- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI
Prompt工程
策略：指示模型使用参考文本进行回答指示模型从参考文本中引用引文进行回答将复杂任务分解为简单子任务就像在软件工程中将复杂系统分解为一组模块化组件是良好的实践一样，提交给语言模型的任务也是如此。
45110编辑于 2024-05-09 - 来自专栏数据科学（冷冻工厂）
从 数据工程 到 Prompt 工程
在本文[1]章中，我们使用 ChatGPT 和 Python 解决了典型的数据工程任务。通过这样做，我们探索了数据工程与提示工程新学科之间的联系。 在以下部分中，我们将使用 ChatGPT 和 Python 解决不同的数据工程问题。我们没有自己编写 Python 代码，而是使用提示工程来生成它。 与经典编程一样，在提示工程中有实现目标的替代解决方案。在不久的将来，寻找最佳方式将是一项激动人心的任务。 然而，总而言之，我们必须同意 Wolfram 的观点：在未来，数据工程的重要部分将从编码转向提示工程。这种新方法不会取代数据工程师，但会提高他们的效率。 Broken pipe Error Reference [1] Source: "https://towardsdatascience.com/from-data-engineering-to-prompt-engineering
41520编辑于 2023-08-10 - 来自专栏MySQL解决方案工程师
提示工程Prompt Engineering
这一篇是关于提示和提示工程的介绍，主要内容是我们如何影响词汇的分布。 在LLM中影响词汇的分布主要通过两种方式，一种是通过提示（Prompting），另外一种就是通过训练（Training）。 提示工程是指为了引起某种特定的回答方式，进行反复改善提示的过程。 提示工程通常不直观，并且不能保证有效，因此非常具有挑战性，但通过有效的提示工程，可以更好地利用人工智能模型的能力，获得更令人满意的结果。 提示包括很多种策略，在这里介绍几种常见的策略。 提示中存在的问题 提示注入（Prompt Injection）：故意向L模型提供试图导致其忽略指令、造成伤害或行为与部署预期相反的输入。 以上内容是关于人工智能领域提示工程的简单介绍，在下一篇中，将介绍模型训练。感谢关注“MySQL解决方案工程师”
27410编辑于 2024-06-14 - 来自专栏NLP/KG
Prompt工程师指南应用篇：Prompt应用、ChatGPT|Midjouney Prompt Engineering
Prompt工程师指南应用篇：Prompt应用、ChatGPT|Midjouney Prompt Engineering 1.ChatGPT Prompt Engineering 主题： 与 ChatGPT A Comparative Study on ChatGPT and Fine-tuned BERT (Feb 2023) A Prompt Pattern Catalog to Enhance Prompt 3.Prompt 应用 在这个指南中，将介绍一些高级和有趣的方式，通过 prompt engineering 来执行有用的更高级别的任务。 请注意，本节正在积极开发中。 例如，我们可以使用它来生成情感分类器的快速样本，如下所示： Prompt: 生成10个情感分析的例子。这些例子被分类为正面或负面。生成2个负面例子和8个正面例子。 DATE_UNDERSTANDING_PROMPT = """ # Q: 2015 is coming in 36 hours.
