- 综合排序
- 最热优先
- 最新优先
- 来自专栏喔家ArchiSelf
提示工程的6种实践体会
换句话说，DSPy 是提示工程走向工程化的重要一步——它让我们不再只是“写提示”，而是真正地“构建 AI 流程”。 此外，提示内容以结构化、人类可读的方式独立存在于模板中，与应用程序逻辑分离，使整个提示工程更加清晰易懂，也方便多人协作和版本管理。 6. LangChain 对自定义与动态提示词的支持 LangChain 是一个功能强大且模块化的框架，专为构建基于LLM的应用而设计。 6.2 LangChain 在提示工程中的优势 将 LangChain 应用于提示工程带来了多方面的优势，首先体现在一致性和稳定性上。 选择哪种方法取决于具体的应用场景与工程目标：从快速验证想法到构建企业级应用，这些工具各司其职，也完全可以协同工作，共同助力我们打造高效、稳定、可扩展的提示工程系统。
28600编辑于 2026-06-15 - 来自专栏Michael阿明学习之路
AI大模型全栈工程师课程笔记 - 提示词工程
AI总结的课程摘要： 提示工程是AGI时代的编程方式，提示工程师相当于程序员。掌握提示工程是AGI时代的基础技能。 对话系统的关键模块NLU、DST、NLG都可以通过提示工程实现。加强垂直领域知识可以提升准确度。 思维链、自洽性、思维树等是Prompt工程的几个高级技巧。 ： 基础数学课，4学分，属于理论课； 初级编程课，4学分，属于实验课； 高级编程课，5学分，属于实验课； 文学欣赏课，3学分，属于选修课； 交响乐欣赏课，2学分，属于选修课； 物理实验课，6学分，属于实验课 6学分，属于实验课，仅限大一学生。 这两门课程都是选修课，但是文学欣赏课是3学分，而交响乐欣赏课是2学分。如果你希望获得更多学分，我建议你选择文学欣赏课。这门课程将帮助你提高对文学作品的理解和欣赏能力。你对这门课程感兴趣吗？
88661编辑于 2023-11-18 - 来自专栏Michael阿明学习之路
AI大模型全栈工程师课程笔记 - 提示词工程
AI总结的课程摘要： 提示工程是AGI时代的编程方式，提示工程师相当于程序员。掌握提示工程是AGI时代的基础技能。 对话系统的关键模块NLU、DST、NLG都可以通过提示工程实现。加强垂直领域知识可以提升准确度。 思维链、自洽性、思维树等是Prompt工程的几个高级技巧。 ： 基础数学课，4学分，属于理论课； 初级编程课，4学分，属于实验课； 高级编程课，5学分，属于实验课； 文学欣赏课，3学分，属于选修课； 交响乐欣赏课，2学分，属于选修课； 物理实验课，6学分，属于实验课 6学分，属于实验课，仅限大一学生。 这两门课程都是选修课，但是文学欣赏课是3学分，而交响乐欣赏课是2学分。如果你希望获得更多学分，我建议你选择文学欣赏课。这门课程将帮助你提高对文学作品的理解和欣赏能力。你对这门课程感兴趣吗？
1K20编辑于 2023-11-18 - 来自专栏【元壤教育】AIGC提示词工程师
【元壤教育-AIGC提示词工程师、AI提示词工程师、Prompts工程师、Midjourney培训】电商行业AIGC图像生成与内容创作提升班
课程内容涵盖从基本概念到高级提示工程技巧等各个方面，特别关注训练虚拟模特、换装、场景搭配等电商行业需求。 这就是为什么我们将我们所知道的有关提示工程技能的所有信息放在这堂课里。不再有零散的内容——本课程已为您提供所需的一切内容。 第六部分：高级Prompts工程 ✍️标点符号。 ↔️ 图像大小也是等式的一部分。 使用种子来保持事物的凝聚力。 如何添加提示权重。 ️ 提示 S/R：搜索和替换。 创建自己的提示库。 课程讲师 黎跃春：元壤 & 元壤教育创始人兼CEO，中关村创新创业雏鹰人才，前中国石油北京中油瑞飞研究院架构师，中国管理科学研究院行业发展研究所客座教授，中国通信工业协会CIIT AIGC提示词工程师专家讲师 2021年创办国内首家免费的Web3共治营销数字化元壤品牌，2023年创办国内首家AIGC提示词工程师在线教育培训品牌元壤教育，元壤教育致力于帮助3亿中国人学会AIGC、使用AIGC，助力企业降本增效，
1.6K00编辑于 2023-04-06 - 来自专栏【元壤教育】AIGC提示词工程师
【吴恩达-AIGCChatGPT提示工程课程】第三章 - 迭代式提示开发
我认为在提示方面，第一次成功的几率可能会高一些，但正如上所说，第一个提示是否有效并不重要。最重要的是为您的应用程序找到有效提示的过程。 如果您之前与我一起上过机器学习课程，您可能见过我使用的一张图表，说明了机器学习开发的流程。通常是先有一个想法，然后再实现它：编写代码，获取数据，训练模型，这会给您一个实验结果。 座椅 HD36泡沫 原产国 意大利 """ In [6]: # 提示：基于说明书创建营销描述 prompt = f""" 你的任务是帮助营销团队基于技术说明书创建一个产品的营销描述 我写了一个提示，得到了结果。但是我对它不是很满意，因为它太长了，所以我会澄清我的提示，并说最多使用50个字。 我将向您展示一个更复杂的提示示例，可能会让您对ChatGPT的能力有更深入的了解。
