情境:有時告訴AI🤖輸入關鍵字不夠具體或想更精進多些靈感來源，可能會對查詢結果感到不滿意,可藉由AI神器幫忙，將它優化後取得更多靈感後，再以補提追問方式，修正您的詢問關鍵字後再次詢問，以便讓它協助您取得更精準及詳盡資訊😃
💜步驟一: 將下面藍色PROMPT提示詞下方，先將您的 詢問初稿關鍵詞(即 Retrieval of information)，以前例Brainstorming發想為案例
💜步驟二: AI神器可依您提供的提示詞或關鍵詞，給予您更多的靈感來源(如:畫風的提示詞靈感（萌え系、ゆるキャラなど）)。
💜步驟三:將步驟二之查詢到之新增靈感關鍵詞，再修正或追加您的提示詞詢問細項目重新向AI提問，以便獲取到 更貼近您的查詢需求
相關資訊:
情境:因文字面可能生硬，不一定明確清晰具體化?藉由AI🤖擬人化之輔助，將⌈TEXT文字⌋予以IMAGE圖像化呈現😃
💜說明一:使用方式，請將最下方PROMPT提示詞樣版文字，複製並貼到AI神器協助發想。
💜說明二:
將您欲查詢之關鍵字或活動主旨，在"""
"""，(三重引用符號)所標示區內進行替換，即可⌈文字⌋具體圖像化。
💜說明三之一:(查詢方法一) 將查詢的關鍵字，至Google圖片分類去找尋
💜說明三之二:(本例使用)根據上面AI神器協助發想後,生成文字描述(找尋您認為適合記憶情境之圖像文字描述 🚩勢いよく飛び出すイメージ，將平面之單字擬人化活起來)
相關查詢：
🚨注意事項:(AI神器善意提醒)
插畫查詢資訊，供發想參考，如直接將網路查詢插圖做活動文宣用途、商用等，可能涉及著作權、肖像權等法律面等議題，請多加留意。(実際にイラストを作成する際には、著作権や肖像権など、法的にも問題がないように注意が必要です。)
"""
"""
情境:工作上需要可能於網路找尋一些解決問題所需使用的線索(如:部署ISO映像檔相關教學) 或 想再更深入瞭解資訊，有時透過搜尋引擎找到的資訊，或許只取得 廣度維度之資訊，但深度資訊需求廣度資訊逐一耗時篩選，因此可透過AI神器，加速取得更貼近主題之資訊。
💜步驟一:角色扮演(role-playing)，
詳細告訴AI想要請它幫什麼忙?(例如:您想要製做出 微軟程式之部署派送程式，您就需請AI擔任 佈署程式之工程師，以利它Step-By-Step手把手教您 )
💜步驟二:依您所需要的情境之依據，下提示詞
你是微軟資深程式佈署工程師,
因為有部署客製化需求 (繞過硬體驗證與微軟帳號登入，移除內建軟體，客製 Windows ISO映像檔),
參照使用 github專案 cschneegans/unattend-generator,建立autounattend.xml 回應檔案
(包含 Region and language settings、Processor architecture、Computer name、Partitioning and formatting、Windows Product Key、User accounts、Virtual machine support、Remove bloatwareWindows 、Defender Application Control)，做客製化 Windows ISO映像檔，以利部署派送;
過程中可能需透過工具,如:anyburn ，搭配官方ISO檔案，製作客製化ISO映像檔,
Provide clear and concise instructions.
Additionally, please recommend relevant YouTube video tutorials in English, Chinese, or Japanese demonstrating the entire process.