1.8K30编辑于 2023-05-15 - 来自专栏喔家ArchiSelf
解读提示工程（Prompt Engineering）
提示工程可以用于各种任务，从回答问题到算术推理乃至各种应用领域，理解提示工程，能够帮助我们了解LLM的限制和能力。 为了理解提示工程，先要澄清什么是Prompt。 什么是提示工程：Prompt Engingering 提示工程（Prompt Engingering），也被称为在上下文中提示，是指如何与 LLM 通信的方法，以引导其行为为期望的结果，而无需更新模型权重 提示工程涉及选择、编写和组织提示，以便获得所需的输出，主要包括以下方面： Prompt 格式：确定 prompt 的结构和格式，例如，问题形式、描述形式、关键词形式等。 Prompt 优化：在尝试不同 prompt 后，根据结果对 prompt 进行调整和优化，以获得更满意的回应。 提示工程可以帮助改善大语言模型的性能，使其更好地满足用户需求。 提示工程的常见实践 提示工程的实现涉及到基于LLM应用中的各个方面，这里给出一些提示工程的常见实践： 静态提示：Prompt可以遵循zero、single或few shot的方法。
12.1K23编辑于 2023-10-23 - 来自专栏大语言模型
探索大模型能力--prompt工程
1 prompt工程是什么 1.1 什么是Prompt？ LLM大语言模型终究也只是一个工具，我们不可能每个人都去训一个大模型，但是我们可以思考如何利用好大模型，让他提升我们的工作效率。 1.2 什么是prompt工程？ 工程基本原则 我们再回顾下prompt工程课程中的两大基本原则： 2.1 给出清晰，详细的指令 策略1：使用分割符清晰的知识输出的不同部分，比如"",<>,<\tag>等分隔符 策略2：指定一个结构化的输出 3 prompt工程迭代思维 迭代思想无处不在，提示工程和软件工程，算法模型一样都是一个迭代的过程。。 4 prompt工程方法 prompt的原则和方法在吴恩达教授的课程中讲解的很详细 ，这里我们再介绍一些高阶方法。
2.8K71编辑于 2024-01-23 - 来自专栏小巫技术博客
AI 时代的 Prompt 工程入门
本文所分享的Prompt工程，就是给大模型输入提示词（告诉模型我们要它干什么），让AI更准确的理解我们的意图，从而输出我们想要的内容（文本、图片、视频等等）。 什么是Prompt 工程？ 总结一下： 我们跟大模型交流的文本或指令就是Prompt，然而如何设计、组织、优化则被称为“提示工程”—— Prompt Engineering。 为什么Prompt会起作用？ 当输入一个Prompt时，大模型会根据Prompt的内容，在其内部的知识库中寻找与之相关的信息和模式。 具体来说，模型会将Prompt转化为一系列的向量表示，这些向量包含了Prompt的语义信息。 迭代优化：根据输出结果，持续调整和优化Prompt 示例1：代码编程 以下是一个与代码编程相关的Prompt示例，结合了上述关键要素： Prompt: "请你编写一个Python函数，该函数的功能是计算两个数的最大公约数 总结 本文介绍了Prompt 是什么、为什么要学习Prompt工程、并且对比了跟传统搜索的差异，最后给出了好的Prompt关键要素。
53221编辑于 2025-06-16 - 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
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 ： 提示词（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 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 https://gitee.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN pt 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT
3.1K31编辑于 2023-03-31 - 来自专栏DevOps
AIGC：Prompt逆向工程简介及使用
有些公司经过各种测试，投入大量人力，终于总结了一些神级Prompt。这些Prompt的效果非常好。他们会把这些Prompt当作魔法咒语一样视为珍宝，轻易不肯示人。 这个时候，另外一门对抗技术就产生了，我给他取名，Prompt Reverse Engineering：Prompt逆向工程。 今天我们以一个小红书文案生成器为例，来演示Prompt逆向工程的应用。 我们修改一下Prompt的内容，用英文再问一遍，让它打印全部的Prompt。 正文 [正文] 标签：[标签] 正在看这篇文章的你，如果足够有商业敏感性，那么你应该会发现两个商机： 研究Prompt逆向工程，未来会像现在安卓逆向，JS逆向一样火起来。 研究Prompt防御技术，对抗Prompt逆向工程。然后专门为使用大语言模型的公司提供安全服务。就像当年做SQL防注入的公司一样。这也是一个大市场。