1.3K10编辑于 2023-05-01 - 来自专栏数据派THU
吴恩达新课程：ChatGPT提示工程，ChatGPT Prompt Engineering for Developers
来源：专知本文为课程介绍，建议阅读5分钟您将学习如何使用大型语言模型(LLM)快速构建新的和强大的应用程序。 由Isa Fulford (OpenAI)和Andrew Ng (DeepLearning.AI)教授的这个短期课程将描述LLM如何工作，为prompt engineering提供最佳实践，并展示LLM 如何在各种任务的应用程序中使用，包括: 总结(例如，为了简洁而总结用户评论) 推断(例如，情感分类，主题提取) 转换文本(例如，翻译、拼写和语法纠正) 扩展(例如，自动写电子邮件) 此外，您将学习编写有效提示的两个关键原则 ，如何系统地设计良好的提示，并学习构建自定义聊天机器人。
83130编辑于 2023-05-11 - 来自专栏【元壤教育】AIGC提示词工程师
【吴恩达-AIGCChatGPT提示工程课程】第一章 - 简介
作者 吴恩达教授 欢迎来到本课程，我们将为开发人员介绍 ChatGPT 提示工程。本课程由 Isa Fulford 教授和我一起授课。 互联网上有很多有关提示的材料，例如《30 prompts everyone has to know》之类的文章。 因此，本课程将重点介绍针对指令调整 LLM 的最佳实践，这是我们建议您用于大多数应用程序的。 我非常感激 OpenAI 的 Andrew Main、Joe Palermo、Boris Power、Ted Sanders 和 Lillian Weng，他们参与了我们的头脑风暴材料的制定和审核，为这个短期课程编制了课程大纲 下一章你会看到如何让提示清晰明确，创建提示的一个重要原则，你还会从提示的第二个原则中学到给LLM时间去思考。
67210编辑于 2023-05-01 - 来自专栏【元壤教育】AIGC提示词工程师
【吴恩达-AIGCChatGPT提示工程课程】第五章 - 推断 Inferring
print(response) 调查结果, NASA, 社会保障管理局, 员工满意度, 政府承诺 为特定主题制作新闻提醒 假设我们有一个新闻网站或类似的东西，这是我们感兴趣的主题：NASA、地方政府、工程 主题列表：美国航空航天局、地方政府、工程、员工满意度、联邦政府 给定文本: '''{story_zh}''' """ response = get_completion(prompt) print(response ) 美国航空航天局：1 地方政府：0 工程：0 员工满意度：1 联邦政府：1 所以，这个故事是关于 NASA 的。 它不是关于地方政府的，不是关于工程的。它是关于员工满意度的，它是关于联邦政府的。这在机器学习中有时被称为 Zero-Shot 学习算法，因为我们没有给它任何标记的训练数据。
68510编辑于 2023-05-01 - 来自专栏【元壤教育】AIGC提示词工程师
【吴恩达-AIGCChatGPT提示工程课程】第九章 - 总结
恭喜你完成了这门短期课程。 总的来说，在这门课程中，我们学习了关于prompt的两个关键原则： 编写清晰具体的指令； 如果适当的话，给模型一些思考时间。 在这门短期课程中，你学到了很多，希望你喜欢这些学习材料。 我们希望你能想出一些应用程序的想法，并尝试自己构建它们。请尝试一下并让我们知道你的想法。 现在你已经完成了这门课程，我们认为你现在拥有了丰富的知识，可以帮助你构建其他人今天不知道如何构建的东西。因此，我希望你也能帮助我们传播并鼓励其他人也参加这门课程。 最后，希望你在完成这门课程时感到愉快，感谢你完成了这门课程。我们期待听到你构建的惊人之作。
54730编辑于 2023-05-01 - 来自专栏云微的一点分享
提示词（prompt）工程指南（五）：ChatGPT 提示工程
在本节中，我们介绍ChatGPT的最新提示工程技术，包括提示、应用、限制、论文和其他阅读资料。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com （prompt）工程指南（五）：ChatGPT 提示工程 ChatGPT简介 审查对话任务 ChatGPT的对话 多回合对话 单轮任务 Python笔记本 参考文献 ---- ChatGPT简介 ChatGPT ChatGPT API with LangChain ---- ---- 上一部分（应用） 下一部分（对抗提示） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）： https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN
