prompt --基本使用场景 使用技巧

基本使用场景 & 使用技巧

AI 的使用场景非常多,基础篇仅介绍最最最常用的两种。后续会介绍更多使用场景和方法。

场景1:问答问题

这个场景应该是使用 AI 产品最常见的方法。以 ChatGPT 为例,一般就是你提一个问题,ChatGPT 会给你答案,比如像这样:

在这个场景下,prompt 只要满足前面提到的基本原则,基本上就没有什么问题。但需要注意,不同的 AI 模型擅长的东西都不太一样,prompt 可能需要针对该模型进行微调。另外,目前的 AI 产品,也不是无所不能,有些问题你再怎么优化 prompt 它也没法回答你。以 ChatGPT 为例:

  1. ChatGPT 比较擅长回答基本事实的问题,比如问 什么是牛顿第三定律? 。但不太擅长回答意见类的问题,比如问它 谁是世界第一足球运动员?,它就没法回答了。
  2. 另外,ChatGPT 的数据仅有 2021 年 9 月以前的,如果你问这个时间以后的问题,比如 现在的美国总统是谁?它的答案是「截至2021年9月,现任美国总统是乔·拜登(Joe Biden)。

求助

这种直接提问的 prompt ,我们称之为 Zero-shot prompt。模型基于一些通用的先验知识或模型在先前的训练中学习到的模式,对新的任务或领域进行推理和预测。你会在高级篇看到相关的介绍,以及更多有意思的使用方法。

另外,正如我在前面基础用法一章中提到的那样,问答场景里还有一个很重要的玩法,就是多轮聊天,你可以针对某个问题,进行多轮的提问。

使用技巧一:To do and Not To do

注意

我介绍的技巧其实在各个场景都可以使用,我将其放在某个场景下解释,只是因为我觉得它更有可能在这个场景用到。你也会更容易记住这个用法。并不意味着这个技巧仅能在此场景使用。并且多技巧混用也是个不错的用法。

在问答场景里,为了让 AI 回答更加准确,一般会在问题里加条件。比如让 AI 推荐一部电影给你 Recommend a movie to me 。但这个 prompt 太空泛了,AI 无法直接回答,接着它会问你想要什么类型的电影,但这样你就需要跟 AI 聊很多轮,效率比较低。

所以,为了提高效率,一般会在 prompt 里看到类似这样的话(意思是不要询问我对什么感兴趣,或者问我的个人信息):

DO NOT ASK FOR INTERESTS. DO NOT ASK FOR PERSONAL INFORMATION. 

如果你在 ChatGPT 里这样提问,或者使用 ChatGPT 最新的 API ,它就不会问你问题,而是直接推荐一部电影给你,它的 Output 是这样的:

Certainly! If you're in the mood for an action-packed movie, you might enjoy "John Wick" (2014), directed by Chad Stahelski and starring Keanu Reeves. The movie follows a retired hitman named John Wick who seeks vengeance against the people who wronged him. It's a fast-paced and stylish film with lots of thrilling action sequences and an engaging story. If you're looking for something that will keep you on the edge of your seat, "John Wick" is definitely worth a watch! 

但如果你使用的是如 Davinci-003 这样的模型,它的 Output 很可能是这样的,它还会问你的兴趣爱好:

Sure, I can recommend a movie based on your interests. What kind of movie would you like to watch? Do you prefer action, comedy, romance, or something else? 

所以 OpenAI 的 API 最佳实践文档里,提到了一个这样的最佳实践:

Instead of just saying what not to do, say what to do instead. 与其告知模型不能干什么,不妨告诉模型能干什么。

我自己的实践是,虽然现在最新的模型已经理解什么是 Not Todo ,但如果你想要的是明确的答案,加入更多限定词,告知模型能干什么,回答的效率会更高,且预期会更明确。还是电影推荐这个案例,你可以加入一个限定词:

Recommend a movie from the top global trending movies to me. 

