы использования кастомных промтов. Подробнее о приложении можно узнать здесь: x-parser.ru/software/150-xgpt...
Тайм-коды:
0:00 - Вступление
0:25 - Использование одиночных промтов
1:50 - Замена промтов приложения своими
2:50 - Доступные макросы в промтах
6:20 - Создаем свои макросы
9:30 - Адаптируем промт из WEB-версии ChatGPT
14:40 - Генерация страницы услуги для компании
18:15 - Разделение промта WEB-версии на отдельные шаги
19:15 - Формируем файл с промтами
24:25 - Результат генерации страницы услуги
25:15 - Задаем промты по умолчанию
29:16 - Формируем промты для генерации статьи
34:50 - Вопрос: как задавать длину выдаваемого результата в промте
39:15 - Переносим промты из файла в промты по умолчанию
41:25 - Тонкости формирования промтов
44:50 - Генерируем статью по кастомным промтам
55:30 - Используем свои промты, как дополнение к дефолтным
57:20 - Вопросы сокращения и тестирования промтов
Группа приложения в ТГ: t.me/XSoftwareTM

[@alexjackpots]

Вот это то самое, что надо!

[@t0rango]

🔥🔥🔥 Пушка!

[@x-softwaretm2926]

Здесь показан самый сложный функционал X-GPTWriter, который сделан по заказу самых продвинутых пользователей, в частности - SEO-специалистов, которым важно полностью управлять процессом генерации и иметь возможность задавать именно свои кастомные промты. Для тех же пользователей, которые как раз не хотят ломать голову над экспериментами с произвольными промтами, а хотят просто задавать ключевые слова и генеровать статьи, карточки товара, отзывы и многое другое, есть обширный функционал, о котором я рассказываю в других видео по X-GPTWriter.

[@RAMILMAN]

Это сообщение я ни сразу прочитал, и поэтому думаю - Какая же сложная программа и зачем эти заморочки только нужны)).
Но с другой стороны, для того чтобы совершенствоваться это тоже отлично ))

[@user-dc6wl3ye9j]

