参考资料

• [Done]Prompt Engineering 课程，https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/
• OpenAI 提供的 Prompt 最佳实践，和Prompt Engineering 课程 有重复，https://help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-openai-api
• OpenAI 官方提供的做各种任务的 Prompt 示例，https://platform.openai.com/examples
• 微软云提供的概述，https://learn.microsoft.com/en-us/azure/cognitive-services/openai/concepts/prompt-engineering
• 微软云提供的详解，https://learn.microsoft.com/en-us/azure/cognitive-services/openai/concepts/advanced-prompt-engineering
• OpenAI 官方总结： https://platform.openai.com/docs/guides/gpt-best-practices
• Prompt Engineering （一个结合理论的介绍），https://lilianweng.github.io/posts/2023-03-15-prompt-engineering/

提示词工程（Prompt Engineering）

有点类似”自然语言编程“技巧。

下文中的 P 代表 Prompt，R 代表 Response。

两种类型的 LLM

Base LLM

也叫 Foundation model。功能基于训练数据的统计概率是预测下一个词，做句子补全。

比如 prompt 如下，Base LLM 可以对这个句子做补全/续写。

P: Once upon a time, there was a unicorn

R: that lived in a magical forest with all her unicorn friends

但是如果你提问，它可能答非所问：

P: What is the capital of France?

R: What is France’s largest city? What is France’s population? What is the currency of France?