第09课：《ChatGPT提示工程》—— Introduction（引言）

ChatGPT 上线至今，在实际应用中，不少人还没真正掌握它的使用技巧。ChatGPT 的难点，在于 Prompt（提示词）的编写，OpenAI 创始人在今年 2 月时，在 Twitter 上说：「能够出色编写 Prompt 跟聊天机器人对话，是一项能令人惊艳的高杠杆技能」。

如何写好 Prompt 已经成为了一个分水岭。熟练掌握 Prompt 编写的人，能够很快让 ChatGPT 理解需求，并很好的执行任务。只要你的 Prompt 写的足够好，ChatGPT 可以帮你快速完成很多工作，包括AI 助理、智能翻译、角色扮演，本质上还是通过编写 Prompt 来实现，并且这些工作做的比一般人出色。

为了帮助大家能更好的掌握 Prompt 工程，DeepLearning.ai 创始人吴恩达与 OpenAI 开发者 Isa Fulford 联手推出了一门面向开发者的技术教程：《ChatGPT 提示工程》。
在这里插入图片描述

该教程总共分为 9 个章节，总一个多小时，里面主要涵盖：提示词最佳实践、评论情感分类、文本总结、邮件撰写、文本翻译、快速搭建一个聊天机器人等等。

本节内容，就依托吴恩达老师这门课程，可以一边学习，一边跟着编写代码，从代码工程层面进行练习和实战，来提升Prompt 的编写技能。

Introduction

在这个课程中，分享一些你可以做什么的可能性，以及如何做的最佳实践。首先，学习一些软件开发的提示最佳实践，涵盖一些常见用例：总结、推断、转换、扩展，然后将使用大型语言模型构建一个聊天机器人。

2种类型的大型语言模型，分别是基础大型语言模型和指令调优大型语言模型。

基础大型语言模型经过训练，可以根据文本预测下一个词。训练数据通常基于大量来自互联网和其他来源的数据，以推断出最有可能出现的下一个词。例如，如果提示它"从前，有一头独角兽"，它可能会补充说"它们生活在一个充满独角兽朋友的神奇森林里"。

但如果你用"法国的首都是什么？"来提示它，那么根据互联网上的文章，它很可能会继续说："法国最大的城市是什么？法国的人口是多少？"等等。因为互联网上的文章很可能是关于法国的一系列问答题。

指令调优大型语言模型的典型训练方式是：首先从基础大型语言模型开始，这些模型已经经过大量文本数据的训练，然后进一步对其进行训练和调优，提供指令输入和输出。

相比之下，指令调优的大型语言模型是当前大型语言模型研究和实践的主要发展方向。指令调优的大型语言模型经过训练，能够遵循指令。如果您问它："法国的首都是什么？"它更有可能输出类似于"法国的首都是巴黎"的回答。指令调优大型语言模型的典型训练方式是：首先从基础大型语言模型开始，这些模型已经经过大量文本数据的训练，然后进一步对其进行训练和调优，提供指令输入和输出。

为了让系统更有帮助并遵循指令，通常会进一步使用强化学习（RLHF）的技术来优化。

课程建议大多数人专注于使用指令调优的大型语言模型，因为它们更易于使用，同时因为OpenAI等公司的努力，变得更安全、更可控。

最后，推荐大家没事过看看OpenAI的官方文档：https://platform.openai.com/docs/introduction