💜步驟三:有時自己的構想，可能較粗糙沒有經過大數據分析處理後來的優質，因此可藉由AI神器進行優化調校處理 (依個案情境，修正優化樣版PROMPT提示詞，如:母語native language:english,因為該領域中微軟公司屬英文語系)，獲取更多之靈感或應注意卻未留意到之觀點。
☺💟domain themes:プロンプトのベストプラクティス
☺💟native language:english
☺💟Points to note:focus on Windows Disc Image (ISO File)の性能を最大限に引き出すためには、調整パラメータを適切に設定する & ベストプラクティス
💜步驟四: (將此步驟，獲取之關鍵資訊，反饋更新至步驟三 做適當PROMPT修正)
將步驟三 完成優化後之PROMPT提示詞，可輔佐您 協尋與主題更貼近之相關資訊😀
後記:
💛步驟三之處理，會隨著您使用不同的演算法Model強度及所下的temperature溫度參數，產出結果也會有所不同，僅供參考。
💛Windows Answer File Generator回應檔案參考資訊
https://www.windowsafg.com/win10x86_x64.html
https://github.com/SvenGroot/GenerateAnswerFile
https://schneegans.de/windows/unattend-generator/
💛建立 autounattend.xml 回應檔案時，需注意各設定的正確性，以免造成部署失敗。
需選擇正確的 ISO 檔案版本和架構；需注意電腦的硬體相容性。
可能會導致一些問題，例如：
無法使用 Windows 更新?
無法使用某些 Windows 功能、
無法獲得微軟官方支援?
因此，在部署客製化 Windows ISO 映像檔之前，建議進行充分的測試與評估。
情境：因為常有不同版次資料(或資料夾)需做備份💾，藉由AI神器協助撰寫一個備份程式,只要按滑鼠右鍵，一鍵完成資料備份至D:\Backup資料夾中。
Prompt提示詞下法如下:常需要保留每次不同版本資料,請寫成Windows Script Files腳本文檔，做備份處理 ,請以argc argv 方式讀取備份來源,備至d:\backup ，依來源檔案名稱做為備份目錄名稱,避免重覆(單一檔名重覆,加入流水號)且分類方便, 另外新增備份來源如為整個目錄,同樣也是備份至d:\backup 但目的資料夾,應同來源資料夾,如遇目的資料夾重覆,同樣加入流水號
說明:
💜將下面紫色腳本程式另存成Fbackup.WSF附加檔案類型，並且放置於 shell:sendto (Win+R | 鍵入 shell:sendto |將Fbackup.wsf貼於此資料夾),不論是資料夾或者是檔案，按下滑鼠右鍵,選擇Fbackup.wsf 即可自動將您的資料備份至 D:\Backup 資料夾，🚨請記備定期將D:\Backup 另外離線備份至USB行動碟,防止勒索病毒加密 本地端電腦。
💜Argc Argv參數是省去輸入檔案最佳作法，直接將您所欲備份之檔名或資料夾名稱 自動讀入
💜系統第1次執行，可能會詢問您要用何程式開啟WSF檔，請用預設Windows VBscript執行即可。
💜參考上面Prompt提示詞，將它貼至AI神器，即可幫您生成備份程式，如您覺得太陽春，可以自行補提其它需求(如:請再預先做壓縮處理後,再將該檔案進行備份)
相關查詢：
バックアップ 世代
Prompt提示詞活用案例:
<?xml version="1.0"?>
<job id="BackupJob">
<script language="VBScript">
<![CDATA[
Option Explicit
Dim objFSO, objArgs, strSource, strBackupRoot, strBackupDir, strDest, intCounter
' 初始化
Set objFSO = CreateObject("Scripting.FileSystemObject")
Set objArgs = WScript.Arguments
strBackupRoot = "d:\backup"
' 檢查備份傳遞參數
If objArgs.Count = 0 Then
WScript.Echo "請提供您要備份的檔案或資料夾之路徑。"
WScript.Quit
End If
' 處理每個參數
For Each strSource In objArgs
strBackupDir = strBackupRoot & "\" & objFSO.GetBaseName(strSource)
' 檢查目的資料夾是否已存在
intCounter = 1
Do While objFSO.FolderExists(strBackupDir & "_" & intCounter)
intCounter = intCounter + 1
Loop
strBackupDir = strBackupDir & "_" & intCounter
' 創建目的資料夾（如果不存在）
If Not objFSO.FolderExists(strBackupDir) Then
objFSO.CreateFolder strBackupDir
End If
' 備份檔案或資料夾
If objFSO.FileExists(strSource) Then
' 修正 strDest 以包含完整路徑
strDest = strBackupDir & "\" & objFSO.GetFileName(strSource)
objFSO.CopyFile strSource, strDest
WScript.Echo "檔案已備份至: " & strDest
ElseIf objFSO.FolderExists(strSource) Then
objFSO.CopyFolder strSource, strBackupDir
WScript.Echo "資料夾已備份至: " & strBackupDir
Else
WScript.Echo "指定的檔案或資料夾不存在: " & strSource
End If
Next