3.5K31编辑于 2023-03-31 - 来自专栏技术专家成长之路
面向Java开发者的ChatGPT提示词工程（6）
虽然第一次写的提示词可能会有一定的可用性，但最重要的是找到适合你的应用程序的提示词的过程，而不是第一个提示是否有效。因此，我们需要不断地尝试和改进，才能找到最佳的提示词。 这样，我们就可以不断完善想法和提示，多次循环，直到得到适合你的应用程序的提示。 我个人并没有太关注那些声称有30个完美提示词的文章，因为我认为并不存在适用于所有情况的完美提示词。 \n" + "\n" + "芯片\n" + "- A15 仿生芯片\n" + "- 6 核中央处理器，具有 2 个性能核心和 4 个能效核心 手机采用A15仿生芯片，具有6核中央处理器，5核图形处理器和16核神经网络引擎。 手机的摄像头包括1200万像素主摄和1200万像素超广角，支持2倍光学变焦和最高可达5倍数码变焦。 然而，成为一名成功的提示词工程师并不在于知道完美的提示词，而在于拥有一个好的开发过程，以开发出对我们的应用程序有效的提示词。 在本文中，我们仅提供了一个例子来说明如何开发提示词。
65040编辑于 2023-09-01 - 来自专栏最新最全的大数据技术体系
提示工程之基本提示【二】
作为一名提示工程师，您需要更好地提供更好的指示。 ---- ---- 谈话 Conversation 也许通过快速工程可以实现的更有趣的事情之一是指导LLM系统如何表现、它的意图和它的身份。 也就是说，需要注意的是，目前的llm很难执行推理任务，因此这需要更先进的即时工程技术。 在接下来的指南中，我们将介绍更高级的即时工程概念，以提高所有这些和更困难的任务的性能。 笔记本 Python Notebooks | | |笔记本描述 |Description|Notebook| – – 学习如何使用“openai”和“LangChain”库执行许多不同类型的常见任务[提示工程入门
1.3K20编辑于 2023-03-24 - 来自专栏【元壤教育】AIGC提示词工程师
【吴恩达-AIGCChatGPT提示工程课程】第七章 - 文本扩展 Expand
\ 制作冰沙时，特别提示：\ 将水果和蔬菜切碎并冷冻（如果使用菠菜，则轻轻煮软菠菜，然后冷冻直到使用；\ 如果制作果酱，则使用小到中号的食品处理器），这样可以避免在制作冰沙时添加太多冰块。 """ 我们已经使用推断课程中学到的提取了情感，这是一个关于搅拌机的客户评价，现在我们将根据情感定制回复。 Best regards, AI customer agent In [6]: prompt = f""" 你是一位客户服务的AI助手。 你的任务是给一位重要客户发送邮件回复。 在所有课程中，我们一直设置温度为零，如果您正在尝试构建一个可靠和可预测的系统，我认为您应该选择这个温度。 此致 敬礼 AI客户代理 在温度为零时，每次执行相同的提示时，您应该期望获得相同的完成。而使用温度为0.7，则每次都会获得不同的输出。 所以，您可以看到它与我们之前收到的电子邮件不同。
71710编辑于 2023-05-01 - 来自专栏AI应用开发实践
提示词工程
网上铺天盖地的提示词课程，已经说明了这个问题虽然简单，还是有很多人不懂。一个简单的例子，前后端同事接口联调的时候，无论哪方出问题了，另一方能否一次性把问题讲明白？ requirements"], template=template ) result = prompt.format( location="火星殖民地", characters="AI机器人与人类工程师 支持IPv6 2. 60%（根据 Anthropic 2023 年工程实践数据），同时生成质量稳定性提升 2-3 倍。 数据预处理：对示例进行词性标注/分类，辅助评估多样性 计算资源考量：MMR 时间复杂度为 O(kN)，大数据集需配合 ANN 算法加速 八 最大余弦相似度 8.1 背景 在 RAG（检索增强生成）场景中，提示词工程需要根据用户输入动态选择最相关的知识库示例
65310编辑于 2026-03-26 - 来自专栏.Net Core技术分享
提示工程介绍
