人人都是提示工程师 | 精品课程翻译
输入“/”快速插入内容
人人都是提示工程师 | 精品课程翻译
人人都是提示工程师 | 精品课程翻译
本文讨论了Codesignal发布的一套专注于提示工程领域的免费教程，涵盖从基础到高级的提示工程知识与技巧，旨在帮助学习者掌握编写高效提示词以引导大型语言模型输出符合预期的结果。关键要点包括：
1.
基础课程：介绍大型语言模型（LLMs）本质是预测下一个词的机器，讲解格式化与结构化提示、编写示例、上下文限制、风格设定等基础技巧。
2.
输出量控制：教授如何精确控制LLMs输出长度，包括生成单词、句子、段落和文章等，以及获取特定格式回答的方法。
3.
格式控制：学习自定义和控制LLMs输出格式，如编写精准提示的格式基础知识、结构化列表响应、使用Markdown标题、输出JSON和YAML格式数据等。
4.
文本处理：掌握在总结文本时保留关键要素、剔除特定信息、在保持原有框架下拓展文本、精确调整细节扩展文本以及无缝融合文本等技巧。
5.
高级技巧：深入探讨系统提示、迭代式提示构建、创意头脑风暴和思维链技巧等高级技术，提升与LLMs的互动效果。
📌
翻译/校对：创意猎人-Kevin
Codesignal最近发布了一套易于理解且充满实用技巧的免费教程，专注于提示工程领域。如果你曾尝试学习提示工程但被复杂的教程所困扰，那么这个教程绝对值得一看。这个教程很好，特做了详细的翻译，它将有效地指导你掌握编写高效提示词的技巧。
深入Prompt Engineering的尖端领域，本综合学习路径既适合初学者，也适合有经验的专业人士。它旨在介绍如何有效地设计提示，以便与大型语言模型 (LLMs) 有效互动。通过这一系列课程，你将学会如何精确地影响LLM的输出，控制生成文本的格式和大小，并能够根据复杂的指令进行操作。做好准备，提升你在创建精确、能够感知上下文的提示方面的技能，这些提示将帮助你引导AI模型实现预期的效果。
第一阶段：理解大型语言模型 (LLMs) 和基本的提示技巧
本基础课程带领学习者深入大型语言模型 (LLMs) 世界及提示构建的基本原理。课程目标是让学习者明白如GPT-3.5、GPT-4、LLaMA、Claude 2等LLMs是如何进行文本生成和用户互动的，为想要掌握利用先进人工智能技术创建能够精确输出的提示的人提供了一个坚实的学习基础。
课程01：LLMs本质上是用于预测下一个词的机器
简介：
欢迎进入大型语言模型 (LLMs) 及提示方法基本原理的迷人世界！在这开篇课程中，我们即将深入探索LLMs的真正内涵。先给个小提示：它们其实就是专门用来预测下一个词的高级机器。听上去简单？实际上它们的魅力远不止这些。不管你是编程新手，还是对这些技术奇观充满好奇，这里都是你的理想起点。让我们共同启程，一步步揭开LLMs核心功能背后的秘密。
理解LLMs是用于预测下一个词的机器
想象当你正在发送短信或邮件时，手机能预测出你接下来可能打算输入的词。这正是大型语言模型（LLMs）的一个简单应用示例。然而，GPT-3.5、GPT-4（也就是大名鼎鼎的chatGPT）、Claude 2和LLaMA等LLMs则可以被视为单词预测领域的超级英雄。它们的能力远不止于预测下一个词——它们能够基于给定的输入生成一整段连贯有逻辑的文本。这种能力源于它们逐个预测下一个单词，以此方式连续扩展已有文本。
LLMs的核心能力在于分析海量文本数据。通过深度分析，它们掌握了语言的模式、微妙差异和结构，进而能够预测在一串词汇中最自然出现的下一个词。可以说，它们就像在进行一场规模庞大、速度惊人的“填空游戏”。
LLMS是如何做预测的？
你可能好奇LLMs如何能够做出如此精准的预测。答案在于它们的训练过程。LLMs被训练于包含大量教科书、文章、网站等内容的庞大数据集中。通过这一训练阶段，它们学习到了如何理解语言的上下文和流畅度，习得了语法、风格，乃至文本情感调性等方面的知识。
当你向LLM提出一个句子或问题时，它依据所学到的内容预测接下来最可能出现的一个或几个词。这不是随机猜测，而是基于在训练过程中学到的模式和规则作出的精确预测。
尝试下提示工程-Prompt Engineering
考虑到LLMs本质上的概率特性，提示工程师面临的挑战是如何尽量使LLMs生成可预测且准确的结果。
在这门课程中，你将学习到众多技巧，帮助你精通如何得到高度可预测的LLM输出——这既是一门艺术，也是一门科学。但在我们深入探讨之前，让我们先来做几个简单的实践练习，激活我们的思维。
课程02：精通格式化与结构化：打造高效提示技巧的关键
简介：
在本课中，我们即将深入探讨设计给大型语言模型 (LLMs) 的提示时，格式化与结构化的一致性为何如此重要。可能令人惊讶的是，简单的提示格式调整竟然能显著改变AI的反馈效果。正如在人际交流中，清晰和有序对于确保你的要求被准确理解和执行至关重要。接下来，让我们一起探索如何运用这些基本原则，让你与LLMs的交互变得更高效、结果更可预期。
格式一致性的重要性