工程提示： 你需要知道的内容
你有没有过用ChatGPT寻找答案的经历，却苦苦寻找不到与你想要的完全相同的答案？但当你稍微调整措辞时，一个准确的答案就出现了！
这就是被称为提示工程的策略。
ChatGPT是您想要的现代版本，只需输入一些内容即可轻松获取。逻辑部分是输入内容；通过输入正确的内容获取正确信息是节省额外时间的最关键和有益的事情。让我们一起了解提示工程的基本关键概念。
什么是提示？
基本上，提示是人类希望从大型语言模型得到响应的沟通渠道。人类提供一组清晰的指令，并获得具体的结果。
那么，什么是大型语言模型（LLM）？
大型语言模型是一种人工智能，它复制了类似人类的智能。它的工作方式类似于镜子，反映出人类的智能和反应。
LLM能够接受大量数据作为输入，并利用其独特的深度学习技术生成摘要。
Prompt Engineering的目的
任何人都可以提示并键入获取信息，但是精心起草的提示可以帮助获得准确的信息。如果您提供清晰和具体的背景信息，人工智能模型将更好地理解。
以下是你应该编写清晰指示的原因：
- 更少的含糊：减少收到无关或离题输出的机会。
- 更多控制：从人工智能获得可预测的回应。
- 节省时间：实现期望结果只需较少的来回沟通。让我们通过例子来理解。
一个人力资源部门想要使用人工智能模型为新软件开发人员角色起草一个工作描述。简洁而精心起草的示例提示：
粗糙的例子
提示工程的元素
- 指导：它可用于获取句子或需要完成的任务的信息。
- 当我们有一个大请求或额外信息，并且需要了解其中的摘要时，它会提供给我们。
- 输入驱动：它可以用来获取输出。这通常用作一个问题。
- 输出驱动：当我们知道相同风格答案的类似问题时，可以使用它作为示例，然后输入相关问题以获得回答。
工程技巧和技术示例
零射点提示
零射击提示是一种人工智能模型技术，可在没有示例或输入模型的情况下创建解决方案。例如，如果我们询问，从数组中找到第3个索引元素。即
让a = [0, 1, 2, 3, 4, 5]。
输出 = 2
少量提示
零射击提示是一种AI模型技术，即使我们没有关于它的确切信息，也可以创建解决方案并为其提供一些示例。这样，AI模型试图捕捉陈述并根据给定的示例产生结果。即。
将15673的值翻倍。 例如：2*2 = 4
输出= 31346
思维的链条触发
链式思维提示是一种AI模型技术，通过明确提示模型在得出最终答案之前生成逐步解释或推理过程，从而提高语言模型的性能。这种方法有助于模型分解问题，避免跳过任何中间任务以避免推理失败。即
信息检索
当我们想要获取某物的定义和用例时，可以使用信息检索技术。这取决于AI模型使用的数据来源；每个模型使用不同的策略和来源。例如。
迭代检索
迭代方法是大多数人用来得到前面问题的后续答案的最常见方法。
結論
提示工程在计算机科学中无处不在，它是人与技术之间的新兴学科。学习和掌握这种技能以从资源中产生所需的结果是必不可少的。
我们正在学习人工智能模型，但在此之前，我们需要掌握良好的提示工程来让模型知道确切要求和实现方式。
有效的提示可以产生影响，基本和少数基本关键可以帮助发展它们。