- Участники:
- xgrider: помощь в решении проблемы составления кастомных запросов.
- Автор видео (не указано имя).
- Режимы использования кастомных промтов:
- Произвольный запрос: один запрос без переменных или список запросов из файла.
- Генерация заголовка и текста по алгоритму приложения.
- Настройка кастомных промтов:
- Вкладка настроек основных фронтов определяет, как генерируются элементы.
- Можно задавать произвольные запросы и настраивать генерацию по ключевым фронтам.
- Замена промтов:
- Использование переменных (перемены) включает данные, такие как кластеры и ключевые слова.
- Макросы заменяются на значения из исходных данных.
- Возможность добавления собственных макросов для уникальной замены в тексте.
- Пример замены с макросами:
- Создание макросов для различных сценариев, например, представление себя как "мегасеошник" или "сеошник".
- В результате генерации промтов макросы заменяются на выбранные значения, создавая уникальный контент.
- Дополнительная информация:
- Возможность использовать фразы, дополнительные к lsi, для более креативной замены в тексте.
- Пользователь может добавлять любое количество собственных макросов для индивидуальных замен в генерируемом контенте.
- Примеры использования макросов:
- Возможность инкапсуляции данных через макросы, например, выступление в роли профессионального копирайтера.
- Замена элементов промта с использованием макросов для удобной персонализации текста.
- Разделение и капсуляция данных:
- Важность выделения ключевых элементов, таких как автор, с опытом, для последующей замены в промтах.
- Персонализация контента через макросы для замены автора и других переменных.
- Генерация контента по ключевым фразам:
- Использование ключевых фраз для создания заголовков и текстов, подобное инкапсуляции данных в языке программирования.
- Подход к генерации текста, основанный на предоставленных ключевых фразах и инструкциях.
- Применение макросов для динамических замен:
- Пример замены элементов в промте, таких как страна аренды авто, с использованием макросов для легкой изменяемости контента.
- Возможность создания макросов для автоматизированной замены ключевых элементов, таких как компания и географические данные.
- Интересные моменты при генерации:
- Подсказка о важности выделения основных ключевых элементов с помощью кавычек для четкости разделения данных.
- Возможность добавления компании и других переменных для контекстной генерации контента.
- Генерация страницы услуги с дополнительными данными:
- Использование макросов для вставки имени компании и других дополнительных данных в текст услуги.
- Пример добавления компании в начало текста с помощью макроса для контекстной идентификации.
- Интересные эксперименты и режимы генерации:
- Эксперимент с генерацией страницы услуги с возможностью вставки изображения, видео и комментариев.
- Подсказка о возможности использования режима вопрос-ответ для создания контента в тематике услуг.
Примечание:
- Упоминается, но контекст не даёт ясного представления о личности или предмете.
- LSI (Latent Semantic Indexing): Упоминается как метод подбора ключевых слов, предпочтительный по сравнению с генерацией LSI.
- Кастом (кастомный режим): Подразумевается настройка генерации с использованием собственных параметров.
- Услуга (промт для услуг): Обсуждение генерации контента для страницы услуги, включая использование макросов и ключевых элементов.
- Генерация промтов через файлы: Упоминается создание файлов с фронтами и промтами для автоматизированной генерации контента.
- Генерация контента через интерфейс: Обсуждение процесса генерации заголовков и описаний через интерфейс с использованием макросов.
- Комментарии о стратегии генерации: Советы по оптимизации генерации, включая использование часто задаваемых вопросов и уникальных сеток.
- Корреляция файлов и интерфейса: Указание на важность соответствия данных в файлах с фронтами и промтами в интерфейсе.
- Промт от имени компании: Разговор о возможности написания контента от лица компании и предложение экспериментов.
- Файл с фронтами: Упоминание файла, который позволяет быстро генерировать контент с учетом различных параметров.
- Логика использования макросов: Объяснение применения макросов для подстановки заголовков и описаний в определенные места в интерфейсе.
Примечание:
- Блоки контента: Упоминаются три блока контента с использованием кастомных и стандартных промтов.
- Макросы: Используются макросы для создания введения и секций статьи.
- Вступление: Рекомендуется писать введение на 2000 слов, с акцентом на уникальность и оптимизацию.
- Секции статьи: Предложено написать раздел статьи до 2000 слов, с поддержкой уникальных идей, фактов и обращением к пользователю.
- Генерация контента через файлы и интерфейс: Обсуждение процесса загрузки промтов из файлов и использования интерфейса для создания контента.
- Длина запроса и токенов: Уточнение, что длина запроса на русском до 1000 символов, на английском до 2000, а выходной блок содержит стандартно 4000 токенов (по 2 байта на символ).
- Ограничение по токенам: Возможность установки ограничения по токенам на вход и выход для управления размером генерируемого контента.

[@user-dc6wl3ye9j]

