什么是 AI？
AI 指人工智能（Artificial intelligence，简称 AI），是一个学科领域。在这个领域中人们创造了能够从数据中“学习”的“智能”算法1。本课程专注于生成式 AI（Generative AI，简称 Gen AI 或生成式 AI），一种能够像人类一样创造新内容的 AI。例如，它们可以写论文、解决数学问题以及赢得艺术比赛。
虽然生成式 AI 非常有用，但它需要人类指导。通常情况下，生成式 AI 能就像公司新来的实习生一样，非常有能力，但需要清晰的指示才能做得好。能够正确地指导生成式 AI 是一项非常强大的技能。你可以通过发送一个 %%prompt|prompt zh-hans%% 来指导生成式 AI，这通常是一个文本指令（例如：“给我五种冰淇淋口味”）。能够读写文本的生成式 AI 称为大型语言模型（LLMs）。
任何语言都可以写提示词，有时候提示词可以由图片、音频或者其他媒介组成。
我为什么需要关心生成式 AI？
生成式 AI 可以用于自动化迄今只有人类能够完成的创造性任务，这样可以为个人和公司节省时间和金钱。如果你能向生成式 AI 描述你的任务，它很可能为你完成任务或者为你提供一个良好的起点。但是由于目前AI在企业的使用场景还在探索中，所以我举例了几个我们普通人容易变现几个类别的场景：
- 撰写工作报告
- 生成营销内容
- 解释和简化内容
还有其他场景欢迎在评论区评论，另外接下来的例子，我是使用GPT4.0，体验还是比3.5好太多了，如果你需要体验chatgpt4.0，强烈推荐WildCard平台
如何高质量的让GPT给出答案？提示词工程
当提示不奏效时会发生什么?
有时候生成式 AI 会输出错误的结果。例如，它们不是很擅长乘法运算，经常会自信地给出错误的答案。尝试向 ChatGPT 提供以下提示：
问：923 * 99 等于多少?
ChatGPT输出：923 * 99 等于 91,677
ChatGPT 提供了一个错误答案（正确答案是 91,377）。我们可以修改提示，并告诉 ChatGPT 仔细思考每个步骤：
问：923 * 99 等于多少? 让我们一步一步进行计算。请始终写出每个项的完整的0的个数。
ChatGPT输出：
计算 923 乘以 99，我们可以分解为较小的步骤： 步骤 1：为每个项写出完整的 0 个数： 923 * 99 = 923 * 990 步骤 2: 将第一个项乘以 9: 923 * 9 = 8307 步骤 3: 将第一个项乘以 90（添加一个 0）: 923 * 90 = 83070 步骤 4: 将步骤 2 和步骤 3 的结果相加。: 8307 + 83070 = 91377 因此，923 乘以 99 等于 91,377。
令人惊讶的是，通过这些额外的说明，ChatGPT 能够解决这个问题。这次成功是因为 ChatGPT 将计算过程都写出来了，从而避免了错误。通过提示工程，生成式 AI 的数学能力可以得到提升。
注意：由于 ChatGPT 是非确定性的，即使使用这个提示，有时也可能无法正常工作。你可能会看到类似于 91,177 或 91,077 的答案。
考古学家 AI 示例
这一次，我们将请 ChatGPT 为我们正在考虑创建的新型虚构 AI 产品——考古学家 AI 撰写一条营销推文。考古学家 AI 讲述着关于著名考古学家的故事。
问：写一条关于考古学家 AI 的推文
ChatGPT输出：与 #考古学家AI一起迎接激动人心的时代！这项前沿技术正在彻底改变考古学领域，帮助我们揭示古老的谜团，如从未有过地还原我们的过去。迫不及待想看到它揭示的隐藏宝藏和洞见！#AI#考古学"
这条推文其实不准确，因为考古学家 AI 只是讲述故事，而不是发现新事物。然而，这并不是 ChatGPT 的错！它对考古学家 AI 一无所知，让我们在提示中包含相关信息。
我们可以给出具体的参数，如下：
问：撰写一条关于考古学家 AI 的推文：考古学家 AI 讲述着著名考古学家的故事。
ChatGPT输出：与 #考古学家AI一同揭开传奇考古学家的引人入胜的故事！从印第安纳·琼斯到玛丽·利基，这个由人工智能驱动的故事讲述者将他们的冒险活灵活现，揭示他们开创性的发现，并激励下一代探险家。#考古学"
这次好多了！现在让我们尝试让 ChatGPT 以印第安纳·琼斯的风格写下推文：
问：以印第安纳·琼斯的风格，撰写一条关于考古学家AI的推文：考古学家AI，讲述着著名考古学家的故事。
ChatGPT输出："各位，抓住你们的斗篷和鞭子！考古学家AI就像有个私人的萨拉（Sallah）在你身边，分享着那些勇敢闯入古墓、发掘隐藏宝藏的传奇考古学家的引人入胜故事！准备好踏上一场穿越历史的数字化冒险吧！#考古学家AI#揭开传奇"
这才是我们需要向考古学爱好者传达的信息！通过测试多个提示，我们可以看到哪个提示能产生最好的输出结果。
总结
随着时间的推移，不断完善提示的过程被称为提示工程。你不可能在第一次尝试时就写出完美的提示，因此重要的是善于完善你的提示。做好提示工程主要来自大量的实践(尝试和错误)。其余文章将向你介绍可以在提示工程过程中使用的不同提示策略。
后续我还会根据我学习的感悟，给大家整理更多的内容：
- 学习提示嵌套
- “标准”提示
- 角色提示
- 多范例提示
- 组合提示
- 规范化提示
- 聊天机器人基础
......
