- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI
Prompt工程
策略：指示模型使用参考文本进行回答指示模型从参考文本中引用引文进行回答将复杂任务分解为简单子任务就像在软件工程中将复杂系统分解为一组模块化组件是良好的实践一样，提交给语言模型的任务也是如此。 良好的评估是：代表真实世界的使用情况（或至少是多样化的）包含许多测试案例，以增加统计功效（请参阅下表的指南）易于自动化或重复待检测的差异95% 置信水平所需的样本量30% 约 10 10% 约 100 3% 约 1,000 1% 约 10,000
66310编辑于 2024-05-09 - 来自专栏数据科学（冷冻工厂）
从 数据工程 到 Prompt 工程
在本文[1]章中，我们使用 ChatGPT 和 Python 解决了典型的数据工程任务。通过这样做，我们探索了数据工程与提示工程新学科之间的联系。 在以下部分中，我们将使用 ChatGPT 和 Python 解决不同的数据工程问题。我们没有自己编写 Python 代码，而是使用提示工程来生成它。 与经典编程一样，在提示工程中有实现目标的替代解决方案。在不久的将来，寻找最佳方式将是一项激动人心的任务。 然而，总而言之，我们必须同意 Wolfram 的观点：在未来，数据工程的重要部分将从编码转向提示工程。这种新方法不会取代数据工程师，但会提高他们的效率。 Broken pipe Error Reference [1] Source: "https://towardsdatascience.com/from-data-engineering-to-prompt-engineering
52320编辑于 2023-08-10 - 来自专栏MySQL解决方案工程师
提示工程Prompt Engineering
这一篇是关于提示和提示工程的介绍，主要内容是我们如何影响词汇的分布。 在LLM中影响词汇的分布主要通过两种方式，一种是通过提示（Prompting），另外一种就是通过训练（Training）。 提示工程是指为了引起某种特定的回答方式，进行反复改善提示的过程。 提示工程通常不直观，并且不能保证有效，因此非常具有挑战性，但通过有效的提示工程，可以更好地利用人工智能模型的能力，获得更令人满意的结果。 提示包括很多种策略，在这里介绍几种常见的策略。 提示中存在的问题 提示注入（Prompt Injection）：故意向L模型提供试图导致其忽略指令、造成伤害或行为与部署预期相反的输入。 以上内容是关于人工智能领域提示工程的简单介绍，在下一篇中，将介绍模型训练。感谢关注“MySQL解决方案工程师”
35910编辑于 2024-06-14 - 来自专栏NLP/KG
Prompt工程师指南应用篇：Prompt应用、ChatGPT|Midjouney Prompt Engineering
Prompt工程师指南应用篇：Prompt应用、ChatGPT|Midjouney Prompt Engineering 1.ChatGPT Prompt Engineering 主题： 与 ChatGPT 停止 --stop <介于10-100之间的整数> 使用--stop参数在过程的中途完成作业。在较早的百分比处停止作业可能会产生模糊、细节不清晰的结果。 例如，我们可以使用它来生成情感分类器的快速样本，如下所示： Prompt: 生成10个情感分析的例子。这些例子被分类为正面或负面。生成2个负面例子和8个正面例子。 What is the date 10 days ago in MM/DD/YYYY? one day to today, then today is one day later. today = datetime(1943, 6, 1) + relativedelta(days=1) # 10
2K30编辑于 2023-05-15 - 来自专栏喔家ArchiSelf
解读提示工程（Prompt Engineering）
提示工程可以用于各种任务，从回答问题到算术推理乃至各种应用领域，理解提示工程，能够帮助我们了解LLM的限制和能力。 为了理解提示工程，先要澄清什么是Prompt。 让我们看一个下面的例子： Prompt: **-** I went to the market **and** bought 10 apples. Output: - First, you started with 10 apples. 提示工程的常见实践 提示工程的实现涉及到基于LLM应用中的各个方面，这里给出一些提示工程的常见实践： 静态提示：Prompt可以遵循zero、single或few shot的方法。 为了消除prompt注入攻击，会话被分为以下几个层次或角色: 系统、助理和用户等， 然后做相应的prompt防护。 10.
