📄️ 🟢 简介
本文是为几乎没有提示工程或人工智能经验的人编写的。本文的目标受众是每个人，从非技术背景的商科学生，到非技术背景的成年人。我们将介绍人工智能的基本知识，以及为什么你应该关注提示工程。
📄️ 🟢 提示过程
在上一章中，我们讨论了人工智能以及人类如何指导 AI 执行任务。指导人工智能执行任务的过程称为提示过程(@shin2020autoprompt)。我们向 AI 提供一组指令（提示），然后它执行任务。提示可以简单到一个问题，也可以复杂到多个段落。
📄️ 🟢 给出指令
最简单的提示方法之一就是直接给出指令。我们上一个部分中就已经看到了一个简单的指令（1,000,000 * 9,000等于几? 请确保输入正确数量的零，即使数量很多也要如此:）。然而，现代人工智能可以遵循更复杂的指令。
📄️ 🟢 角色提示
另一种提示技术是给 AI 分配一个角色。例如，您的提示可以以"你是一名医生"或"你是一名律师"开始，然后要求 AI 回答一些医学或法律问题。举个例子：
📄️ 🟢 多范例提示
另一个提示策略是多范例提示（few shot prompting）, 这种策略将为模型展示一些例子（shots），从而更形象地描述你的需求。
📄️ 🟢 组合提示
正如我们在前面的教程中所看到的，面向模型的提示具有不同的格式和其复杂性。它们可以包括上下文、指令式的提示词和多个输入-输出的示例。然而，到目前为止，我们只研究了独立的提示类别。将这些不同的技巧组合起来可以产生更强大的提示。
📄️ 🟢 规范化提示
我们现在已经涵盖了多种类型的提示，以及如何组合它们的方法。本篇教程将为您提供术语来解释不同类型的提示。虽然已经有方法来形式化提示工程中的术语(@white2023prompt)，但这个领域正在不断变化，因此我们将为您提供更充足的信息以便开始。
📄️ 🟢 聊天机器人基础
最常见的一种使用提示的方法是与公开的聊天机器人（例如 ChatGPT）进行互动。请注意，ChatGPT 与 GPT-3 不同，他们之间的主要区别在于聊天机器人可以记住你的对话历史。就像 GPT-3 一样，它们也可以高水平地回答问题、提供写作摘要和分析、编写文案或代码等，这是一个令人兴奋的前景——但是聊天机器人的真正价值只有在你使用具体的提示时才能体现。在本文中，我们将探讨一些基本的方法，如使用风格指导、描述符和引导，让聊天机器人更好的发挥作用。
📄️ 🟢 Pitfalls of LLMs
LLMs are extremely powerful, but they are by no means perfect. There are many pitfalls that you should be aware of when using them.
📄️ 🟢 LLM Settings
The output of LLMs can be affected by configuration hyperparameters, which control various aspects of the model, such as how 'random' it is. These hyperparameters can be adjusted to produce more creative, diverse, and interesting output. In this section, we will discuss two important configuration hyperparameters and how they affect the output of LLMs.
📄️ 🟢 理解人工智能思维
你好，读者，恭喜你完成了基础介绍章节。你在这个非常令人兴奋的领域有了一个很好的开端。在继续阅读本课程的其余部分之前，有几件简单的事情你应该知道，关于不同的人工智能及其工作原理。
📄️ 🟢 Starting Your Journey
Now that you have learned about the basics of prompt engineering, you are ready to start prompt engineering on your own. The rest of this course will contain additional techniques and resources, but the best way of learning PE is to start experimenting with your own prompts. This page will show you how to get started with solving an arbitrary prompt engineering problem.