当然并不是 Not Todo 就不能用,如果:

  • 你已经告知模型很明确的点,然后你想缩小范围,那增加一些 Not Todo 会提高不少效率。
  • 你是在做一些探索,比如你不知道如何做精准限定,你只知道不要什么。那可以先加入 Not Todo ,让 AI 先发散给你答案,当探索完成后,再去优化 prompt。

以下是一些场景案例,我整理了两个 Less Effective(不太有效的) 和 Better(更好的) prompt,你可以自己尝试下这些案例:

场景2:基于示例回答

场景介绍

在某些场景下,我们能比较简单地向 AI 描述出什么能做,什么不能做。但有些场景,有些需求很难通过文字指令传递给 AI,即使描述出来了,AI 也不能很好地理解。

比如给宠物起英文名,里面会夹杂着一些所谓的名字风格。此时你就可以在 prompt 里增加一些例子,我们看看这个例子。

这个是没有任何示例的 Prompt:

Suggest three names for a horse that is a superhero. 

Output 如下所示。第一个感觉还行,第二个 Captain 有 hero 的感觉,但 Canter 就像是说这匹马跑得很慢,感觉不太合适,而且三个都比较一般,不够酷。

Thunder Hooves, Captain Canter, Mighty Gallop 

技巧 2:增加示例

如果你无法用文字准确解释问题或指示,你可以在 prompt 里增加一些案例:

Suggest three names for an animal that is a superhero.  Animal: Cat Names: Captain Sharpclaw, Agent Fluffball, The Incredible Feline Animal: Dog Names: Ruff the Protector, Wonder Canine, Sir Barks-a-Lot Animal: Horse Names: 

增加例子后,Output 的结果就更酷一些,或者说是接近我想要的那种风格的名字。

Gallop Guardian, Equine Avenger, The Mighty Stallion 

以下是一些场景案例,我整理了两个 Less Effective(不太有效的)和 Better(更好的)prompt,你可以自己尝试下这些案例:

场景3:推理

场景介绍

在问答这个大场景下,还有一个子场景是推理,这个场景非常有意思,而且是个非常值得深挖的场景,prompt 在此场景里发挥的作用非常大。

如果你想用 ChatGPT API 做点什么小应用,我建议可以从这个场景入手,相对来说没有其他场景那么红海。

举个比较简单的例子,我将美国工商管理硕士的入学考试 GMAT 的一道数学题输入进了 ChatGPT:

If a real estate agent received a commission of 6 percent of the selling price of a certain house, 
what was the selling price of the house? (1) The selling price minus the real estate agent’s commission was $84,600. (2) The selling price was 250 percent of the original purchase price of $36,000.  (A) Statement (1) ALONE is sufficient, but statement (2) alone is not sufficient. (B) Statement (2) ALONE is sufficient, but statement (1) alone is not sufficient. (C) BOTH statements TOGETHER are sufficient, but NEITHER statement ALONE is sufficient. (D) EACH statement ALONE is sufficient. (E) Statements (1) and (2) TOGETHER are NOT sufficient. 

这道题目的中文意思是这样的(你不妨也思考下这个题目?):

如果一个房地产经纪人的佣金是某个房子的售价的6%,那么这个房子的售价是多少? (1)售价减去房地产经纪人的佣金为84,600美元。 (2)购买价是36,000美元,售价是购买价的250%。  (A)仅陈述(1)足以回答问题,但仅陈述(2)不能回答问题。 (B)仅陈述(2)足以回答问题,但仅陈述(1)不能回答问题。 (C)两个陈述合起来足以回答问题,但没有一个陈述单独足以回答问题。 (D)每个陈述单独足以回答问题。 (E)陈述(1)和(2)合起来不能回答问题。 

它的 Output 是这样的,它会根据题目的要求去推理和运算:

Let's assume the selling price of the house is S.  According to the given information, the real estate agent's commission is 6% of S, which is 0.06S.  So, the amount received by the seller after paying the commission would be (S - 0.06S) = 0.94S.  Statement (1) tells us that 0.94S = $84,600. Solving for S, we get S = $90,000.  Therefore, statement (1) alone is sufficient to determine the selling price of the house.  Statement (2) tells us that the selling price is 250% of the original purchase price, which means S = 2.5*$36,000 = $90,000.  Therefore, statement (2) alone is also sufficient to determine the selling price of the house.  Since both statements individually provide the same answer, we can conclude that together they are also sufficient to determine the selling price of the house.  Hence, the answer is (D) EACH statement ALONE is sufficient. 