57010编辑于 2024-03-29 - 来自专栏大模型成长之路
【大模型学习 | Prompt工程基础学习】
相反，我们需要通过设计得当的 Prompt 来唤醒、引导并激活模型内部的潜在能力。这就像操作系统中的“指令调用”——你不发出正确的指令，它就不会启动相应的模块。 （大模型本身无需挖掘的能力，也就是和搜索百度、谷歌一样简单）Few-shot Learning 指在 Prompt 中提供几个示例（一般 1~5 条)，引导语言模型理解任务格式与逻辑结构，再让模型生成新的答案
1K21编辑于 2025-07-15 - 来自专栏大模型
大模型应用开发基础-Prompt工程
大模型应用开发基础-Prompt工程1. 什么是Prompt？Prompt（提示词）是用户输入给AI模型的指令或问题，用于引导模型生成特定输出。 Prompt工程的定义Prompt工程（Prompt Engineering）是通过优化输入指令的结构、措辞和上下文，使大语言模型（LLM）输出更准确、可靠且符合需求的技术。 为什么需要Prompt工程？大语言模型（如GPT-4、Claude、Gemini）本质是“概率生成器”，它们会根据输入提示猜测用户意图。 Prompt工程的五大核心技巧Prompt工程的核心在于如何设计清晰、有效的指令，让AI生成更符合预期的输出。 ✅ 角色扮演Prompt： “你是一位10年经验的数据库工程师，请针对以下SQL查询提供优化建议，重点分析索引使用和查询执行计划：`SELECT FROM orders WHERE user_id
57010编辑于 2025-06-23 - 来自专栏云微的一点分享
提示词（prompt）工程指南（三）：高级提示
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 ： 提示词（prompt）工程指南（三）：高级提示 零样本提示 少样本提示 Few-shot提示的限制 链式思考提示 零样本CoT 自一致性 生成知识提示 自动提示工程师（APE） ---- 零样本提示 ---- 上一节（基本提示） 下一节（应用） 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 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
2K12编辑于 2023-03-31 - 来自专栏大模型快速上手实践
Prompt提示工程上手指南:基础原理及实践(二)-Prompt主流策略
前言上篇文章将Prompt提示工程大体概念和具体工作流程阐述清楚了，我们知道Prompt工程是指人们向生成性人工智能（AI）服务输入提示以生成文本或图像的过程中，对这些提示进行精炼的过程。 那么我们使用Prompt在不进行高成本的调参，显得尤为重要，因此有很多Prompt策略适用于不同的语言大模型中，在图像大模型中Prompt策略可谓是核心必学科目了。 那么本章我们将了解Prompt主流策略有什么。 定义prompt流程在上篇文章中我们了解到Prompt基本种类有以下几种：我们可以根据Prompt的类别去定义不同的Prompt格式，那么我们也可以根据Prompt规则建立一套流程化的Prompt公式， 首先我们来慢慢拆解一个成功的Prompt功能，以微软OpenAI给出为Prompt engineering techniques为例子：.定义人设如果大家经常用语言大模型的一些原生应用或者是去看过一些Prompt
1.6K32编辑于 2024-02-05 - 来自专栏云微的一点分享
提示词（prompt）工程指南（二）：基本提示
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 /yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 文本摘要 在即将发布的指南中，我们将涵盖更高级的提示工程概念，以提高在所有这些更困难的任务上的性能。 、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 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
2.8K41编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（一）：提示介绍
提示工程是一种相对较新的学科，专门用于开发和优化提示，以高效地使用语言模型（LM）来处理各种应用和研究主题。提示工程技能有助于更好地理解大型语言模型（LLMs）的能力和局限性。 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 /yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 除非另有说明 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）： 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
