提示工程
把任务描述到位，让你想要的输出成为模型最自然的续写。
13 篇教程，横跨 17 个学习层中的 3 个——按前后衔接顺序编排。
6提示工程
- 什么是上下文窗口？一份 token 预算，同时装下 prompt、对话历史、检索到的文档和正在生成的回答。所有东西都在抢同一块空间。
- AI 模型为什么会产生幻觉？流利、自信、错误。幻觉不是系统里的 bug——它直接来自这个系统被造出来要做的那件事。
- Prompt 基础没有什么魔法咒语。写 prompt 就是描述任务，四种可复用的结构就能覆盖大部分有效做法。
- 让模型一步步思考把推理写出来不是心理把戏。每个 token 只有一次前向传播，所以中间步骤是实实在在的额外计算。
- 别描述，给例子：few-shot prompting两个例子比三段说明更管用。为什么上下文学习有效，以及怎么写出真正顶用的例子。
- 上下文学习：few-shot prompting 为什么有效在 prompt 里给模型看几个例子，它当场就变好了，权重一点没动。这篇讲为什么会这样，以及它在哪里会失灵。
- Prompt 不灵了，接下来怎么办？四种不同的失败穿着同一件外衣。诊断清楚是哪一种，能省下那些用来反复改写一个根本不是问题所在的 prompt 的时间。
- Prompt 模式与反模式少数几种 prompt 结构能解决大部分任务，更少的几个错误造成了大部分失败。可复用的形状，以及要避开的形状。
- 从 LLM 里取出 JSON礼貌地要 JSON，多数时候能拿到 JSON。「多数时候」对代码来说不够，而有些办法能让它变成保证。
- 什么是 system prompt？在对话开头一次性设定的指令，放在一个结构上独立的位置，模型被训练成对这个位置另眼相看。