提示工程，可以说是玩转ChatGPT、DALL·E 2等等这类AI模型的「必修课」。
但这个「提示」（prompt）具体要怎么写，多少都有些玄学在里面……
也难怪由此诞生的新职业——提示工程师，年薪已经达到了25万-33万美元。
就在前不久，一位来自斯坦福大学的华人本科生Kevin Liu，就通过prompt injection的方法，让微软ChatGPT搜索的全部prompt泄露。此后，更是掀起了一股调戏ChatGPT的热潮。
今天新发布在GitHub上的一个项目，整理了提示工程的指南、论文、讲座和资源，堪称史上最全prompt资料包。
项目地址：https://github.com/dair-ai/Prompt-Engineering-Guide
凭借着一天近1k星的增长，这篇「提示工程指南」同时登上了GitHub Trending，和Hacker News热榜。
指南内容
语言模型的输出需要通过输入的提示实现，但结果的质量取决于你为它提供多少信息。
随着我们介绍越来越多的例子和提示工程的应用，你会注意到，一个提示通常会由几种不同的元素构成：
指令：希望模型执行的具体任务或指示
背景：补充的外部或上下文信息，可以引导模型做出更好的反应
输入数据：想要解决的输入或问题
输出指示：输出的类型或格式
究竟该怎样玩转提示工程呢？GitHub上的这份指南，会提供很大的帮助。
这份指南包括演讲、提示介绍、论文、工具和库、数据集、博客和教程等读物，总共6个部分。
50页PPT，一小时超详细讲座
在「讲座」这部分，包含了长达一小时的视频，代码示例，以及一份配合讲座的50页PPT。
其中，视频包含4个部分，分别是提示工程简介、提供工程的技术、工具和应用程序、未来方向。
视频和PPT都对prompt的定义做了详细介绍：prompts是指为了实现特定任务，传递给语言模型的指令和上下文。
而提示工程是创建一组提示或问题的过程，用于引导用户获得自己期望的结果。
为什么提示工程如此重要？
因为它对研究、发现很重要，能够用来帮助测试大语言模型的各种极限，还能在大语言模型上的基础上开发各种创新型的应用。
为什么提示工程如此重要？
因为它对研究、发现很重要，能够用来帮助测试大语言模型的各种极限，还能在大语言模型上的基础上开发各种创新型的应用。
提示指南
团队开发的提示工程指南，主要由5部分构成：
简介
基础提示
文本归纳
问题回答
对话
代码生成
推理
进阶提示
few-shot提示
思想链（CoT）提示
zero-shot CoT
自洽性
生成知识提示
自动提示工程师（APE）
对抗性提示
忽略以前的指令
提示泄漏
越狱
其他
程序辅助的语言模型
ReAct
多模态CoT提示
图提示
论文合集
团队每天都会更新有关提示工程的最新论文，并且每周都会将这些论文的摘要纳入上述指南中。
比如，LeCun今年2月的新作「Augmented Language Models: a Survey 」就被收录了进来。
具体来说，作者把论文分成了4个大类：
调查/概述
方法/技巧
应用
补充
工具资料包
数据集
博客、指南、教程和其他
这部分主要是来自大佬们的经验总结。
作者介绍
主导这个项目的Elvis Saravia，是DAIR.AI的联合创始人。
他在台湾清华大学取得了信息系统与应用的硕士和博士学位。
在此之前，他在Meta AI担任了2年技术产品营销经理，并曾是NeurIPS研讨会和NAACL 2019的程序委员会的成员。
从Linkedin上的经历来看，这位朋友似乎也曾负责过LeCun一直心心念的Galactica。
参考资料：
https://github.com/dair-ai/Prompt-Engineering-Guide