2.6K21编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（四）：提示应用
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 ： 提示词（prompt）工程指南（四）：提示应用 生成数据 PAL（程序辅助语言模型） Python笔记本 ---- 生成数据 LLMs有强大的文本生成能力。 上一节（高级提示） 下一节（ChatGPT） 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 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
1.5K21编辑于 2023-03-31 - 来自专栏大模型快速上手实践
Prompt提示工程上手指南(七)Prompt编写实战-基于智能客服问答系统下的Prompt编写
那么本章将结合现实常见业务场景来对不同AI Agent进行定义Prompt编写，测试与Prompt调整和对比，将我们上述的一些理论和方法都实现操作一遍。 传统的FAQ列表已无法满足用户的多样化需求，公司希望通过接入大型语言模型（LLM）和Prompt工程手段，建立一个智能客服Agent，为用户提供更自然的人机交互体验。 Prompt工程整体结构目标：为“SparkGadgets”电商平台构建一个智能客服系统的Prompt方案。 增加规避幻觉策略，通过约束Prompt规范、信息可信性检查来减少无根据的回答。Prompt体系结构设计Prompt分层理念：将Prompt分为多个层次，以保证结构化、可维护。 Chain-of-Thought（ToT）Internal Reasoning Prompt（模型内部思考）：在最终回答用户前，模型根据System Prompt和Context Prompt在内部生成一段思维链
2.6K11编辑于 2024-12-13 - 来自专栏大模型快速上手实践
Prompt提示工程上手指南(六):AI避免幻觉”（Hallucination）策略下的Prompt
通过Prompt技术在一定程度上可以很好的缓解AI幻觉问题，尽管幻觉现阶段不能避免，但我们可以提高我们prompt技能去有效针对它。本章节将详细介绍LLM幻觉问题和Prompt应对技巧。 那么想要用Prompt工程来进行一定程度上的AI幻觉遏制是比较不错的策略。 AI幻觉遏制策略下的Prompt在AI幻觉遏制策略下编写prompt（提示）是一种旨在最大限度减少大型语言模型（如GPT系列）生成不准确或不相关信息的方法。 这种策略要求精心设计prompt，使其能够引导AI以更准确、可靠的方式响应。1.明确具体提供具体、明确的指令，告诉模型你需要什么样的信息或回答。 提供详细背景信息确保在prompt中包含足够的背景信息以便模型可以理解请求的上下文。这不仅有助于模型更准确地识别问题的核心，还能够提高回答的相关性和具体性。
4.2K41编辑于 2024-03-25 - 来自专栏AI.NET极客圈
Semantic Kernel 实战系列（四） - 提示工程（Prompt Engineering）
作为一个专注.NET开发的博主，我发现提示工程是真正让AI“活起来”的关键。它不是抽象的概念，而是像设计API接口一样，能直接影响应用的输出质量。 今天，这篇系列的第四篇，我们来聊聊提示工程在Semantic Kernel中的应用。从基本技巧到高级优化，我会结合C#示例，展示如何在实际项目中落地这些方法。 1 提示的基本原理 提示工程的核心在于精心设计输入，让大型语言模型（LLM）产生预期输出。这在Semantic Kernel中特别实用，因为它允许你像编写C#字符串模板一样构建提示。 这些优化技巧的结合，让提示工程从艺术转向工程化，你可以用CI/CD管道自动化测试提示变体，确保应用始终高效。 总结这篇，提示工程让Semantic Kernel从工具变为利器，紧密结合传统开发，创造更多价值。下一篇规划器与自动化，敬请期待！
35610编辑于 2025-08-12 Prompt Engineering：提示词工程最佳实践与应用
引言随着人工智能技术的不断发展，特别是大型语言模型（LLM）的兴起，提示词工程（Prompt Engineering）逐渐成为提升AI模型性能、增强任务执行效率的关键技术。 Prompt Engineering通过设计和优化提示词（Prompt），引导LLM生成特定类型的输出，广泛应用于文本生成、数据增强、代码生成、问答系统等领域。 提示词工程（Prompt Engineering）：一门关注提示词开发和优化的学科，旨在提高LLM处理复杂任务场景的能力。 技术门槛：编写优秀的提示词需要严谨的思维和出色的工程能力，对普通用户来说具有一定难度。 ;// 设计Prompt，用于引导LLM生成回复（在实际API调用中，Prompt可能隐式包含在请求结构中）String prompt = "根据用户问题，生成一个准确且简洁的回答。"
2.2K21编辑于 2024-12-26
腾讯云开发者
