【极简技术】写好提示词(prompt)的原则!——《ChatGPT提示工程课程》by吴恩达

从小白到专家:DeepSeek 模型硬件配置完全指南 DeepSeek是由深度求索(DeepSeek)推出的一系列大语言模型,涵盖从轻量级到超大规模的不同版本。高效性:优化了推理和训练效率,适合多种应用场景。灵活性:支持从单机到分布式集群的部署方式。多场景适配:适用于文本生成、代码补全、对话系统等任务。为了充分发挥DeepSeek模型的性能,合理的硬件配置至关重要。以下是针对不同规模模型的具体硬件需求。 阅读详情

继续捣鼓Notion软件。

终于还是避不开Notion AI。而一旦要调用这个AI,就自然而然的会去探索它调用的是什么大模型。

查了一下,居然是ChatGPT和claude。底子很扎实! 而一旦要和大模型打交道,避不开的话题就是Prompt(提示词)。

现在网上很多现成的、别人做好了的提示词模板,直接拿来就可以用。

但是,本着知其然而知其所以然的初衷,我还是找来了提示词工程的大佬:吴恩达,观看他录制的一个小时左右的关于ChatGPT提示词工程的入门课。

课程名为《ChatGPT Prompt Engineering for Developers》。

必须交代一下这门课程创作时间,是2023年7月发布,视频课程中引用的大模型是当时的ChatGPT3.5。虽说现在已经早就是大模型遍地开花,但是当时的那一套提示词底层逻辑是非常科学,至今依然非常实用。

今天分享第一节的内容

编写Prompt的两个关键原则
原则一:编写清晰、具体的说明

策略1:使用分隔符清晰地标识出输入的各个部分
策略2:提示模型以结构化格式输出结果
策略3:让模型检查是否满足条件
策略4:少样本提示
原则二:给予模型思考的时间

策略1:明确说明完成任务所需的步骤
策略2:提示模型不要匆忙得出结论,而是要找出自己的解决方案

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

吴恩达教你写提示词 ChatGPT prompt engineering 吴恩达教你写提示词 ChatGPT prompt engineering 1. 关键提示(prompt)原则 1. 基础 2. 编写明确和具体的提示词 3. 给模型时间“思考” 4. 模型的限制 5. 迭代式提示(prompt)开发过程 2. 提示(prompt)一些功能 1. 总结(summarizing) 2. 推理(inferring) 3. 转换(transforming) 4. 扩展(expanding) 阅读详情

相关推荐

吴恩达|chatgpt 提示词工程师学习笔记。

吴恩达和openai团队共同开发了一款免费的课程,课程是教大家如何更有效地使用prompt来调用chatgpt,整个课程时长1个半小时,也提供了对应的环境和代码,大家可以去学习。

薇酱的博客 3970

TensorFlow相关组件的安装

TensorFlow相关组件的安装

AAI666666的博客 3937

【简单入门】ChatGPT prompt engineering (中文版)笔记 |吴恩达ChatGPT 提示工程

ChatGPT提示工程师|AI大神吴恩达教你写提示词|prompt engineering

weixin_45837404的博客 1万+

本地部署DeepSeek大模型电脑配置推荐

针对本地部署DeepSeek大模型的配置需求,需根据模型规模(如7B/13B/70B参数)和量化方案进行区分。

huang9604的博客 3万+

吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版

五一假期结束了,但这个假期一些科技大佬可没闲着,这不吴恩达老师带来了《ChatGPT Prompt Engineering for Developers》课程中文版,主要内容为指导开发者如何构建 Prompt,并基于 OpenAI API 构建新的、基于 LLM 的应用,包括:书写 Prompt 的原则文本总结(如总结用户评论)文本推断(如情感分类、主题提取)文本转换(如翻译、自动纠错)扩展(如书写邮件)

程序员树先生的博客 1498

【吴恩达】ChatGPT提示工程师 笔记【第二课 Prompting 指南】

在这个视频中,Isa将为你呈现一些关于如何给出有效提示以获得你想要的结果的指南。特别地,她会详细介绍如何编写提示以有效引导工程师的两个关键原则。稍后,当她在Jupyter Notebook示例中进行讲解时,我也鼓励你随时暂停视频,自己运行代码,这样你就可以看到输出是什么样的,甚至可以修改确切的提示并尝试几种不同的变体,以获取输入和输出的提示的经验。因此,我将概述一些在使用像ChatGPT这样的语言模型时会有帮助的原则和策略。

fuxx126的博客 1207

【LLM】吴恩达『提示工程』课程完全笔记下载

『ChatGPT Prompt Engineering for Developers』是 吴恩达/DeepLearning.AI 为开发者准备的提示工程课程。 本文对该课程内容的完整翻译和整理,完整 PDF 版已上传到 GitHub,详见内文。

youcans的博客 1万+

DeepSeek R1本地化部署与联网功能实战指南:从零搭建智能对话系统

在人工智能技术快速发展的今天,如何将先进的对话模型DeepSeek R1部署到本地环境并赋予其联网能力,成为许多开发者和企业关注的重点。本文将深入讲解完整的本地化部署流程,并通过实例代码演示如何为模型添加实时网络访问功能。

理论都是虚的,代码才是王道。 7万+

吴恩达课程之prompt提示词——如何向chatgpt提问,获得你想要的结果?干货满满

吴恩达课程prompt学习笔记

weixin_43805502的博客 2319

未来已来?2026最新国内15家AI大模型应用盘点(附体验网址,持续更新)

未来已来?国内15家AI大模型盘点及体验网址,一起来看看吧!

