第一部分 面向开发者的提示工程 第一部分 面向开发者的提示工程 Prompt，提示，最初是 NLP 研究者为下游任务设计出来的一种任务专属的输入形式或模板，在 ChatGPT 引发大语言模型新时代之后，Prompt 即成为与大模型交互输入的代称。即我们一般将给大模型的输入称为 Prompt，将大模型返回的输出称为 Completion 。 随着 C...

Zero-Shot Prompts 介绍 缺点 技巧 7：Zero-Shot Chain of Thought Zero-Shot Prompts 在基础篇里的推理场景，我提到了 Zero-Shot Prompting 的技术，本章会详细介绍它是什么，以及使用它的技巧。 介绍 Zero-Shot Prompting 是一种自然语言处理技术...

场景 4：无中生有——写代码 场景介绍 技巧 3：使用引导词，引导模型输出特定语内容 场景 4：无中生有——写代码 场景介绍 除了回答问题外，另一个重要的场景是让 AI 根据你的要求完成一些内容生成任务，根据输出的结果差异，我将其概括为以下几个主要场景： 无中生有 锦上添花 化繁为简 本章，我们先来聊聊「无中生有」场景。顾名思义，就是...

场景 8：化繁为简——信息提取 场景介绍 技巧 6：通过格式词阐述需要输出的格式 场景 8：化繁为简——信息提取 场景介绍 介绍完信息总结，再聊聊信息提取，我认为这个场景是继场景 3 推理以外，第二个值得深挖的场景。这个场景有非常多的有意思的场景，比如： 将一大段文字，甚至网页里的内容，按要求转为一个表格。按照这个思路你可以尝试做一个更...

技巧 5：使用特殊符号指令和需要处理的文本分开 技巧 5：使用特殊符号指令和需要处理的文本分开 不管是信息总结，还是信息提取，你一定会输入大段文字，甚至多段文字，此时有个小技巧。 可以用“”“将指令和文本分开。根据我的测试，如果你的文本有多段，增加”“”会提升 AI 反馈的准确性（这个技巧来自于 OpenAI 的 API 最佳实践...

技巧 3：使用引导词，引导模型输出特定内容 技巧 3：使用引导词，引导模型输出特定内容 在代码生成场景里，有一个小技巧，上面提到的案例，其 prompt 还可以继续优化，在 prompt 最后，增加一个代码的引导，告知 AI 我已经将条件描述完了，你可以写代码了。 Better： Create a MySQL query ...

场景 7：化繁为简——信息总结 场景介绍 技巧 5：使用特殊符号将指令和需要处理的文本分开 场景 7：化繁为简——信息总结 场景介绍 内容生成大场景下的第二个场景是化繁为简，这个场景其实很好理解，就是将复杂的内容，转为简单的内容，一般常遇到的场景有： 信息总结：顾名思义，就是对一堆信息进行总结。 信息解释：这个跟改写内容有点像，但这个更...

技巧 7：Zero-Shot Chain of Thought 技巧 7：Zero-Shot Chain of Thought 基于上述的第三点缺点，研究人员就找到了一个叫 Chain of Thought 的技巧。 这个技巧使用起来非常简单，只需要在问题的结尾里放一句 Let‘s think step by step （让我们一步步地思考），模...

技巧 6：通过格式词阐述需要输出的格式 技巧 6：通过格式词阐述需要输出的格式 这个技巧是技巧 2 的变种，比较常用于生成文本场景。其实在场景 7 中，你也可以用到这个技巧。 假设你想让 AI 总结一篇非常非常长的文章，并且按照特定格式给你总结，那你可以在文章前面明确输出的格式（为了不占用太多显示空间，我省略了正文内容，你可以在 OpenAI 的 ...