面向开发者的 Prompt Engineering（吴恩达）
本教程为吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版，主要是指导开发者如何设计Prompt（提示词）操作AI，教程代码示例基于OpenAI接口，但是Prompt的设计思路适用于所有大模型。
教程内存包括：
· 书写 Prompt 的原则
· 文本总结（如总结用户评论）
· 文本推断（如情感分类、主题提取）
· 文本转换（如翻译、自动纠错）
· 续写（如书写邮件）
-
1. 提示词入门教程简介
本课程由 Isa Fulford 教授和吴恩达老师设计，主要指导开发者如何针对不同的场景设计prompt，去控制AI干活。
-
2. Prompt 设计原则
本章的主要内容为编写 Prompt 的原则，在本章中，将给出两个编写 Prompt 的原则与一些相关的策略，你将学习如何基于这两个原则，编写有效的 Prompt，从而有效的指挥 LLM干活。
-
3. 迭代优化Prompt
prompt的使用是一个迭代的优化过程。需要反复尝试、分析和改进,最终可以找到非常适合应用程序的prompt。这需要耐心和信任大型语言模型的能力。
-
4. 文本概括 Summarizing Prompt设计
当今世界上有太多的文本信息，几乎没有人能够拥有足够的时间去阅读所有我们想了解的东西，借助AI大模型，可以提取文本关键信息，对文本进行总结和归纳。
-
5. 利用AI推理能力的Prompt设计
本章将从产品评论和新闻文章中推断情感和主题信息。
-
6. 文本转换 Transforming（Prompt设计）
LLM非常擅长将输入转换成不同的格式，例如多语种文本翻译、拼写及语法纠正、语气调整、格式转换等。
-
7. AI写作Prompt设计
AI扩展(续写)是将短文本，例如一组说明或主题列表，输入到大型语言模型中，让模型生成更长的文本，例如基于某个主题写文章。
-
8. 聊天机器人Prompt设计
使用一个大型语言模型的一个令人兴奋的事情是，我们可以用它来构建一个定制的聊天机器人。