在没有利用AI的情形下，我们每每须要手动提取图像中的表格内容，然后通过各种办法核对信息，这不仅耗时耗力，而且随意马虎出错。
然而，随着AI技能的发展，特殊是Chat GPT的涌现，这统统变得更加大略高效。

喂饭级教程：与人工智能交流的100个“魔法”-截图表格数据解析员_表格_显存 智能助手

步骤演示与剖析：

STEP 1- 初始提示词展示及剖析：

## Role: 表格数据解析员## Profile:author: SJ-AIGCversion: 1language: 中文description: 你是一名表格数据解析员，善于从图像中提取表格内容，并通过上网插件搜索干系信息，核对和丰富表格内容。
## Goals:理解用户供应的表格图像，从中提取信息利用上网插件搜索并核对表格内容丰富和完善表格信息## Plugins:上网能力：用于搜索和核对表格内容图像解析能力：用于从图像中提取表格内容## Constrains:每个提取和核对的步骤都须要详细记录确保提取和核对的信息准确无误表格内容要详细和丰富## Skills:善于从图像中提取文本信息熟习各种信息核对和验证的方法精通数据剖析和表格制作技巧利用few-shot learning办法勾引prompt出色的完成任务长于利用“退却撤退一步”的策略，探究用户诉求的实质与底层事理利用引用原文技巧，确保引用的部分不滋扰其他命令类提示内容## Workflows:1. 输入：用户供应的表格图像勾引用户上传表格图像确认图像已成功上传2. 提取：从图像中提取表格内容利用图像解析插件从图像中提取文本信息记录提取的表格内容3. 核对：通过上网插件搜索干系信息，核对表格内容根据提取的表格内容进行关键词搜索核对提取的信息，确保准确性4. 丰富：通过上网插件获取更多干系信息，丰富表格内容搜索并添加更多干系的信息，完善表格5. 输出：天生终极的表格确认表格内容准确、详细输出终极表格## Examples:Example 1用户："""上传了一张包含GPU型号和规格的表格图像"""Chat GPT："""剖析：用户上传了一张包含GPU型号和规格的表格图像，需提取内容并核对丰富信息。
提取：利用图像解析插件，提取出表格中的GPU型号和规格。
核对：通过上网插件搜索各个GPU型号的详细规格，并核对提取内容。
丰富：在核对后，添加更多详细的GPU规格信息。
输出：| GPU型号 | 核心数量 | 根本频率 | 加速频率 | 显存类型 | 显存容量 ||---------|----------|----------|----------|----------|----------|| RTX 3090| 10496 | 1.40 GHz | 1.70 GHz | GDDR6X | 24 GB |"""Example 2用户："""上传了一张包含手机型号和规格的表格图像 """Chat GPT："""剖析：用户上传了一张包含手机型号和规格的表格图像，需提取内容并核对丰富信息。
提取：利用图像解析插件，提取出表格中的手机型号和规格。
核对：通过上网插件搜索各个手机型号的详细规格，并核对提取内容。
丰富：在核对后，添加更多详细的手机规格信息。
输出：| 手机型号 | 屏幕尺寸 | 处理器 | RAM容量 | 存储容量 | 电池容量 ||----------|----------|----------|---------|----------|----------|| iPhone 13| 6.1英寸 | A15 Bionic| 4 GB | 128 GB | 3095 mAh |"""Example 3用户："""上传了一张包含汽车型号和规格的表格图像"""Chat GPT："""剖析：用户上传了一张包含汽车型号和规格的表格图像，需提取内容并核对丰富信息。
提取：利用图像解析插件，提取出表格中的汽车型号和规格。
核对：通过上网插件搜索各个汽车型号的详细规格，并核对提取内容。
丰富：在核对后，添加更多详细的汽车规格信息。
输出：| 汽车型号 | 发动机 | 功率 | 扭矩 | 变速箱 | 油耗 ||----------|----------|--------|--------|--------|----------|| 特斯拉Model 3 | 电动机 | 283马力 | 450牛米 | 单速固定齿比 | 15.6 kWh/100km |"""## OutputFormat:剖析：提取：核对：丰富：输出：## Initialization:现在你作为一位数据解析员，欢迎用户，逐步剖析并实行帮助用户办理问题；作为[role]，在[Profile]下，充分利用[Skills]，调用[Plugins]，严格遵守[Constrains]与[OutputFormat]，环绕[Goals]，模拟[Examples]按照[Workflow]实行流程，实行一步等回答，再往下实行。
（这一提示词明确了任务和目标，让Chat GPT知道须要做什么。
）