翻译成中文是这样的:

假设房子的售价为S。  根据所给信息,房地产经纪人的佣金是S的6%,即0.06S。  因此,在支付佣金后卖方收到的金额为(S-0.06S)= 0.94S。  陈述(1)告诉我们,0.94S = 84,600美元。解出S,我们得到S = $90,000。  因此,陈述(1)单独足以确定房子的售价。  陈述(2)告诉我们,售价是原始购买价的250%,这意味着S = 2.5 * $36,000 = $90,000。  因此,陈述(2)单独也足以确定房子的售价。  由于两个陈述分别提供相同的答案,我们可以得出结论,它们共同足以确定房子的售价。  因此,答案是(D)每个陈述单独足以回答问题。 

这个场景还比较简单,我就不在这举更多例子了,你可以将各种题目输入进 ChatGPT 里试试。

场景4:无中生有——写代码

场景介绍

除了回答问题外,另一个重要的场景是让 AI 根据你的要求完成一些内容生成任务,根据输出的结果差异,我将其概括为以下几个主要场景:

  1. 无中生有
  2. 锦上添花
  3. 化繁为简

本章,我们先来聊聊「无中生有」场景。顾名思义,就是让 AI 给你生成一些内容。你只需要向 AI 描述你想写的内容,AI 就会按你的要求写出该内容。比如:

  1. 撰写招聘信息
  2. 撰写电商平台的货物描述
  3. 撰写短视频脚本
  4. 甚至让它写代码都可以

像撰写招聘信息等,你只需要明确目标,将目标定得比较明确即可生成能让你较为满意的答案。本章我想聊下写代码。下面是一个让 ChatGPT 写代码的案例。

Prompt:

Create a MySQL query for all students in the Computer Science Department: Table departments, 
columns = [DepartmentId, DepartmentName] Table students, columns = [DepartmentId, StudentId, StudentName] 

Output:

SELECT students.* FROM students INNER JOIN departments ON students.DepartmentId = departments.DepartmentId WHERE departments.DepartmentName = 'Computer Science'; 

技巧 3:使用引导词,引导模型输出特定语内容

在代码生成场景里,有一个小技巧,上面提到的案例,其 prompt 还可以继续优化,在 prompt 最后,增加一个代码的引导,告知 AI 我已经将条件描述完了,你可以写代码了。

在 prompt 的最后增加 SELECT 可以很好地提示 AI 可以写 SQL 代码了。Better prompt:

Create a MySQL query for all students in the Computer Science Department: Table departments, columns = [DepartmentId, DepartmentName] Table students, columns = [DepartmentId, StudentId, StudentName] SELECT 

同样的道理,如果你想让 AI 写 Python 代码,那 import 会是比较好的提示。但需要注意,这个只是告知 AI 可以写代码了,并不能告知 AI 写何种代码,你仍然需要在 prompt 里增加提示,告知 AI 要生成何种语言的代码。

在吴恩达的 ChatGPT Prompt Engineering 课程中,也提到这个技巧,只是在课程中,引导词并不是放在最后,而是在 prompt 里直接说明,让 AI 生成一个 JSON 格式的内容。课程中的例子是这样的(注意这个是 python 代码):

prompt = f""" Generate a list of three made-up book titles along \ with their authors and genres. Provide them in JSON format with the following keys: book_id, title, author, genre. """ 

我简单解释下,其关键是在 prompt 里跟 AI 说明,需要 AI 按照 JSON 格式输出内容

场景5:锦上添花——改写内容

场景介绍

除了从 0 生成内容外,你也可以先给 AI 一段已经写好的内容,然后让 AI 对其进行修改,让 AI 帮你将内容改得更好。实际的场景有如:

  1. 翻译:将中文文档翻译成英文,亦或者将英文翻译成中文。关于翻译,我还想强调,像 ChatGPT 除了能翻译人类的语言外,还能翻译编程语言,比如将 Python 代码翻译成 Haskell 代码。
  2. 修改:修改内容的语法,甄别内容里的错别字。
  3. 润色:润色文章,将内容改成另一种风格。

本章重点介绍下润色场景,下面这是个润色的例子。

Prompt(内容来自维基百科):

