【01 简介 introduction】ChatGPT Prompt Engineering 提示语工程师openAI官方课程 吴恩达 人工智能

本课程由吴恩达（Andrew Ng）与 OpenAI 技术人员 Isa Fulford 共同讲授，旨在探讨如何利用大型语言模型（LLM）API 进行软件开发，并分享提示词（Prompting）的最佳实践。课程强调，尽管目前互联网上关于提示词的讨论多集中于 ChatGPT 网页端的一次性任务，但 LLM 作为一种开发者工具，其在快速构建软件应用方面的潜力仍被严重低估。本课程将涵盖软件开发中的提示词原则、常见应用场景（如总结、推断、转换、扩展）以及如何构建聊天机器人，旨在激发开发者构建新应用的灵感。

课程首先区分了“基础模型”（Base LLM）与“指令微调模型”（Instruction-tuned LLM）。基础模型通过海量互联网数据训练，旨在预测下一个最可能的词，但其输出往往难以直接满足特定指令需求。相比之下，指令微调模型通过在指令数据上进行微调，并结合“人类反馈强化学习”（RLHF）技术，被训练得更加乐于助人、诚实且无害。因此，课程建议开发者在实际应用中优先选择指令微调模型，因为它们更易于使用且安全性更高。

在提示词编写原则方面，课程提出将 LLM 视为一名“聪明但缺乏具体背景知识的助手”。为了获得理想的输出，开发者必须提供清晰、具体的指令。例如，在要求模型撰写关于艾伦·图灵的内容时，明确主题侧重点（如科学成就或个人生活）、文风（如专业新闻报道或随笔）以及提供参考资料，能显著提高任务完成的质量。课程最后指出，除了保持清晰明确外，另一个重要的提示词原则是“给模型思考的时间”，这将在后续课程中进一步深入探讨。