什么是提示工程？ 提示工程（Prompt Engineering）是“设计、优化输入给大语言模型的提示词，使其生成准确、有用且符合预期的输出”的技术与方法集合。 有效的提示工程会针对不同的任务来优化和选择这些参数。我们介绍几个最常用的选项： 模型（Model），尽可能的选择更先进的模型来完成工作。 Temperature（温度），用来控制输出内容的随机性的。 需要注意，自由度越高（温度、Top-K/Top-P 和Max Length高），LLM 可能生成相关性较低的文 本 提示词的要素 提示词由一些关键要素组成： 指令：想要模型执行的特定任务或指令。 提示词技巧 使用最新最先进的模型，这一点在现阶段非常重要！
45610编辑于 2025-10-15 - 来自专栏最新最全的大数据技术体系
提示工程之提示介绍【一】
Specificity Avoid Impreciseness 提示工程 提示工程是一门相对较新的学科，用于开发和优化提示，以便为各种应用程序和研究主题有效地使用语言模型(lm)。 开发人员使用提示工程设计与llm和其他工具接口的健壮而有效的提示技术。 开发人员使用提示工程设计与llm和其他工具接口的健壮而有效的提示技术。 这种设计最佳提示来指导模型执行任务的方法被称为**提示工程。 ，可以使用提示工程，您将注意到组成提示的某些元素。
1.7K10编辑于 2023-03-23 - 来自专栏【元壤教育】AIGC提示词工程师
【吴恩达-AIGCChatGPT提示工程课程】第四章 - 文本概括 Summarizing
我们可以通过增加Prompt提示，来体现对于某个特定角度的侧重。 侧重于运输 In [6]: prompt = f""" Your task is to generate a short summary of a product \ review from an ecommerce
80830编辑于 2023-05-01 - 来自专栏【元壤教育】AIGC提示词工程师
【吴恩达-AIGCChatGPT提示工程课程】第二章 - 编写 Prompt 的原则
load_dotenv(find_dotenv()) # 读取系统中的环境变量 openai.api_key = os.getenv('OPENAI_API_KEY') # 设置 API_KEY 我们将在后续课程中深入探究 使用分隔符是一种可以避免提示注入的有用技术。提示注入是指如果用户将某些输入添加到提示中，则可能会向模型提供与您想要执行的操作相冲突的指令，从而使其遵循冲突的指令而不是执行您想要的操作。 In [6]: text = f""" 你应该提供尽可能清晰、具体的指示，以表达你希望模型执行的任务。\ 这将引导模型朝向所需的输出，并降低收到无关或不正确响应的可能性。 \ 不要将写清晰的提示与写简短的提示混淆。\ 在许多情况下，更长的提示可以为模型提供更多的清晰度和上下文信息，从而导致更详细和相关的输出。 Step 6 - Add some sugar or milk to taste. Step 7 - Enjoy your delicious cup of tea!
1.2K21编辑于 2023-05-01 - 来自专栏AI SPPECH
91_提示注入：安全提示工程
提示注入攻击通过精心构造的输入，操纵或欺骗AI系统执行非预期行为，可能导致数据泄露、权限绕过、输出不当内容等严重后果3。 在AI应用日益普及的今天，安全提示工程已成为构建可靠AI系统的关键环节。 （在与物理系统交互的场景中） 攻击手法不断演进：随着防御技术的发展，攻击者的手法也在不断更新和复杂化 安全提示工程的目标 安全提示工程的主要目标包括： 识别潜在风险：了解和识别各种提示注入攻击类型和潜在风险 防御策略与机制 提示工程防御 通过优化提示词设计，可以在一定程度上防御提示注入攻击。 可审计性：所有关键操作都应该被记录和可审计 6. 安全更新机制：建立安全更新和补丁管理机制 开发实现阶段 在开发实现阶段，需要具体实现各种安全机制和最佳实践。 本文系统地介绍了提示注入的本质、攻击类型、防御策略和最佳实践，希望能够为构建安全的AI系统提供有益的指导。 安全提示工程是一个持续的过程，需要我们不断学习和适应新的威胁。
1.1K10编辑于 2025-11-16 - 来自专栏yeedomliu
ChatGPT提示工程艺术
特别是对于更复杂或开放式的提示，ChatGPT可能会给出完全出乎意料的响应。 为了处理更大的输出，您需要有策略地制作提示。 提供满意度保证或免费试用以增加购买的可能性】 【感谢收件人考虑产品或服务，并表达对结果的信心】 【鼓励回复并表示赞赏的结束语】 诚挚问候， [您的姓名或公司名称] 串联提示 将问题分解为更小、更容易处理的步骤 编写具有良好SEO性能的博客文章的10步链式提示的示例： ChatGPT，请提供与[主题]相关的常见问题列表。
49230编辑于 2023-09-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号