]]>
</script>
</job>
情境:
因為不定時處理常態性之編輯事務時，每次都要鍵入 關鍵字1 的字詞,
處理過程中，常會需要鍵入 關鍵字2 ,
處理完成後，又需另外鍵入 關鍵字3
為了解決此種⌈複製/貼上⌋瑣碎編輯問題 ,可先將下面PYTHON程式，預先編譯成EXE執行檔,並寫成BAT批次檔,每當執行特定工作任務前，就執行BAT檔或執行檔，預先將 關鍵字1 關鍵字2 關鍵字3 全部1次性，分批載入記憶體內，
需要使用時 只需要使用⌈ Win視窗鍵+V⌋ ,即可叫出 選擇性貼上之功能視窗(記憶體內存剪貼簿) ,點選所欲使用的那3個關鍵字詞,可以節省每次都要打字之時間 或複製/貼上處理時間😀。
相關好用快速鍵:
情境:YOUTUBE上有許多優秀的日文老師的提供考題解析或文法解析,不過有時仍想再藉助AI神器分析解題或文法，只是部分YT，並未提供SRT字幕SubRip subtitle file，可以免去打字處理，此時就需透過手動截圖方式(PNG、JPEG)，貼到小畫家後，另存成圖檔，再轉交由OCR辨識軟體將日文辨識出來，進行解題，過程有些繁瑣。
解決辦法:
透過PYTHON程式,將下面程式另存成png2txt.jp，編譯成png2txt.EXE執行檔後，直接於截圖後，使用下面之步驟二方式，一鍵完成日文OCR辨識處理。
由系統快取資訊,取得剛才截圖資訊，直接提供給OCR辨識軟體(Tesseract )轉換成純文字，最後將它交給AI神器進行解題即可 (無需另外開啟小畫家，存檔覆寫等處理)
💜操作步驟一(截圖處理): Shift + Win + S 快速鍵,區塊截取圖片轉換為日文TXT純文字，ScreenShot圖檔即可用PYTHON程式直接取用 CACHE記憶體內之截圖資訊
💜步驟二:點選執行，預先編譯好之png2txt.EXE執行檔,即可一鍵完成日文OCR辦識處理。
💜步驟三:複製剛辨識完成之TXT檔，貼至AI神器💯上去詢問日文考題解析或文法解析。
相關資源:
YOUTUBE字幕下載
OCR辨識軟體🔣(圖檔轉文字jpg2txt)Tesseract
🏯AI神器解析日文考題或句子結構
Mac 上的 Shift + Command + 4 組合鍵，類似 Windows 上的 Win + Shift + S，可方便地選擇性截取螢幕的一部分。
# -*- coding: utf-8 -*-
'''
python取圖檔，辨識日文考題
'''
import os
import subprocess
import sys
from PIL import Image, ImageGrab
import pytesseract
def save_clipboard_image(filename='screenshot.png'):
try:
# 獲取剪貼簿中的圖像
image = ImageGrab.grabclipboard()
if image is None:
print("剪貼簿中沒有圖像資料")
return
# 保存圖像為PNG格式，覆蓋同名文件
image.save(filename, 'PNG')
print(f"圖像已保存為 {filename}")
except Exception as e:
print(f"無法保存圖像: {e}", file=sys.stderr)
def ocr_image_to_text(image_path):
# 檢查檔案是否存在
if not os.path.exists(image_path):
print(f"Error: File not found - {image_path}")
return
# 修改為您的 Tesseract 安裝路徑
pytesseract.pytesseract.tesseract_cmd = 'd:/Program Files/Tesseract-OCR/tesseract.exe'
img = Image.open(image_path)
text = pytesseract.image_to_string(img, lang='jpn') # 辨識日文考題
# 輸出檔案名稱根據輸入檔案修改
output_file = os.path.splitext(image_path)[0] + '.txt'
with open(output_file, mode='w', encoding='UTF-8') as f:
f.write(text)
print(f"OCR結果已保存為 {output_file}")
subprocess.Popen(['explorer', output_file]) # 使用 list 形式傳遞參數
if __name__ == "__main__":
image_filename = 'D:\Program Files\Tesseract-OCR\screenshot.png'
save_clipboard_image(image_filename)
ocr_image_to_text(image_filename)
###################################################
#以下為進階python版本之 一鍵完成圖檔OCR辨識: (直接將prompt日文提示詞，併入掃描ocr辨識結果，結合起來後,直接自動化用檔案總管開啟 d:\testjlpt.txt')
# input_file1內容,如下:
{{問題文}}は1～4の中から最も適切なものを一つ選んでください。
# input_file2內容為 """
#為何要另外加入input_file2.txt ,是為了將 4選1選項問答PROMPT提問文: +OCR辨識之TXT結果後，再補上 """ (三重引用符號)，讓AI能夠將它視為整段完整之PROMPT提問文 (亦即，前段日文詢問之PROMPT + OCR辨識後之TXT +最後再補上 三重引用符號)
# output_file內容為 d:\testjlpt.txt'
import os
import subprocess
from PIL import Image, ImageGrab
import pytesseract
def save_clipboard_image(filename='screenshot.png'):