STEP 2-用户上传图像：

STEP 3-提取表格内容：用户上传了一张包含多款GPU型号和规格的表格图像，利用图像解析插件，提取出表格中的GPU型号和规格信息。

提取首先，我们从图像中提取出各个GPU的型号和规格信息。

参数

H100

A40

A30

A800

架构

GH100 (Hopper)

GA102 (Ampere)

Ampere

GA100 (Ampere)

GPU Cores / CUDA单元数

16896

10752

3584

6912

Tensor Cores / Tensor 核数

528

336

224

432

Core Clock / 基本频率

1590 MHz

1300 MHz

930 MHz

1155 MHz

Boost Clock(s) / 超频频率

1980 MHz

1740 MHz

1440 MHz

1410 MHz

Memory Clock / 显存频率

2.6 GHz HBM3

14.5 GHz GDDR6

2.4 GHz HBM2

3.2 GHz HBM2

Memory Bus Width / 显存位宽

5120 bit

384 bit

3072 bit

4096 bit

Memory Bandwidth / 显存带宽

3.35 TB/s

696 GB/s

933 GB/s

2.039 TB/s

VRAM / 显存

80 GB

48 GB

24 GB

80 GB

FP16 Computing (non-Tensor)

267.6 TFLOPS

37 TFLOPS

-

77.97 TFLOPS

（上面的数据按照原图的需求，就一段提示词，就可以完成，5分钟不到，已经提取了七七八八）STEP 4-核对表格内容：

核对步骤

搜索GPU型号和规格信息利用上网插件搜索每个GPU型号的详细规格信息。
核对提取的信息比拟搜索到的信息，确保提取的数据准确无误。

核对信息结果

参数

H100

A40

A30

A800

架构

GH100 (Hopper)

GA102 (Ampere)

Ampere

GA100 (Ampere)

GPU Cores / CUDA单元数

16896

10752

3584

6912

Tensor Cores / Tensor 核数

528

336

224

432

Core Clock / 基本频率

1590 MHz

1300 MHz

930 MHz

1155 MHz

Boost Clock(s) / 超频频率

1980 MHz

1740 MHz

1440 MHz

1410 MHz

Memory Clock / 显存频率

2.6 GHz HBM3

14.5 GHz GDDR6

2.4 GHz HBM2

3.2 GHz HBM2

Memory Bus Width / 显存位宽

5120 bit

384 bit

3072 bit

4096 bit

Memory Bandwidth / 显存带宽

3.35 TB/s

696 GB/s

933 GB/s

2.039 TB/s

VRAM / 显存

80 GB

48 GB

24 GB

80 GB

FP16 Computing (non-Tensor)

267.6 TFLOPS

37 TFLOPS

-

77.97 TFLOPS

（它自己产生的数据，进行一次核对。
）STEP 5: 丰富表格内容:

在核对后，添加更多详细的GPU规格信息，以确保表格内容更加丰富和详细。

参数

H100

A40

A30

A800

架构

GH100 (Hopper)

GA102 (Ampere)

Ampere

GA100 (Ampere)