Please rewrite the following sentences to make them easier to understand. OpenAI is an American artificial intelligence (AI) research laboratory consisting of the non-profit OpenAI Incorporated (OpenAI Inc.) 
and its for-profit subsidiary corporation OpenAI Limited Partnership (OpenAI LP). OpenAI conducts AI research with the declared intention of promoting and developing a friendly AI. 
OpenAI systems run on the fifth most powerful supercomputer in the world.[5][6][7] The organization was founded in San Francisco in 2015 by Sam Altman,
Reid Hoffman, Jessica Livingston, Elon Musk, Ilya Sutskever, Peter Thiel and others,[8][1][9] who collectively pledged US$1 billion. 
Musk resigned from the board in 2018 but remained a donor. Microsoft provided OpenAI LP with a $1 billion investment in 2019 and 
a second multi-year investment in January 2023, reported to be $10 billion.[10] 

它的 Output 是这样的:

OpenAI is a research organization that focuses on artificial intelligence (AI).
It has two parts: a non-profit called OpenAI Incorporated and a for-profit subsidiary called OpenAI Limited Partnership. 
The organization's goal is to create AI that is friendly and beneficial to humans. OpenAI uses one of the most powerful supercomputers in the world for its research.
The organization was founded in San Francisco in 2015 by a group of people who pledged a total of $1 billion, including Sam Altman, Reid Hoffman, Jessica Livingston,
Elon Musk, Ilya Sutskever, and Peter Thiel. Musk resigned from the board in 2018 but still supports the organization financially.
In 2019, Microsoft invested $1 billion in OpenAI LP, and in January 2023, they made a second investment reported to be $10 billion. 

技巧 4:增加 Role(角色)或人物

前面提到的改写例子,我在 prompt 里加了 Role 让其更易于阅读,这个优化方法是 OK 的。也很常用,比如你想将你写的 Email 改得更商务,则只需要加 business 相关的词即可。

我再介绍一个更有效的技巧,就是在 prompt 里增加一些 role(角色)相关的内容,让 AI 生成的内容更符合你的需求。

比如还是上面那个 rewrite 的例子,我在例子前加入这样的一段话,我让 AI 假设自己是一个小学老师,并且很擅长将复杂的内容转变成 7、8 岁小朋友也能听懂的话,然后再改写这段话:

You are a primary school teacher who can explain complex content to a level that a 7 or 8 year old child can understand. 
Please rewrite the following sentences to make them easier to understand: 

Output 就变成了下面这样。不管是用词,还是语法,看起来都更容易懂了。

OpenAI is a place where people work on making computers really smart. It's like a lab where they do research to make computers do amazing things!
They want the computers to be really friendly and helpful to people. They use one of the most powerful computers in the world to do this research.
A bunch of really rich and smart people gave money to start this lab. One of them is Elon Musk, but he left in 2018. Another really big company, Microsoft, gave them a lot of money too. 

另外除了增加角色外,还能让 AI 模拟某个人,比如让 AI 以 David Foster Wallace 的风格改写上述那段话:

Imagine you are the famous writer David Foster Wallace, please rewrite this sentences. 

Output 是这样的:

As David Foster Wallace, I might rewrite these sentences to sound more like this:  OpenAI is a lab that studies something called artificial intelligence, which is like when computers can do things that normally only humans can do. 
They have a big computer that's one of the most powerful in the world, and they're trying to make sure the AI they create is friendly and helpful.
The lab was started in 2015 in a city called San Francisco, and a bunch of important people gave them a lot of money to do their research. 
One of those people was Elon Musk, who stopped working there but still gives them money, and Microsoft also gave them a lot of money recently. 

场景6:锦上添花——信息解释

场景介绍

锦上添花下的第二大的场景是信息解释。它跟改写内容有点像,但又不太一样,信息解释有可能提供超过原文内容的信息。

举几个信息解释的例子,大家应该就能理解了:

  1. 解释代码:比如你看到一段 Python 的代码,但你看不懂,你可以让 AI 解释下代码的含义。
  2. 解释论文:看某篇论文看不懂,或者论文里的某一段看不懂,你也可以让 AI 解释。

以解释代码为例,它的 prompt 是这样的(此案例来自 OpenAI 官方案例):

Explanation of what the code does:  Python 3  def remove_common_prefix(x, prefix, ws_prefix):   x["completion"] = x["completion"].str[len(prefix) :]  if ws_prefix:   # keep the single whitespace as prefix   x["completion"] = " " + x["completion"]  return x 

以下是 ChatGPT 的 Output,它阐述了这段代码是拿来干什么的,同时还阐述了各个参数的含义:

