ChatGPT提示工程5篇合集 - 吴恩达和OpenAI出品

吴恩达和OpenAI合作开发了一套针对ChatGPT提示工程的最佳实践课程,课程名为《ChatGPT Prompt Engineering for Developers》。

这门课程时长为1个小时,内容简单易懂,还提供了实践的环境。关键是,课程免费,而且讲师是吴恩达(Andrew Ng,DeepLearning.AI创始人)和伊莎·富尔福德(Isa Fulford,OpenAI的技术人员),含金量非常高。

本文是该课程的5篇文章合集。

1.编写Prompt的两个关键原则

  • 原则一:编写清晰、具体的说明
  • 原则二:给予模型思考的时间

ChatGPT提示工程的两个关键原则

2.文本总结

这篇主要简单的介绍了如何对内容进行总结。

ChatGPT提示工程 - 总结

3.文本推理

可以让模型来识别一段内容的情绪,或者抽取指定的内容。

也可以一次性执行多个任务,从而节省多次请求的整体耗时和成本。

ChatGPT提示工程 - 推理

4.文本转换

在这篇文章中,介绍了如何使用大型语言模型来进行文本转换工作,如语言翻译、语调调整和格式转换。

ChatGPT提示工程 - 转换

5.邮件回复与营销文案

在这篇文章中,主要介绍如何使用大型语言模型来进行邮件自动回复、生成营销文案。

ChatGPT提示工程 - 邮件回复、营销文案

相关推荐
十有久诚1 小时前
SVL-Adapter: Self-Supervised Adapter for Vision-Language Pretrained Models
人工智能·深度学习·计算机视觉·视觉语言模型·适配器微调
学习前端的小z1 小时前
【AI绘画】Midjourney进阶:色调详解(上)
人工智能·ai作画·aigc·midjourney
cv2016_DL1 小时前
BERT相关知识
人工智能·算法·transformer
搏博1 小时前
神经网络中的损失函数(Loss Function)
人工智能·深度学习·神经网络
分才2 小时前
用天翼云搭建一个HivisionIDPhoto证件照处理网站
人工智能·学习·html5
米奇妙妙wuu2 小时前
react实现模拟chatGPT问答页
前端·react.js·chatgpt·前端框架
数据猎手小k2 小时前
FineTuneBench:由斯坦福大学创建,包含625个训练问题和1075个测试问题,覆盖4个领域。目的评估商业微调API在不同泛化任务中的知识注入能力。
人工智能·深度学习·机器学习·数据集·机器学习数据集·ai大模型应用
傻瓜学习2 小时前
机器学习知识点
人工智能·机器学习
Seeklike2 小时前
11.26 深度学习-初始化
人工智能·深度学习
池央2 小时前
深度学习模型:循环神经网络(RNN)
人工智能·rnn·深度学习