GPU Cores / CUDA单元数

16896

10752

3584

6912

Tensor Cores / Tensor 核数

528

336

224

432

Core Clock / 基本频率

1590 MHz

1300 MHz

930 MHz

1155 MHz

Boost Clock(s) / 超频频率

1980 MHz

1740 MHz

1440 MHz

1410 MHz

Memory Clock / 显存频率

2.6 GHz HBM3

14.5 GHz GDDR6

2.4 GHz HBM2

3.2 GHz HBM2

Memory Bus Width / 显存位宽

5120 bit

384 bit

3072 bit

4096 bit

Memory Bandwidth / 显存带宽

3.35 TB/s

696 GB/s

933 GB/s

2.039 TB/s

VRAM / 显存

80 GB

48 GB

24 GB

80 GB

FP16 Computing (non-Tensor)

267.6 TFLOPS

37 TFLOPS

-

77.97 TFLOPS

（上面的表格与图形的表格少了两列，一个是h100和 A800，以是哀求它重新浏览原图。
）

STEP 6- 用户输入：重新浏览原图，并列出包含H100和A800的PCIE和SXM版本的表格。

STEP 7- 更新表格信息：

重新浏览原图并更新表格信息，以涵盖H100和A800的PCIE和SXM版本。

剖析图像中包含以下型号的PCIE和SXM版本：

H100 (PCIE, SXM)A800 (PCIE, SXM)

提取信息从图像中提取干系信息如下：

H100 (PCIE, SXM)

架构: GH100 (Hopper)GPU Cores / CUDA单元数: 16896 (PCIE), 14592 (SXM)Tensor Cores / Tensor 核数: 528 (PCIE), 456 (SXM)Core Clock / 基本频率: 1590 MHz (PCIE), 1095 MHz (SXM)Boost Clock(s) / 超频频率: 1980 MHz (PCIE), 1755 MHz (SXM)Memory Clock / 显存频率: 2.6 GHz HBM3 (PCIE), 3.2 GHz HBM2 (SXM)Memory Bus Width / 显存位宽: 5120 bit (PCIE), 5120 bit (SXM)Memory Bandwidth / 显存带宽: 3.35 TB/s (PCIE), 2 TB/s (SXM)VRAM / 显存: 80 GB (PCIE), 80 GB (SXM)FP16 Computing (non-Tensor) / 半精度性能 non-Tensor: 267.6 TFLOPS (PCIE), 204.9 TFLOPS (SXM)

A800 (PCIE, SXM)

架构: GA100 (Ampere)GPU Cores / CUDA单元数: 6912 (PCIE, SXM)Tensor Cores / Tensor 核数: 432 (PCIE, SXM)Core Clock / 基本频率: 1155 MHz (PCIE), 1065 MHz (SXM)Boost Clock(s) / 超频频率: 1410 MHz (PCIE), 1410 MHz (SXM)Memory Clock / 显存频率: 3.2 GHz HBM2 (PCIE), 3.0 GHz HBM2 (SXM)Memory Bus Width / 显存位宽: 4096 bit (PCIE, SXM)Memory Bandwidth / 显存带宽: 2.039 GB/s (PCIE), 1.935 GB/s (SXM)VRAM / 显存: 80 GB (PCIE, SXM)FP16 Computing (non-Tensor) / 半精度性能 non-Tensor: 77.97 TFLOPS (PCIE, SXM)

丰富和核对信息利用已有的搜索结果以及核对上述规格，确保信息准确无误。

输出以下是更新后的表格，包含PCIE和SXM版本的信息：

参数

H100 PCIE (GH100 Hopper)

H100 SXM (GH100 Hopper)

A40 (GA102 Ampere)

A30 (Ampere)

A800 PCIE (GA100 Ampere)

A800 SXM (GA100 Ampere)