13.1K23编辑于 2023-10-23 - 来自专栏云微的一点分享
提示词（prompt）工程指南（五）：ChatGPT 提示工程
完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com ： 提示词（prompt）工程指南（五）：ChatGPT 提示工程 ChatGPT简介 审查对话任务 ChatGPT的对话 多回合对话 单轮任务 Python笔记本 参考文献 ---- ChatGPT ChatGPT API with LangChain ---- ---- 上一部分（应用） 下一部分（对抗提示） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）： https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN pt 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT
3.2K31编辑于 2023-03-31 - 来自专栏小巫技术博客
AI 时代的 Prompt 工程入门
本文所分享的Prompt工程，就是给大模型输入提示词（告诉模型我们要它干什么），让AI更准确的理解我们的意图，从而输出我们想要的内容（文本、图片、视频等等）。 什么是Prompt 工程？ 总结一下： 我们跟大模型交流的文本或指令就是Prompt，然而如何设计、组织、优化则被称为“提示工程”—— Prompt Engineering。 为什么Prompt会起作用？ 当输入一个Prompt时，大模型会根据Prompt的内容，在其内部的知识库中寻找与之相关的信息和模式。 具体来说，模型会将Prompt转化为一系列的向量表示，这些向量包含了Prompt的语义信息。 迭代优化：根据输出结果，持续调整和优化Prompt 示例1：代码编程 以下是一个与代码编程相关的Prompt示例，结合了上述关键要素： Prompt: "请你编写一个Python函数，该函数的功能是计算两个数的最大公约数 总结 本文介绍了Prompt 是什么、为什么要学习Prompt工程、并且对比了跟传统搜索的差异，最后给出了好的Prompt关键要素。
85321编辑于 2025-06-16 - 来自专栏大语言模型
探索大模型能力--prompt工程
就像计算器工具一样，要你算10的10倍，你是按10次“10+”，还是直接“10*10”，如何利用工具决定了你几点下班。。 1.2 什么是prompt工程？ 工程基本原则 我们再回顾下prompt工程课程中的两大基本原则： 2.1 给出清晰，详细的指令 策略1：使用分割符清晰的知识输出的不同部分，比如"",<>,<\tag>等分隔符 策略2：指定一个结构化的输出 3 prompt工程迭代思维 迭代思想无处不在，提示工程和软件工程，算法模型一样都是一个迭代的过程。。 4 prompt工程方法 prompt的原则和方法在吴恩达教授的课程中讲解的很详细 ，这里我们再介绍一些高阶方法。
3.3K72编辑于 2024-01-23 - 来自专栏DevOps
AIGC：Prompt逆向工程简介及使用
有些公司经过各种测试，投入大量人力，终于总结了一些神级Prompt。这些Prompt的效果非常好。他们会把这些Prompt当作魔法咒语一样视为珍宝，轻易不肯示人。 这个时候，另外一门对抗技术就产生了，我给他取名，Prompt Reverse Engineering：Prompt逆向工程。 今天我们以一个小红书文案生成器为例，来演示Prompt逆向工程的应用。 我们修改一下Prompt的内容，用英文再问一遍，让它打印全部的Prompt。 正文 [正文] 标签：[标签] 正在看这篇文章的你，如果足够有商业敏感性，那么你应该会发现两个商机： 研究Prompt逆向工程，未来会像现在安卓逆向，JS逆向一样火起来。 研究Prompt防御技术，对抗Prompt逆向工程。然后专门为使用大语言模型的公司提供安全服务。就像当年做SQL防注入的公司一样。这也是一个大市场。
73010编辑于 2024-03-29 - 来自专栏大模型
大模型应用开发基础-Prompt工程
大模型应用开发基础-Prompt工程1. 什么是Prompt？Prompt（提示词）是用户输入给AI模型的指令或问题，用于引导模型生成特定输出。 Prompt工程的定义Prompt工程（Prompt Engineering）是通过优化输入指令的结构、措辞和上下文，使大语言模型（LLM）输出更准确、可靠且符合需求的技术。 为什么需要Prompt工程？大语言模型（如GPT-4、Claude、Gemini）本质是“概率生成器”，它们会根据输入提示猜测用户意图。 Prompt工程的五大核心技巧Prompt工程的核心在于如何设计清晰、有效的指令，让AI生成更符合预期的输出。 ✅ 角色扮演Prompt： “你是一位10年经验的数据库工程师，请针对以下SQL查询提供优化建议，重点分析索引使用和查询执行计划：`SELECT FROM orders WHERE user_id
