1.BaseLLM 和Tuned LLM之间的区别
基本模型
指令微调模型
人类反强化学习
2.指南
下载包 +导入包+设置key
2个基本原则
写明确特定的指令
给模型时间思考
2.1.使用分割符清楚地指示输入的不同部分
示例：对这个段落进行总结，将用3个单引号分割的文本总结为一句话
我们用getCompletion帮助函数来获取响应
我们会获得下面的话
分割符：可以是任何的，只要让模型知道即可。
2.要求结构化输出
以下为输出的内容
3.要求模型检查是否满足条件
你将有三个引号界定的文本，如果它包含一系列的指示，
重写那些指示并按照以下格式写出步骤
如果没有，则写入"未提供步骤"
结果：
以一致的风格回答问题
2.2 指定完成任务所需的步骤
结果
在让模型说出答案是否正确之前，为模型提供足够时间去实际思考问题。
3.迭代
1.有想法，获取数据，训练模型，得到结果。
2.查看输出，进行误差分析，找出它工作或不工作的地方。
甚至改变你解决问题的思路或方法。
然后运行另一个实验，如此循环迭代，直到有效的机器学习模型。
当你在编写提示以使用LLM开发应用程序时，
过程如下4步：
1.清晰的表达
2.分析为什么说明不够清晰，或者没有给算法足够的时间思考迭代的过程
3.重新定义想法和表达
4.重复。
需要有一个开发适合你的应用程序的好提示的过程。
3.1迭代结构图
3.2代码
1.导入包，
调用函数，
2.输入 一个说明书
3.提出要求：
4.1给出结果
介绍了一把令人惊叹的中世纪灵感的办公椅，完美的版本。
4.2 最多使用50个单词
结果
4.3 用3句话描述
问题：如果有100份技术文档，怎么处理？
4.摘要
总结文本
1.导入包
2.任务：
总结一个：
总结多个：
5.推理
任务
提取标签，提取名称，理解文本情感等方面的任务。
1.导入包
2.输入
3.提问得到回答
擅长于在文字中提取信息。
使用监督学习，分类器很难做到
格式化输出
json key value;
format the anger value as a boolean.
变量按指定类型输出。
给出文章关键词
6转换
一段文本从一种语言转换成另一种语言
1.翻译成西班牙语
2.告诉我这是什么语言
多句翻译
2.格式转换json ->xml等
3.拼写检查和语法检查
7.扩展
8.聊天机器人
1.定义辅助函数
收集用户信息并追加到一个名为上下文的列表中，这个推理的上下文会越来越长。
模型就有了它的信息，以确定下一步要做什么。
how much?