Code_流苏:在代码中寻诗意,在实践中觅真知 12万+

吴恩达+Open AI 《面向开发者的ChatGPT Prompt 工程》课程学习2——prompt指导原则1

吴恩达+Open AI 《面向开发者的ChatGPT Prompt 工程》课程学习2——prompt指导原则1

artistkeepmonkey的博客 1570

提示工程01编写 Prompt 的原则

写在前面的话:作者 吴恩达教授欢迎来到本课程,我们将为开发人员介绍 ChatGPT 提示词工程(Prompt Engineering)。本课程由 Isa Fulford 教授和我一起授课。Isa 是 OpenAI 的技术团队成员,曾开发过受欢迎的 ChatGPT 检索插件,并且在教授 LLM (Large Language Model, 大语言模型)技术在产品中的应用方面做出了很大贡献。她还参与编写了教授人们使用 Prompt 的 OpenAI cookbook。

qq_40713201的博客 1213

从零搭建openEuler ARM64开发测试环境:手把手教你用libvirt+KVM配置虚拟机(含VNC远程安装)

本文详细介绍了如何在ARM64平台上从零搭建openEuler开发测试环境,涵盖libvirt和KVM配置虚拟机的完整流程,包括环境准备、存储配置、网络优化、XML配置详解以及VNC远程安装。特别针对华为欧拉(openEuler)系统进行了优化,帮助开发者快速构建高效的ARM架构虚拟化环境。

weixin_30545945的博客 587

吴恩达与 OpenAI 强强联手,《ChatGPT 提示工程》中英教程,来了!(附脑图笔记)

目前一些科技企业正在招聘大量的 AI 提示工程师,因为提示工程领域相对较新,要找到合格的候选人并不容易,但是一旦掌握就有先发制人并获得高薪的机会。为了帮助大家更好地掌握 Prompt 工程技能,DeepLearning.ai 的创始人吴恩达和 OpenAI 的开发者 Iza Fulford 合作推出了一门面向开发者的技术教程,名为《ChatGPT Prompt Engineering for Developers》。元,这里有全国最多的 AI 极客、全国最多的行业大佬,以及最好的课程内容。

qq_36452584的博客 1608

EtherCAT主站开发(学习笔记一)

摘要:本文介绍了基于STM32H7的EtherCAT主站开发探索。EtherCAT是一种高实时性工业以太网协议,具有低延迟、高带宽利用率等特点。文章详细解析了EtherCAT的协议架构、帧结构和工作原理,重点阐述了PDO数据传输过程及主从站通信机制。同时介绍了CoE、FoE等应用层协议扩展。作者将基于SOEM开源协议栈进行开发,为后续实际应用中的伺服电机控制奠定基础。

weixin_69388007的博客 1475

Comsol有限元网格剖分实战:从基础操作到高效仿真技巧

本文系统介绍了COMSOL有限元网格剖分的核心实战技巧。从基础的物理场控制与用户控制网格选择,到三角形、四边形、四面体等网格单元类型的适用场景,再到扫掠网格、边界层网格与复制网格等高效剖分方法,最后讲解了网格质量评估与几何预处理的关键步骤。旨在帮助用户掌握从自动到手动、从基础到高效的网格剖分艺术,实现仿真精度与计算效率的最佳平衡。

j7k8l的博客 376

AI时代必备技能!AI大神吴恩达教你如何写出完美的prompt提示词

ChatGPT可以被用来对冗长的新闻或说明书进行概括,生成主要内容的总结。在设计提示语时,你还能设定总结文本的长度。总的来说,优秀的Prompt设计能够大大提升AI模型,如ChatGPT的表现。通过明确目标、精细调整与持续迭代,我们可以引导模型产生更符合预期的结果。而ChatGPT则以其强大的语言理解和生成能力,为我们打开了无数可能性。

m0_59163425的博客 2712

SCS 43. 利用Scissor算法从单细胞数据中挖掘临床表型关联的细胞亚群

本文详细介绍了Scissor算法在单细胞转录组数据分析中的应用,该算法能够精准挖掘与临床表型关联的细胞亚群。通过建立单细胞RNA测序数据与临床预测模型的直接关联,Scissor避免了传统聚类方法的局限性,为疾病机制研究和个性化医疗提供了新工具。文章还涵盖了数据预处理、模型选择、结果验证等实战技巧。

weixin_28736335的博客 494

吴恩达-面向开发人员的 ChatGPT 提示工程

大部分的ChatGPT用户目前更倾向通过Web 用户界面去完成特定且通常是一次性的任务。而大语言模型(LLM)可以在开发者的手中实现更多的用途,但具体应该怎么做一直没有一个统一的体系去参考。幸运的是,人工智能领域的大佬吴恩达与OpenAI推出了面向开发者的ChatGPT提示工程课程,旨在教授开发者如何通过API调用LLM来快速构建软件应用程序。目前免费且新手也可以轻松上手!可能有的童鞋会问,什么是LLM呢,让我们简单介绍一下。1。