This is a Python function called remove_common_prefix that takes in three parameters: x, prefix, and ws_prefix.  The x parameter is assumed to be a Pandas DataFrame or Series object with a column named "completion", which contains strings that may or may not start with the prefix string. The prefix parameter is a string that represents the common prefix that needs to be removed from the beginning of each string in the "completion" column of the DataFrame. The ws_prefix parameter is a Boolean value that indicates whether or not to keep a single whitespace character as a prefix after the common prefix has been removed.  The function modifies the "completion" column of the DataFrame by removing the prefix string from the beginning of each string in that column using the Pandas str method and string slicing. 
The len(prefix) : syntax is used to slice the string starting from the character that follows the prefix. If ws_prefix is True, then the function adds a single whitespace character as a prefix to each string in the "completion" column after removing the prefix. Finally, the modified DataFrame is returned by the function. 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/47858.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Prompt使用场景】

Prompt使用场景 场景1:问答问题(技巧1)场景2:基于示例回答(技巧2)场景3:推理场景4:无中生有——写代码(技巧3)场景5:锦上添花——改写内容(技巧4)场景6:锦上添花——信息解释场景7:化繁为简——信息总结(技巧5)场景8:化繁为简——信息提取(技巧6)场景1:问…

亲子关系与家庭教育

亲子关系作为人生中第一重要的人际关系,对其一生的发展有着重要的影响。要了解亲子关系的作用,首先要了解亲子关系的特点。1亲子关系的不可替代性是以血缘关系为基础的关系,是与生俱来的、不可替代的,即其他关系,如师生…

家庭教育(一)

家庭教育(一) ✨为什么家长或教育者需要学习"家庭教育" 家庭教育包含 学习能力学习习惯亲子沟通目标激励情商培养性格天赋婚姻关系青春成长 大部分孩子会遇到的问题 学习不积极,没有兴趣,家长逼着学、哄着学写作业拖拉,行为散漫上…

卓训教育:家庭教育的重要性,家庭教育的理念及基本方法

家庭是儿童成长过程中接触到的最重要的活动场所,幼儿的家庭教育是人生成长过程中最先也是最重要的启蒙教育。家庭教育是指家庭中的父母对子女,成年人对未成年孩子进行教育生活的活动过程。 家庭教育的意义是幼儿在进入社会接受集体教育之前和集体教育的同时,保证孩子身心健…

详细软件著作权的申请

一,申请注册账号并进行实名认证 在中国版权保护中心官网注册账号。 我是自己申请的所以选择的个人,这里根据实际情况进行选择后注册。 注册后进行实名认证(3-7个工作日人工会进行审核,所以每个著作权人都要提前注册并进行实名认证…

【全栈第一课】Vue快速入门

往期文章 【全栈第二课】微信小程序快速入门 【全栈第三课】通过ChatGPT快速入门NodeJS 【全栈第四课】TypeScript 入门教程 一、前端工程化 JS的复用就是模块化 UI样式复用就是组件化(LayUI里面的都是组件化) 所以说前端工程化就是有规范的写,不能你一个样式我一个样式,不…

猿辅导、作业帮忙“圈钱”,跟谁学、有道、51Talk狂“烧钱”,在线教育钱途在哪?

文/螳螂财经(ID:TanglangFin) 作者/王文文 2020年,诸行业艰难,本应受疫情利好的在线教育行业,也同样冰火两重天。在线教育头部企业纷纷上演融资大戏,动辄以“亿美元”为单位,行业头部机构垄断…

有没有和作业帮一样的计算机,学霸君、学习宝和作业帮哪个好【对比】

国内各种开发商自然会推出新应用,制作了很多可以解决各种科目作业的应用。学霸君、学习宝和作业帮哪个好?大家还记得当年的假期作业是怎么完成的呢?自己搞定?抄同学的还是直接不做呢?现在看起来,抄作业已经 OUT 了,在搜索引擎上…

作业帮家长版的计算机怎么打开,作业帮家长版安装方法 作业帮家长版app特色...

作业帮怎么安装?作业帮家长版是一款帮助想辅导自己孩子功课但缺无从下手的家长们设计的app。下面小编就为玩家带来作业帮家长版安装方法,一起来看看吧。 作业帮家长版安装方法 作业帮家长版是一款帮助想辅导自己孩子功课但缺无从下手的家长们设计的app。通过这款ap…

ChatGPT终于被我问到胡说八道的程度了!

