【吴恩达】ChatGPT提示工程师 笔记【第三课Prompt 迭代开发】

 

[课程3地址](https://learn.deeplearning.ai/chatgpt-prompt-eng/lesson/3/iterative)

 

当我在使用大型语言模型构建应用程序时，我想我从未在第一次尝试时就得到了我最终在应用程序中使用的提示。但这并不重要。只要你有一个好的过程，能够反复改进你的提示，你就能找到一个适合你想要完成的任务的方法。  你可能听说过我说，当我训练一个机器学习模型时，它几乎从来没有在第一次就成功。实际上，我对我训练的第一个模型能够成功感到非常惊讶。我认为我们在进行提示时，第一次成功的可能性可能会稍高一些，但正如他所说，第一次提示是否成功并不重要，最重要的是找到适合你应用程序的提示的过程。

因此，让我们跳入代码，让我向你展示一些框架，让你思考如何反复开发一个提示。好的，如果你以前和我一起上过机器学习课，你可能看过我用一个图表说，对于机器学习开发，你经常会有一个想法，然后实现它。所以，写代码，获取数据，训练你的模型，这会给你一个实验结果。然后你可以看看那个输出，也许进行错误分析，了解它哪里有效或无效，然后可能甚至改变你想解决的问题的确切想法，或者如何去解决它。然后改变实现，运行另一个实验，如此反复，直到得到一个有效的机器学习模型。如果你对机器学习不熟悉，没有看过这个图表，不用担心，对于这个演示的其余部分并不那么重要。但是当你正在编写提示来开发一个使用LLM的应用程序时，过程可能非常相似，你有一个你想要完成的任务的想法，你可以尝试首次写出一个提示，希望它清晰且具体，也许，如果适当，给系统一些思考的时间。然后你可以运行它，看看你得到的结果。如果第一次的效果不够好，那么找出为什么指令，例如，不够清楚，或者为什么它没有给算法足够的思考时间，这个反复的过程允许你细化想法，细化提示，等等，然后在这个循环中反复进行，直到你得到一个适合你的应用程序的提示。 

 这也是为什么我个人没有太关注那些说有30个完美提示的互联网文章，因为我认为，可能并没有一个完美的提示适用于所有事情。更重要的是你有一个开发好的提示的过程，适用于你特定的应用程序。所以，让我们一起在代码中看一个例子。我在这里有之前视频中的起始代码，导入OpenAI，导入OS。在这里我们获取OpenAI API密钥，这是你上次看到的相同的辅助函数。在这个视频中，我将使用的运行示例是总结一张椅子的事实表。所以，让我在这里粘贴。如果你想的话，随时暂停视频，并在左边的笔记本上仔细阅读。

但这是一张椅子的事实表，描述说它是一个美丽的中世纪灵感家族的一部分，等等。它谈论了建筑，尺寸，椅子的选项，材料等等。它来自意大利。所以，假设你想要从这个事实表中提取出一些信息，帮助一个营销团队为一个在线零售网站编写一个描述。让我快速运行这三个，然后我们将按照以下提示进行，我会粘贴这个。所以我的提示在这里说，你的任务是帮助一个营销团队根据一个技术事实表创建一个零售网站的产品描述，编写一个产品描述，等等。对吧？所以这是我第一次尝试向大型语言模型解释任务。所以让我按shift-enter键，这需要几秒钟的时间来运行，我们得到这个结果。看起来它做得很好，写了一个描述，介绍了一个令人惊叹的中世纪灵感的办公椅，完美的添加，等等。但当我看这个的时候，我觉得，天哪，这太长了。它做得很好，完全按照我要求的方式，从技术事实表开始写一个产品描述。但当我看这个的时候，我觉得这太长了。也许我们