88810编辑于 2025-06-23 - 来自专栏大模型成长之路
【大模型学习 | Prompt工程基础学习】
相反，我们需要通过设计得当的 Prompt 来唤醒、引导并激活模型内部的潜在能力。这就像操作系统中的“指令调用”——你不发出正确的指令，它就不会启动相应的模块。 （大模型本身无需挖掘的能力，也就是和搜索百度、谷歌一样简单）Few-shot Learning 指在 Prompt 中提供几个示例（一般 1~5 条)，引导语言模型理解任务格式与逻辑结构，再让模型生成新的答案 not (c_pred_ans.strip() in c_rationale.split(".")[-2] or c_pred_ans.strip() in c_rationale.split()[-10
1.2K21编辑于 2025-07-15 - 来自专栏全栈程序员必看
Sql Prompt 10激活成功教程
www.red-gate.com 127.0.0.1 licensing.red-gate.com 127.0.0.1 productlogin.red-ga 如下图： 然后点击数据库中的SQL Prompt 点击Manage License 然后点击Activate 然后打开SQL.Prompt.Keygen.exe，将生成的注册码拷贝到输入框内,然后点击Activate 继续点击Activate
2.6K20编辑于 2022-09-17 - 来自专栏小巫技术博客
第02期·Prompt提示词工程
DAILY AI KNOWLEDGE ✍️ Prompt 提示词工程 每天搞懂一个 AI 知识点 · 第 02 期 2026.3.29 什么是 Prompt？ Prompt 工程（Prompt Engineering） 研究「如何用最有效的方式跟 AI 说话，让它给出最好的回答」的学问。 Prompt 的核心结构 要素 说明 例子 角色 Role 告诉 AI 扮演什么身份 "你是资深 Java 工程师" 任务 Task 明确要做什么 "帮我 review 以下代码" 背景 Context 你是一位有 10 年经验的 Android 工程师，专注于支付系统开发。 一句话总结 Prompt 工程 = 用结构化的方式跟 AI 沟通 通过角色、任务、背景、格式、约束五要素 让 AI 输出你真正想要的结果
23910编辑于 2026-03-30 - 来自专栏Python与算法之美
10种实用的Prompt技巧图解
收集整理了prompt engineering的10种实用技巧，以图解的方式解释了它们的主要原理。 本文追求以极简风格逼近这些方法的第一性原理，把黑话翻译成人话，并使用图片范例进行说明。 一，Structured Prompt (结构化提示词) 可以按照 prompt = 角色 + 任务 + 要求 + 提示 的结构设计清晰明了的提示词。 二，Prompt Creator (提示词生成器) 简单地说，就是让ChatGPT扮演一个提示词生成专家，帮助你完成/完善/改进 你的prompt。 七，Self-ask Prompt (自我提问) 在prompt范例中引导LLM将一个复杂的问题拆分为简单的子问题，逐个回答，然后汇总成为答案。 AutoGPT也是这种强化学习范式prompt的产物，AutoGPT设计的主要prompt模式如下： Thoughts(当前的思考)->Reasoning(推理过程->Plan(后续计划)->Criticism
3.5K21编辑于 2023-09-05 - 来自专栏大模型快速上手实践
Prompt提示工程上手指南:基础原理及实践(二)-Prompt主流策略
前言上篇文章将Prompt提示工程大体概念和具体工作流程阐述清楚了，我们知道Prompt工程是指人们向生成性人工智能（AI）服务输入提示以生成文本或图像的过程中，对这些提示进行精炼的过程。 那么我们使用Prompt在不进行高成本的调参，显得尤为重要，因此有很多Prompt策略适用于不同的语言大模型中，在图像大模型中Prompt策略可谓是核心必学科目了。 定义prompt流程在上篇文章中我们了解到Prompt基本种类有以下几种：我们可以根据Prompt的类别去定义不同的Prompt格式，那么我们也可以根据Prompt规则建立一套流程化的Prompt公式， Rate on a scale of 1-10 (10 being highest). However, the rating is not a 10 because there is still a hint of uncertainty in some parts of the conversation
1.8K32编辑于 2024-02-05 - 来自专栏云微的一点分享