"""保存剪貼簿中的圖像。"""
image = ImageGrab.grabclipboard()
if image:
image.save(filename, 'PNG')
print(f"圖像已保存為 {filename}")
return filename
else:
print("剪貼簿中沒有圖像資料")
return None
def ocr_image_to_text(image_path, lang='jpn'):
"""使用 Tesseract OCR 對圖像進行文字辨識。"""
if not os.path.exists(image_path):
print(f"Error: File not found - {image_path}")
return None
pytesseract.pytesseract.tesseract_cmd = r'D:/Program Files/Tesseract-OCR/tesseract.exe'
return pytesseract.image_to_string(Image.open(image_path), lang=lang)
def append_file_content_in_order(input_file1, input_file2, content_to_append, output_file):
"""將指定內容和兩個檔案的內容按照指定順序追加到檔案末尾。"""
try:
with open(output_file, 'w', encoding='utf-8') as f_out, \
open(input_file1, 'r', encoding='utf-8') as f_in1, \
open(input_file2, 'r', encoding='utf-8') as f_in2:
f_out.write(f_in1.read()) # 先寫入 input_file1 内容 (00)
f_out.write("\n\n" + content_to_append) # 再寫入 OCR 結果
f_out.write("\n\n" + f_in2.read()) # 最后寫入 input_file2 内容 (01)
print(f"已成功將結果寫入 {output_file}")
except FileNotFoundError as e:
print(f"Error: 檔案不存在 - {e.filename}")
except Exception as e:
print(f"Error: 發生錯誤 - {e}")
if __name__ == "__main__":
image_filename = r'D:\Program Files\Tesseract-OCR\screenshot.png'
input_file1 = r'd:\testjlpt00.txt'
input_file2 = r'd:\testjlpt01.txt'
output_file = r'd:\testjlpt.txt'
saved_image_path = save_clipboard_image(image_filename)
if saved_image_path:
ocr_text = ocr_image_to_text(saved_image_path)
if ocr_text:
append_file_content_in_order(input_file1, input_file2, ocr_text, output_file)
print(f"OCR結果已保存為 {output_file}")
subprocess.Popen(['explorer', output_file])
情境:工作需要為維持靜態網頁程式版面，預先以WORD編輯好版面，但另存成HMTL檔案，再貼到網站原始碼處。
但微軟WORD檔,另存成HTML時,常會殘留非必要之多餘資訊(如:CLASS、Meta)，可經由PYTHON程式,將它部分簡潔化處理。
💙使用步驟一:將WORD文件，預先簡單排版，並另存新檔,下拉存檔類型(T): 已篩選的網頁(*.htm；*.html)
💙步驟二:將下面PYTHON程式,另存成Doc_2_HTML.py (前提:已預先安裝好PYTHON執行環境)
💙步驟三:將步驟一之HTML檔案，Drag-and-drop拖曳至Doc_2_HTML.py ,即可完成轉換產出處理。
PROMPT提示詞，產製PYTHON操作，如下:
你現在是資深網頁排版人員及PYTHON資深工程師，目前有一個微軟DOC檔，另存成HTML格式,
因為網頁程式無需WORD提供多餘內容(如:註解、Class屬性、span標籤等)，請協助予以簡潔化處理後，產製PYTHON程式，
來源讀取以ARGC、ARGV方式進行，輸出檔名以輸入來源加入_OUT，如遇重覆再加入流水號。
💜可將此PYTHON程式，上傳給AI神器，並告訴AI程式您的新需求 (如:可將 font-family:標楷體 透過DIV之標籤,置於上方外框架處,並請重新產製完整PYTHON程式,將版面更精簡,如:wrap_with_div(soup)程式區塊)，請它再重新產製完整PYTHON程式即可
💜PROMPT提示詞追補(請AI神器將本PYTHON程式，以Class類別方式改寫，並提供完整PYTHON程式及類別之方法詳細解說)。
import re
import os
import sys
import time
import chardet
from bs4 import BeautifulSoup, Comment ,Tag
import logging
import argparse
def detect_encoding(file_path):
"""
使用 chardet 庫檢測文件編碼
"""
with open(file_path, 'rb') as f:
raw_data = f.read()
result = chardet.detect(raw_data)
return result['encoding']
def remove_comments(soup):
"""