昨天发生了什么? 3506

YOLOv5改进——添加SimAM注意力机制

这样可以使注意力机制看到整个backbone部分的特征图,将具有全局视野,类似于一个小的transformer结构。注意:很多改进教程都是将代码直接复制到common.py文件,如果改进机制多了容易造成混乱。在models文件夹下新建modules文件夹,在modules文件夹下新建一个py文件。这里为simam.py。在models文件夹下,复制yolov5s.yaml文件,粘贴并重命名为yolov5s-simam.yaml。运行yolo.py,出现刚刚加入的SimAM注意力机制,说明加入成功。

2302_80099075的博客 1654

Cesium 实现气象(温度,降水,风速)可视化详细代码实现

本教程介绍了使用Cesium实现气象数据可视化的方法,主要包括:1) 搭建Cesium开发环境;2) 三种核心气象要素的展示技术:温度热力图(基于颜色渐变和点密度)、降水区域填充(矩形着色)和风速风向(粒子系统);3) 数据集成方案,包括模拟数据生成和API对接;4) 高级功能如3D温度柱和时间序列动画;5) 性能优化策略,如数据聚合和LOD控制。教程提供了完整的代码示例,从基础配置到视觉效果实现,帮助开发者构建交互式气象可视化应用。

专注AI大模型,软件混淆,授权 1857

AI辅助开发实战:基于吴恩达ChatGPT提示工程的Prompt Engineering优化指南

通过有意识地运用清晰的指令、充分的上下文和分步引导,我们完全可以将AI从一个时灵时不灵的“黑盒”,转变为一个稳定、高效的编程伙伴。Prompt Engineering的本质,是提升我们与强大工具之间的协作效率。这让我想起了最近在从0打造个人豆包实时通话AI这个动手实验中的体验。实验里,你需要精确地告诉AI模型(ASR、LLM、TTS)每一步该做什么:如何收音、如何理解意图、如何组织语言回复、用什么音色说话。这个过程,其实就是对一整套AI能力进行“提示工程”和“流程编排”。

2600_94959971的博客 662

【OpenClaw企业级智能体实战】第24篇:一人公司实战——用Agent Teams同时管理产品、运营、销售(附16个Agent配置方案+全流程指令模板)

当AI智能体从“单一工具”进化为“协同团队”,“一人公司”已从商业概念变为落地现实。2025年中国超1200万个体创业者采用OPC模式,靠AI团队突破人力边界。本文基于OpenClaw Agent Teams框架,拆解“1总指挥+15执行者”的三层AI组织架构,提供覆盖产品、运营、销售全业务的16个Agent分工矩阵、可直接复制的部署代码、通信配置方案与全流程指令模板。通过虚拟案例验证:单人+AI团队可实现月入26万的商业闭环,AI承担90%标准化工作,人力成本降低75000元/月,ROI超3200%。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 946

【AIGC】ChatGPT提示词Prompt精确控制指南:Noam Chomsky与Andrew Ng的建议详解

在Prompt设计的过程中,如何提高AI对用户需求的理解并提供精准的响应,是一个核心挑战。通过探讨乔姆斯基和吴恩达的观点,本文总结了提升Prompt设计效果的几个关键策略。乔姆斯基的见解强调了语义清晰性和一致性的重要性,特别是在跨文化和多语言环境下的Prompt设计中,确保AI系统能够准确捕捉用户的需求。而吴恩达则更注重简化语言和用户教育,通过降低技术门槛、提供教育资源和反馈机制,帮助更多人理解并高效使用Prompt。整合这两位专家的建议,能够更好地优化Prompt设计, 2024.10.22-✍92min

禅宗里有一个词叫做“因缘和合”。 所谓因缘,是指事件要发生所必须的条件。因缘和合就是当你聚集了这件事的一切条件,它就会自然而然的发生。“它就会自然而然的发生”,这种朴素而坚定的价值观让我们感到无比安心,安心到可以不用有任何担心焦虑。 1804

基于JeecgBoot 3.9.0 开源项目的企业管理平台

基于JeecgBoot 3.9.0 开源项目的企业管理平台

宁波阿成的博客 376

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

ChatGPT提示工程实战指南:从吴恩达课程到高效Prompt设计

你是否也遇到过这样的场景:满怀期待地向ChatGPT提出一个问题,得到的回答却要么答非所问,要么过于笼统,甚至有时会“放飞自我”,生成一些完全偏离预期的内容?作为AI开发新手,面对提示工程(Prompt Engineering)这个看似简单实则玄妙的领域,常常感到无从下手。输出不稳定、意图偏离、难以复现理想结果,是许多初学者共同的痛点。

2600_94960055的博客 719

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

上一篇: 大厂上来就手撕 Transformer,心凉了一半。。。
下一篇: GraphRAG应用中小图谱与大图谱的角色
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2840原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值