使用建议：如果需要快速定位到精确内容，可以使用快捷键 Crtrl +F/Command +F 的形式，搜索关键字/词，查找你想要的内容。
拿到手册后，先总的浏览左侧的课程大纲，做到每个板块都心中有数
手册使用说明：此手册仅服务于正版学员，盗版渠道无法获得相关配套服务
本篇分享我将从提示词工程、提示词运行原理和结构化提示词实践三大部分展开，适合已经入门 AI 提示词的同学阅读。
准备一杯咖啡，并且坚持读完，你一定可以在提示词技术的广度、深度和实践方面有所收获和提升。
在本篇内容开始之前，我们先来做个小互动，你对提示词的定义是什么？可以把他先写下来，本文的末尾，我将与你分享我对提示词的定义，咱们对比看看是否一致。
-
提示词工程
提示词（Prompt）在生成式人工智能系统中是一个关键概念，它是一种输入，用来引导或激发 AI 模型产生特定的输出，相当于引导 AI 的“指挥棒”。
提示词可以是问题、指令、陈述或任何形式的文本，能够帮助 AI 模型理解用户的意图，并生成相关的响应或内容。
-
大语言模型性能优化的基石
提示词扮演着十分重要的角色，我们先来看一张 OpenAI 官方文档中大语言模型性能优化的图，有些概念不理解不要紧，暂时跳过即可。
如上图矩阵所示：
-
Context optimization 上下文优化：该轴代表响应准确性；当模型缺乏上下文知识（因为其训练集中没有）、知识已过时或者需要专有信息时，需要优化上下文。
-
LLM optimization LLM 优化：该轴代表行为的一致性；当模型产生不一致的结果、格式不正确、语调或风格不正确，或者推理不一致时，需要优化大语言模型。
我们先来解释下上下文优化，从下图中可以看到，Kimi 的知识库更新到 2023 年，在那之后发生的事件或者最新发展，是利用搜索能力来获取的。通过搜索能力来进行上下文优化，让模型能够回答的更准确。
再来解释下 LLM 优化，就像是一个训练有素的厨师，他已经有了做各种菜肴的基本技能，但当他需要为特定的客人准备一顿特别的晚餐时，他就需要根据客人的口味和需求来调整他的烹饪方法。
大语言模型在处理特定的任务或领域时，也需要进行微调。这是因为虽然模型在广泛的语言任务上表现良好，但它可能并不完全理解特定领域的术语、风格或格式。
我们再来看一张图，下图代表着一般情况下的优化流程。
可以发现，无论是使用 RAG 对上下文进行优化，还是对模型本身进行微调 Fine-tuning，都离不开提示词工程的身影。
这个结论很重要，你一定要记住：提示词工程贯穿大语言模型性能优化的始终，是大语言模型性能优化的基石。
那么什么是提示词工程呢？
本站资源仅供学习交流使用请勿商业运营,严禁从事违法,侵权等任何非法活动,否则后果自负！
© 版权声明
本站收集的资源仅供内部学习研究软件设计思想和原理使用，学习研究后请自觉删除，请勿传播，因未及时删除所造成的任何后果责任自负。
如果用于其他用途，请购买正版支持作者，谢谢！若您认为「LPWK168.COM」发布的内容若侵犯到您的权益，请联系站长邮箱:1352181545@qq.com 进行删除处理。
本站资源大多存储在云盘，如发现链接失效，请联系我们，我们会第一时间更新。THE END
暂无评论内容