Prompt工程：解锁大语言模型潜能的关键技巧
随着大语言模型（LLM）的兴起，Prompt工程已成为开发者利用LLM构建功能强大应用的关键技能。在这个新时代，Prompt不仅是指导LLM的输入形式，更是塑造其能力上限与下限的重要因素。
Prompt工程入门
针对开发者的提示工程教程，由吴恩达老师与OpenAI合作推出，《ChatGPT Prompt Engineering for Developers》深入浅出地介绍了如何构建Prompt以及利用OpenAI API实现多种功能，如总结、推断、转换等。
主要内容：
- Prompt构建原则与技巧
- 文本总结（如用户评论）
- 文本推断（如情感分类、主题提取）
- 文本转换（如翻译、自动纠错）
- 扩展功能（如邮件书写）
掌握Prompt工程的技巧，将帮助你充分利用LLM，实现个性化定制的功能，开启LLM应用开发的新篇章。
提示工程简介
背景与合作
- 基于《Prompt Engineering for Developer》课程，合作吴恩达老师与 OpenAI 技术团队成员 Isa Fulford 老师。
- Isa Fulford 老师为知名ChatGPT插件开发者，曾在LLM技术应用和Prompt设计方面做出重要贡献。
目标与内容
- 旨在分享使用提示词开发LLM应用的最佳实践和技巧。
- 包括软件开发提示词设计、文本总结、推理、转换、扩展以及构建聊天机器人等方面的知识。
LLM类型介绍
- 基础LLM：
- 通过大量文本数据训练，预测下一个单词能力。
- 例子：以输入提示为"从前，有一只独角兽"，LLM继续预测"她与独角兽朋友共同生活在一片神奇森林中"。
- 指令微调LLM：
- 通过专门训练，更好理解并遵循指令。
- 例子：当询问"法国的首都是什么？"时，模型直接回答"法国的首都是巴黎"。
举例
- 基础LLM :
- 输入提示："从前，有一只独角兽"
- 输出："她与独角兽朋友共同生活在一片神奇森林中"
- 输入提示："法国的首都是什么？"
- 输出："法国最大的城市是什么？法国的人口是多少？"
- 指令微调LLM :
- 输入指令："请为我写一些关于阿兰·图灵( Alan Turing )的东西"
- 输出："阿兰·图灵是20世纪最伟大的数学家之一，他的工作对现代计算机科学产生了深远影响。"
- 输入指令："向朋友写一封关于假期的邮件"
- 输出："嘿！最近过得怎么样？我想分享一下我最近的假期经历。"
课程重点
- 针对指令微调LLM的最佳实践。
- 强调指令明确性的重要性，建议提供充足思考时间。
- 可自定义语调及内容细节，以满足特定需求。