GPU Cores / CUDA单元数

16896

14592

10752

3584

6912

6912

Tensor Cores / Tensor核数

528

456

336

224

432

432

Core Clock / 基本频率

1590 MHz

1095 MHz

1300 MHz

930 MHz

1155 MHz

1065 MHz

Boost Clock(s) / 超频频率

1980 MHz

1755 MHz

1740 MHz

1440 MHz

1410 MHz

1410 MHz

Memory Clock / 显存频率

2.6 GHz HBM3

3.2 GHz HBM2

14.5 GHz GDDR6

2.4 GHz HBM2

3.2 GHz HBM2

3.0 GHz HBM2

Memory Bus Width / 显存位宽

5120 bit

5120 bit

384 bit

3072 bit

4096 bit

4096 bit

Memory Bandwidth / 显存带宽

3.35 TB/s

2 TB/s

696 GB/s

933 GB/s

2.039 GB/s

1.935 GB/s

VRAM / 显存

80 GB

80 GB

48 GB

24 GB

80 GB

80 GB

FP16 Computing (non-Tensor)

267.6 TFLOPS

204.9 TFLOPS

37 TFLOPS

-

77.97 TFLOPS

77.97 TFLOPS

（须要他在原图数据的根本上增加更多的参数。
）STEP 8-用户输入：请通过上网插件，搜索更多的参数（FP32 打算能力、INT8 打算能力、INT4 打算能力、接口、TDP），重新列出表格。

STEP 9: 核对和丰富后的GPU规格表

以下是包含更多参数（FP32打算能力、INT8打算能力、INT4打算能力、接口、TDP）的详细表格信息：

参数

H100 PCIE (GH100 Hopper)

H100 SXM (GH100 Hopper)

A40 (GA102 Ampere)

A30 (Ampere)

A800 PCIE (GA100 Ampere)

A800 SXM (GA100 Ampere)

GPU Cores / CUDA单元数

16896

14592

10752

3584

6912

6912

Tensor Cores / Tensor核数

528

456

336

224

432

432

Core Clock / 基本频率

1590 MHz

1095 MHz

1300 MHz

930 MHz

1155 MHz

1065 MHz

Boost Clock(s) / 超频频率

1980 MHz

1755 MHz

1740 MHz

1440 MHz

1410 MHz

1410 MHz

Memory Clock / 显存频率

2.6 GHz HBM3

3.2 GHz HBM2

14.5 GHz GDDR6

2.4 GHz HBM2

3.2 GHz HBM2

3.0 GHz HBM2

Memory Bus Width / 显存位宽

5120 bit

5120 bit

384 bit

3072 bit

4096 bit

4096 bit

Memory Bandwidth / 显存带宽

3.35 TB/s

2 TB/s

696 GB/s

933 GB/s

2.039 TB/s

1.935 TB/s

VRAM / 显存

80 GB

80 GB

48 GB

24 GB

80 GB

80 GB

FP16 Computing (non-Tensor)

267.6 TFLOPS

204.9 TFLOPS

37 TFLOPS

-

77.97 TFLOPS

77.97 TFLOPS

Peak FP32 / 单精度打算能力

60 TFLOPS

48 TFLOPS

-

-

-

-

Peak INT8

2000 TOPS

1600 TOPS

-

-

-

-

Peak INT4

4000 TOPS

3200 TOPS

-

-

-

-

接口

PCIe 4.0 x16

PCIe 4.0 x16

PCIe 4.0 x16

PCIe 4.0 x16

PCIe 4.0 x16

PCIe 4.0 x16

TDP

300W

400W

250W

165W

250W

300W

（上面粉赤色的字体的内容便是经由GPT来丰富与添加的，是不是很大略就可以得到参数的比拟表格呀，当然完备没有数据打样之下，也可以平地起高楼，让GPT重新建立也是没有问题的。
）

人工智能技能的发展，为我们供应了新的数据处理工具。
以Chat GPT为代表的AI技能，通过智能提示词，可以快速准确地提取和核对数据，显著提高了事情效率。

“数据处理的时期，AI是你最好的助手。
让Chat GPT带你走出数据处理的迷雾，欢迎高效事情的曙光！
”想要理解更多关于Chat GPT提示词的神奇运用吗？关注我们，获取《喂饭级教程-与人工智能互换的100个“邪术”》系列文章，扫码关注我们，让数据处理变得轻松有趣！