关注我的微信公众号获取最新推送
随着 AI 语言模型的日益发展和广泛应用，高效与 AI 交互已成为一项重要技能。提示工程（Prompt Engineering）是解锁这些模型全部潜力的关键，它可以引导 AI 输出、提升响应质量，并解决复杂任务。本教程的目标是为学习者提供必要的知识和技能，开启提示工程的学习之旅。
本教程全面介绍了 AI 和 LLM（大语言模型）背景下的提示工程基础概念。旨在帮助学习者建立坚实的基础，掌握如何通过精心设计的提示与 LLM 高效交互，并充分利用其能力。
本教程涵盖以下提示工程的核心内容：
- 基础概念：介绍什么是提示工程及其重要性。
- 提示结构：探索不同提示结构如何影响 AI 输出。
- 提示工程的重要性：探讨提示工程对 AI 模型性能的影响。
- 在 AI 及语言模型中的作用：分析提示工程在 AI 应用中的整体定位。
- 实践示例：通过动手演示提示工程技巧。
本教程结合理论讲解和实践演示，帮助学习者掌握提示工程的核心概念：
- 环境搭建：首先配置必要的工具，为实验提示创建实践环境。
- 基础概念探索：通过简单示例，展示不同提示如何影响 AI 的响应，以此说明提示工程的基本原理。
- 结构化提示：介绍如何使用 LangChain 的 PromptTemplate 创建复杂且可复用的提示结构。
- 对比分析：通过相同主题的不同提示，展示微小结构和措辞变化对 AI 输出的影响。
- 问题求解应用：演示如何运用提示工程分解复杂问题，引导 AI 进行逐步推理。
- 限制规避：展示如何通过精心设计的提示改善 AI 模型的某些局限性，例如提升事实准确性。
在整个学习过程中，本教程强调提示设计的清晰性、针对性和逻辑性，以帮助学习者构建更有效的提示。
本教程为学习者打下提示工程的基础，使其能够更有效地与 AI 交互。完成课程后，学习者将：
- 清晰理解提示工程的概念及其重要性。
- 了解不同提示结构如何影响 AI 输出。
- 具备针对不同需求编写提示的实践经验。
- 认识提示工程在 AI 模型优化中的作用。
- 为进一步探索高级提示工程技术奠定基础。
通过本教程获得的技能和知识，将帮助学习者更高效地利用 AI 语言模型，为未来更深入的人工智能应用和研究做好准备。
本教程中的代码全部在 VS Code 编辑器中使用 jupyter notebook 编写。
首先需要安装 VS Code，点击下载。
-
安装 miniconda
-
创建虚拟环境
$ conda create -n prompt python=3.12 -
激活虚拟环境
$ conda activate prompt -
配置 jupyter kernel
$ conda install -c anaconda ipykernel $ python -m ipykernel install --user --name prompt -
将项目根目录下的环境变量配置文件重命名，并根据实际情况，填入你的配置信息
$ mv .example.env .env -
安装依赖包
pip install -r requirements.txt
本教程灵感来自 Prompt_Engineering