移除所有註解
"""
for comment in soup.find_all(string=lambda text: isinstance(text, Comment)):
comment.extract()
def remove_classes(soup):
"""
移除所有 class 屬性
"""
for tag in soup.find_all(class_=True):
del tag['class']
def remove_word_meta_tags(soup):
"""
移除 meta 標籤中生成器訊息
"""
for meta_tag in soup.find_all('meta', {'name': 'Generator', 'content': re.compile(r'Microsoft Word')}):
meta_tag.extract()
def remove_spans(soup):
"""
移除所有 span 標籤
"""
for span_tag in soup.find_all('span'):
span_tag.unwrap()
def unwrap_anchor_tags(soup):
"""
移除所有非 href 錨點標籤，但保留其中的内容
"""
for a_tag in soup.find_all('a', href=False):
a_tag.unwrap()
def remove_styles(soup):
"""
移除所有 style 屬性
"""
for tag in soup.find_all(style=True):
del tag['style']
def clean_style_tags(soup):
"""
移除所有含有 @font-face 和 @page 的註解，以及 Word 残留样式定义
"""
for style_tag in soup.find_all('style'):
if style_tag.string:
style_content = style_tag.string
style_content = re.sub(r'@font-face\s*\{[^}]*\}', '', style_content, flags=re.DOTALL)
style_content = re.sub(r'@page\s*[^}]*\}', '', style_content, flags=re.DOTALL)
style_content = re.sub(r'\/\*[^*]*\*+([^/*][^*]*\*+)*\/', '', style_content, flags=re.DOTALL)
style_content = re.sub(r'<!--[^>]*-->', '', style_content, flags=re.DOTALL)
style_content = re.sub(r'\s*\{[^}]*\}', '', style_content, flags=re.DOTALL) # Remove all remaining style definitions
if not style_content.strip():
style_tag.extract()
else:
style_tag.string.replace_with(style_content)
def remove_empty_paragraphs(soup):
"""
移除所有空的 p 標籤，只有內容为空或只包含空格的情况才移除
"""
for p_tag in soup.find_all('p'):
if not p_tag.text.strip():
p_tag.extract()
def process_tables(soup):
"""
處理表格，生成 summary 屬性並設置 scope 屬性
"""
for table in soup.find_all('table'):
# 檢查表格是否有標題列 (<th>)
has_header_row = any(tr.find('th') for tr in table.find_all('tr'))
if has_header_row:
# 如果有標題列，則使用標題列內容作為列名
headers = table.find_all('th')
column_names = [header.get_text(strip=True) for header in headers]
else:
# 如果沒有標題列，則使用第一列數據作為列名
first_row = table.find('tr')
if first_row:
column_names = [cell.get_text(strip=True) for cell in first_row.find_all(['th', 'td'])]
else:
# 如果表格為空，則設置列名為空列表
column_names = []
# 嘗試從前面的段落中獲取表格用途，並檢查其中是否包含 <b> 標籤
previous_element = table.find_previous('p')
if previous_element and previous_element.find('b'):
table_purpose = previous_element.b.get_text(strip=True) # 直接從 <b> 中提取文字
else:
# 如果沒有找到前面的段落或標題，使用表格的所有列名作為 table_purpose
table_purpose = "、".join(column_names) if column_names else "未知表格用途"
# 確保 column_names 包含有效的名稱，否則設置為 "未知"
column_names = [name if name else "未知" for name in column_names]
# 生成 summary 屬性文字，確保列數訊息正確
num_columns = len(column_names)