Важная информация:
- Объем текста и обрывы слов: Говорится, что алгоритм предпочитает самостоятельно выбирать объем текста и обрывать слова посередине при указании фиксированного количества слов (например, 4000).
- Самовыражение алгоритма: Отмечается, что алгоритм имеет тенденцию самовыражаться в том объеме, который ему удобен, и что он предпочитает свои собственные хотелки.
- Логика диалога и ограничения памяти: Указывается, что алгоритм не имеет четкой памяти предыдущих сообщений и ограничен 1000 символами на вход и 4000 на выход.
- Развитие алгоритма: Обсуждается эволюция алгоритма, его более осмысленное письмо, благодаря более мощному оборудованию и, возможно, обучению.
- Логика софта и эксперименты: Рекомендуется экспериментировать с промтами и пронтами в рамках логики софта. Отмечается, что условия и данные лучше разделять.
- Проблемы с инструкциями и форматом HTML: Указывается на проблемы алгоритма в выполнении инструкций, особенно в сочетании с форматом HTML, где условия игнорируются.
- Роли и самопредставление: Обсуждается возможность указания роли для алгоритма, например, представить себя копирайтером, и как это может повлиять на создание контента.
- Логика чата и разделение действий: Отмечается, что логика чата может требовать разделения действий, чтобы алгоритм лучше воспринимал инструкции.
- Эксперименты с ролями: Поднимается тема экспериментов с различными ролями, такими как роль стендапера, и как алгоритм воспринимает разнообразные контексты.
- Роли и восприятие контекста: Алгоритм понимает определенные роли, например, стендапера, и ассоциирует их с шутками. Однако не все роли он понимает одинаково, иногда внедряя непонятные элементы в текст.
- Структура команд и планов: Рекомендуется явно разделять роли и планы, так как это облегчает восприятие и выполнение инструкций алгоритмом. Комбинированные инструкции могут вводить в замешательство.
- Условия и их вес: Условия лучше располагать перед командой, а также усиливать их вес словами типа "пожалуйста" для лучшего восприятия алгоритмом.
- Генерация контента и SEO: Проведены эксперименты с генерацией статей, включая условия SEO. Алгоритм лучше понимает коммерческий текст, но иногда генерирует общие и непонятные высказывания.
- Опасности и ограничения: Алгоритм может воспроизводить небылицы, не всегда различая термины, что может представлять опасность, особенно при создании контента на темы, где нужны точные знания.
- Копипаст и обучение: Существует парадокс - при обучении на большем количестве источников алгоритм склонен к большему копипасту, но при меньшем обучении он создает более уникальный контент, хотя иногда с элементами выдумывания.
- Тенденции копипаста в переводах: Наблюдается тенденция снижения уникальности в переводах с русского с течением времени, вероятно, из-за улучшения нейросетей, на которых работает алгоритм.
- Обучение алгоритма:
- Существует определенный набор слов, который лучше выдавать алгоритму в определенной форме, чтобы получить желаемый результат.
- Обученные модели могут проявлять меньше вариативности в выдаче, что может привести к большему количеству копипаста.
- Контент и уникальность:
- Генерируемый контент может быть или экспертным с цитированием, или содержать элементы фантазии и вранья, в зависимости от запроса.
- Возможность наводнения интернета недостоверным контентом, особенно если алгоритмы генерации не будут проверять контент.
- Сложности фильтрации и обучения:
- Фильтрация сгенерированного контента представляет сложности, и с ростом объема негативного контента может потребоваться более сложная система фильтрации.
- Процесс обучения алгоритмов на сгенерированном контенте может привести к циклическому ухудшению качества и недостоверности.
- Режимы работы и настройки:
- Есть два режима работы - полная замена фронтов или добавление дополнений, что дает больше гибкости.
- Тестирование и оптимизация работы с условиями и дополнениями может значительно улучшить результаты генерации.
- Управление процессом генерации:
- Имеется возможность управлять процессом генерации, подстраивая алгоритм под конкретные требования и экспериментируя с различными настройками.

- Размер и эффективность условий:
- Размер условий лучше сокращать для оптимальной работы алгоритма.
- Использование промтов с ограничением в 1000 токенов для актуальности и большего количества LS (Language Shift).
- Эксперименты и настройка промтов:
- Эксперименты с различными промтами показывают, что наложение различных промтов может улучшить результаты генерации.
- Выявление слов, на которые алгоритм реагирует как на команды, может значительно сократить фронт промта.
- Тестирование на разных языках:
- Перевод промта на английский и последующий перевод на другие языки может помочь снизить расход токенов и получить более дешевый текст.
- Выбор языка для генерации:
- Эксперименты показывают, что генерация на определенном языке (например, китайском) более эффективна, если промт соответствует языку запроса.
- Экономия токенов и кросс-языковая генерация:
- Исследование возможности сэкономить на токенах через кросс-языковую генерацию, например, генерация на одном языке и перевод на другой, представляет интерес для оптимизации.