LLM 提高开发人员的学术能力——释放 LLM 真正潜能的艺术和科学

潜入Prompt Engineering敏捷的世界，优化您的提示以实现动态LLM互动。通过来自实际世界的实例学习，并通过LLMs提升您的开发者体验。发现正确的提示如何革新您与LLMs的互动。

你们中的许多人可能已经尝试过ChatGPT或其他大型语言模型（LLM），并最初被其激动人心的效果所吸引。最初的"哇"效果是不可否认的。然而，在几次互动之后，新鲜感开始褪去。你可能会注意到它的怪异之处和不一致性，意识到它原始的形式并不能无缝地融入我们的日常任务中。

实际上，如果你有时感到失望，这并不完全是LLM的错。关键在于我们与它的沟通方式。就像我们在向搜索引擎寻求答案时需要正确地构建问题一样，我们需要有效地为ChatGPT或其他任何LLM制定提示。只是搜索引擎不需要像LLM一样得到那么多的指导。引导LLM和优化与它们的互动是一种超过技术的技巧；它是一种新的实验科学范式转变，我们称之为“提示工程”。

我每天都在与LLM（Language Model）一起工作，就像你们中的许多人一样，并且已经基于LLM构建了几个应用程序。我所学到的是，有效地设计提示比我最初想象的更为重要。事实上，这可能是利用GPT-4、GPT-3.5和Llama等LLM真正潜力的最重要方面。

通过我的旅程，我意识到虽然LLMs非常强大，但它们的能力与我们提供的提示质量成正比。这就像与某个专业领域的专家交谈一样，你提出的问题越精确清晰，你就能得到更好的见解。

为了弥补这一知识差距并帮助开发者和爱好者们，我编写了一本名为“面向开发者的LLM提示工程”的全面指南。这本指南深入探讨了有效提示的制定技巧，理解LLM的基本逻辑以及优化交互以实现预期结果的方法。

这个指南充满了我在丰富经验中积累的真实世界例子、实践练习和最佳实践。它旨在为初学者和中级水平提供信息和深刻见解。如果你没有数据科学和人工智能/机器学习方面的经验，这个指南将逐步介绍基础知识，并引导你逐渐了解更高级的概念。

实际上，LLM Prompt Engineering For Developers是开发人员进行提示工程的实践方法。通过专门讲解Azure Prompt Flow、LangChain和其他工具的章节，您将获得在制作、测试、评分和优化提示方面的实践经验。我们还将探索少样本学习、思维链、困惑度等高级概念，以及ReAct和常规知识提示等技术，为您提供全面了解该领域的能力。

这个指南旨在实践操作，提供实用的见解和练习。事实上，随着您的进步，您将熟悉几种工具：

- OpenAI Python库：您将深入研究OpenAI的LLMs核心，并学习如何与模型进行交互和微调，以实现特定需求的精确输出。

promptfoo: 您将掌握制作有效提示的艺术。在本指南中，我们将使用promptfoo来测试和评分提示，以确保其对期望结果进行了优化。

- LangChain（语言链）：您将探索LangChain框架，该框架提升了LLM驱动应用程序的功能。您将深入了解如何利用此工具来测试和构建有效的提示，而这可以让提示工程师充分发挥其潜能。

- betterprompt: 部署之前，测试是必不可少的。有了betterprompt，您可以确保LLM提示已经准备好应对真实世界的情况，并根据需要进行改进。

Azure提示流程：您将体验到Azure工具的可视化界面，简化了基于LLM的AI开发。您将设计可执行流程，集成LLM、提示和Python工具，确保对提示艺术的整体理解。

以及更多！

使用这些工具，您将能够准备充分地制作强大而有效的提示。实践练习将有助于巩固您的理解。在整个过程中，您将积极参与，并最终不仅会欣赏提示工程的力量，还会具备有效实施的技能。

通过本指南的学习，您不仅能掌握规范的工程原则，还将具备在项目中有效实施这些原则的能力。

开始你的即时工程职业！

👉 解锁超过300页的实用和可操作的见解！深入探索，让你的Prompt Engineer之旅开始！《LLM开发者Prompt工程》可在亚马逊（Kindle/平装）和Leanpub（PDF/EPUB/Web）上获得。