column_info = "、".join([f"第{i+1}直欄為{column_names[i]}" for i in range(num_columns)]) if num_columns > 0 else "無直欄位"
summary_text = f"{table_purpose}，{column_info}。"
# 更新表格的 summary 屬性
table['summary'] = summary_text
# 設置 th 和 td 的 scope 屬性 (僅在有標題列時)
if has_header_row:
for th in headers:
th['scope'] = 'col'
for tr in table.find_all('tr'):
if tr.find('th'):
continue # 跳過表格標題行
for td in tr.find_all('td'):
td['scope'] = 'row'
# Debugging output to check the generated summary text
print("Generated summary text:", summary_text)
def wrap_with_div(soup):
"""用 <div> 標籤包裹整個文檔内容，並設置標楷體字體樣式"""
# 如果没有 html 標籤，則創建
if not soup.html:
new_html = soup.new_tag('html')
soup.append(new_html)
# 如果没有 body 標籤，則創建
if not soup.body:
soup.html.append(soup.new_tag('body'))
# 創建外部 div
outer_div = soup.new_tag("div", style="font-size:100%;font-family:'標楷體';")
# 將body 中的所有内容移動到外部 div
for child in soup.body.contents:
if isinstance(child, Tag):
outer_div.append(child.extract())
# 創建内部 div
inner_div = soup.new_tag("div")
inner_div.append(outer_div)
# 將内部 div 添加到 body
soup.body.append(inner_div)
def optimize_html_content(html_content, input_file):
"""
最佳化 HTML 內容，移除多餘資訊，並以輸入檔名加上 "_out" 命名輸出。
"""
try:
soup = BeautifulSoup(html_content, 'html.parser')
remove_comments(soup)
remove_classes(soup)
remove_word_meta_tags(soup)
remove_spans(soup)
unwrap_anchor_tags(soup)
remove_styles(soup)
clean_style_tags(soup)
remove_empty_paragraphs(soup)
process_tables(soup)
wrap_with_div(soup)
# 以輸入檔名加上 "_out" 命名輸出檔案，處理重複情況(加入流水號)
base_filename, ext = os.path.splitext(input_file)
filename = f"{base_filename}_out{ext}"
counter = 1
while os.path.exists(filename):
filename = f"{base_filename}_out_{counter}{ext}"
counter += 1
# 寫入修改後的 HTML 內容，使用 'utf-8' 編碼
with open(filename, 'w', encoding='utf-8') as file:
file.write(str(soup))
# 列印儲存的檔案名稱
print(f"已儲存最佳化後的 HTML 檔案：{filename}")
except Exception as e:
# 列印錯誤訊息
logging.error(f"發生錯誤：{e}", exc_info=True)
# 等待5秒鐘以便使用者查看錯誤訊息
time.sleep(5)
def main():
parser = argparse.ArgumentParser(description='優化HTML文件内容')
parser.add_argument('filename', help='輸入的HTML文件名')
args = parser.parse_args()
input_file = args.filename
try:
# 使用 chardet 庫檢測文件編碼
detected_encoding = detect_encoding(input_file)
# 使用正確的編碼讀取文件
with open(input_file, 'r', encoding=detected_encoding) as file:
html_content = file.read()
optimize_html_content(html_content, input_file)
except FileNotFoundError:
logging.error(f"找不到檔案: {input_file}")
time.sleep(5)
except Exception as e:
logging.error(f"發生錯誤：{e}", exc_info=True)
time.sleep(5)
if __name__ == '__main__':
logging.basicConfig(level=logging.INFO)
main()
相關查詢:
Removes unnecessary HTML tags from Word documents and outputs clean HTML.
Word文書から生成されるHTMLの不要な情報を取り除いて、きれいなHTMLを出力します。