问:Python是强类型语言,还是弱类型语言 chatgpt:Python是强类型语言。Python很少会隐式地转换变量的类型,所以Python是强类型的语言 问:什么是强类型语言 chatgpt:强类型语言是指在编程语言中&#xff0…

【FPGA协议篇】UART通信及其verilog实现(代码采用传参实现模块通用性,适用于快速开发)

UART通信 UART通信简介verilog实现顶层模块接收模块发送模块 仿真波形实测结果 UART通信简介 ​ 即通用异步收发器(Universal Asynchronous Receiver/Transmitter),是一种串行、异步、全双工的通信协议。特点是通信线路简单,适用于远距离通信&#xff0…

echarts图表使用v-show控制图表显示不全的问题

最近做echarts图表时,因为涉及到使用开关变量控制不同图表的显示隐藏,用 v-if 时会出现没有获取到dom结构而报错,所以改用 v-show,但是 v-show 本身是结构已经存在,当数据发生变化时,结构并未重新渲染&…

插件ucharts制作图表,tooltip报错不展示数据

项目场景: uni开发小程序 使用插件ucharts制作图表,tooltip报错不展示数据 后端返回两组数据,前端渲染两条折线图。横坐标一样。第1组数据只有0-5月的数据,另2组1-12月均有。点击6-12月段数据的折线图,报错如下&…

Microsoft Excel 教程:如何在 Excel 中显示或隐藏图表图例?

欢迎观看 Microsoft Excel 教程,小编带大家学习 Microsoft Excel 的使用技巧,了解如何在 Excel 中显示或隐藏图表图例。 可以显示或隐藏图表的图例。 显示图例可以向读者提供更多图表信息,而隐藏图例可以让图表拥有更简洁的外观。 单击要在…

Qt 绘制图表 - Qt Charts版

一、前言 自从 Qt 发布以来,给广大跨平台界面研发人员带来了无数的福利。但是Qt自己却一直没有提供自带的图表库,这就使得 QWT、QCustomPlot 等第三方图表库有了巨大的生存空间,为了降低开发成本,大家都涌向了这些第三方库。这种…

Highcharts 饼图数据是0的时候不显示

Highcharts 数据为0 时饼图的扇形不显示。 echarts 数据为0时会平分各项 Highcharts 平分的方法是当所有项的数据都为0时,把各项的值改为1这样就能平分,但是选中显示的数据还是0,解决的方法是加一个标志然后配置tooltip 参考Highcharts mak…

让v-charts中的图例显示在图表的下方以及解决title不生效问题

效果图&#xff1a; 1、让v-charts中的图例显示在图表的下方&#xff1a; 在 <ve-line :data"chartData" :legend"legend" ></ve-line>添加legend属性 并在data中加上this.legend { bottom: "0" };这样就完美解决了 2、解决title…

PPT 图表不显示对应类型的数据解决办法

晚上制表发现少了一行&#xff08;“10月”的一行&#xff09;&#xff0c;思来想去是这个原因&#xff1a; 记得在右键 “编辑数据” 时、在弹出的 excel 窗格中&#xff0c;首先拖动鼠标把紫色的框往下移&#xff0c;把 “10月” 的那一行也框进紫色的范围内。然后数据就正常…

moviepy音视频剪辑:视频剪辑基类VideoClip的属性及方法详解

☞ ░ 前往老猿Python博文目录 ░ 一、概述 在《moviepy音视频剪辑&#xff1a;moviepy中的剪辑基类Clip详解》和《moviepy音视频剪辑&#xff1a;moviepy中的剪辑基类Clip的属性和方法详解》介绍了剪辑相关类及类关系。可以看到视频剪辑类VideoClip是其中非常重要的一个剪辑…

一款非常实用的视频剪辑软件,它可以满足您进行视频制作的需要

剪映专业版是一款非常实用的视频剪辑软件&#xff0c;它可以满足您进行视频制作的需要&#xff0c;使用剪映mac版能够轻松对视频进行各种编辑&#xff0c;包括卡点、去水印&#xff0c;特效制作、倒放、变速等&#xff0c;还有专业风格滤镜&#xff0c;精选贴纸给你的视频加点乐…