提示词（prompt）工程指南（二）：基本提示
完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com /yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 文本摘要 在即将发布的指南中，我们将涵盖更高级的提示工程概念，以提高在所有这些更困难的任务上的性能。 、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）： https 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
3K41编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（三）：高级提示
完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com ： 提示词（prompt）工程指南（三）：高级提示 零样本提示 少样本提示 Few-shot提示的限制 链式思考提示 零样本CoT 自一致性 生成知识提示 自动提示工程师（APE） ---- 零样本提示 ---- 上一节（基本提示） 下一节（应用） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
2.2K12编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（四）：提示应用
完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com ： 提示词（prompt）工程指南（四）：提示应用 生成数据 PAL（程序辅助语言模型） Python笔记本 ---- 生成数据 LLMs有强大的文本生成能力。 上一节（高级提示） 下一节（ChatGPT） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
1.6K21编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（一）：提示介绍
提示工程是一种相对较新的学科，专门用于开发和优化提示，以高效地使用语言模型（LM）来处理各种应用和研究主题。提示工程技能有助于更好地理解大型语言模型（LLMs）的能力和局限性。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com /yunwei37/Prompt-Engineering-Guide-zh-CN https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN 除非另有说明 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）： 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新） https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
2.8K21编辑于 2023-03-31 - 来自专栏程序员分享
Prompt工程进阶：少样本与思维链
为什么有时候结构化Prompt还是不能达到满意的效果？在上一篇文章中，我们学习了结构化Prompt的四大要素，能够生成专业级的Vue3组件。 本篇文章将通过一个动态权限菜单的实战案例，带领我们掌握两个强大的Prompt技巧：少样本与思维链：少样本提示（Few-shot Prompting） ：给AI举例子，让它学会模仿思维链（Chain of 适用场景多步骤推理任务条件判断复杂的逻辑需要解释决策依据的场景数学计算算法设计实战案例：动态权限菜单的Prompt进化史需求描述我们有这样一个需求：能根据用户权限，动态显示菜单，支持至少3种角色：admin 能快速捕捉共同模式风格模仿模仿特定代码风格示例提供了风格参考简单分类将文本分为几类示例定义了分类标准思维链适合的场景场景类型示例为什么适合复杂推理权限判断的多步骤逻辑需要逐步分析条件算法设计递归遍历菜单树需要展示算法思路数学计算复杂公式推导需要展示计算过程决策解释为什么某个菜单项被隐藏需要说明判断依据边界处理空权限、多角色等特殊情况需要全面考虑各种情况组合使用的最佳实践在实际应用中，少样本提示和思维链不是互斥的，而是可以组合使用的：组合使用的Prompt 处理边界...第三步：生成完整的代码如何写出高质量的思维链Prompt技巧1：引导AI分步思考text 体验AI代码助手 代码解读复制代码请按以下步骤思考：1. 先分析数据结构设计2.
19610编辑于 2026-03-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号