Wiki 的定义

https://zh.wikipedia.org/wiki/%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B

提示工程（Prompt engineering）是人工智能中的一个概念，特别是自然语言处理（NLP）。 在提示工程中，任务的描述会被嵌入到输入中。例如，不是隐含地给予模型一定的参数，而是以问题的形式直接输入。 提示工程的典型工作方式是将一个或多个任务转换为基于提示的数据集，并通过所谓的“基于提示的学习（prompt-based learning）”来训练语言模型。[1][2] 提示工程可以从一个大型的“冻结”预训练语言模型开始工作，其中只学习了提示的表示方法，即所谓的“前缀调整（prefix-tuning）”或“提示调整（prompt tuning）”。[3][4]

语言模型GPT-2和GPT-3[5]是提示工程的重要步骤。 2021年，使用多个NLP数据集的多任务提示工程在新任务上显示出良好的性能。[6] 在小样本学习的例子中，包含思维链的提示在语言模型中显示出更好的推理能力。[7]零样本学习中，在提示中预留鼓励思考链的语句（如“让我们一步一步地思考”）可能会提高语言模型在多步骤推理问题中的表现。[8]这些工具的广泛可及性由几个开源笔记和社区主导的图像合成项目的发布所推动。[9] ### 什么是提示词工程？ 在大型语言模型 (LLM) 或大型模型 (LM) 的上下文中，提示词是指生成文本或其他输出的起点。提示词可以像一个句子或一个单词一样简单，也可以是一段较长的文本或一组特定的说明。 ### 为什么提示器在大语言模型中很重要？ 提示词是决定模型生成的输出的质量和相关性的重要组成部分。提示词作为模型生成输出的输入和引导，其质量对模型的性能影响很大。提示词工程通常可以提高生成输出的质量和准确性，使它们在广泛的应用中更有用和相关。通过使用 PromptPerfect 简化提示词工程和优化，用户可以释放大型语言模型的全部潜力，并以更少的精力和时间获得更好的结果。 ### 调教指南 Awesome ChatGPT Prompts zh_CN: https://github.com/L1Xu4n/Awesome-ChatGPT-prompts-ZH_CN
Awesome ChatGPT Prompts: https://github.com/f/awesome-chatgpt-prompts
Prompt Engineering Guide: https://github.com/dair-ai/Prompt-Engineering-Guide
Full ChatGPT Prompts + Resources: https://enchanting-trader-463.notion.site/Full-ChatGPT-Prompts-Resources-8aa78bb226b7467ab59b70d2b27042e9
### 人设的调教方式 https://github.com/lss233/awesome-chatgpt-qq-presets ### 吴恩达提示词教程 https://learn.deeplearning.ai/chatgpt-prompt-eng/lesson/1/introduction ### 提示词工程指南 https://www.promptingguide.ai/zh 提示词工程指南。 ### 参考 > from https://www.xiaoluboke.com/prompt-engineering.html > 随着Chatgpt的大火，prompt engineering也越来越为人们所知，”prompt engineering” 译作提示工程，指的是一种人工智能的应用方式，主要是指利用语言模型（如 GPT-3）等技术，根据用户的提示（prompt），生成自然语言文本的过程。通常，Prompt Engineering 也称为 Prompt-based Generation 或 Prompt-based Learning。 在 Prompt Engineering 中，用户提供一个简短的提示，然后模型根据这个提示生成一段文本作为回应。这个提示可以是一个问题、一个关键词、一句话、一段文字等等。模型会基于这个提示学习，并生成新的文本来回答问题、描述事物等等。这种技术可以应用于自然语言生成、文本摘要、机器翻译、对话系统等多个领域。 Prompt Engineering 为自然语言生成提供了一种非常灵活和高效的方法，因为它可以根据用户提供的具体上下文生成高质量的文本，从而实现更准确和更有意义的交互。