1.提示词工程
对于初学者而言，大部分人会认为这个提示词并没有什么大不了的，就是和我们的这个AI工具进行简单的对话，其实实际情况没有我们想象的那么简单，今天我们通过这个文章，在dify平台上面去创建这个聊天助手的应用，来了解提示词的相关内容；
2.dify演示
在我们的这个主页面上面创建空白的应用；
下面的这个页面应该算是一个正常的页面，但是实际上作为新手小白，我们对于这个提示词工程的学习，只需要从这个最基础的聊天助手进行学习即可，但是新手小白可能出现：为什么我没有这个选项？等等疑惑，其实上面显示的这个工作流和chat flow在我们在我们最开始学习这个dify的时候其实并不适合作为入门，正确的这个学习方法应该是去从我们最熟悉的这个聊天助手里面去对于相关内容去了解和学习，再把我们学习的这个结果应用到注入这个工作流和chat flow里面去之类的；
实际上这个和我们的教程的新旧有关，以及这个网站的更新的情况，这个聊天助手作为最基础的模型，被我们的这个网站藏起来了，你只需要点击一下下面的这个地方就可以看到啦：
下面我们直接创建这个聊天助手即可;
这个时候我们就可以开始和我们选择的这个大模型进行对话了，右上方的这个我们可以选择自己之前已经配置了这个api的大模型，就可以和我们选中的这个大模型进行对话；
3.评估模型解决问题的能力
就是我们需要在一件事情上面达成共识：不同的大模型都是存在自己擅长的领域的，也就是专用的人工智能，和我们人是类似的，对于一个大模型而言，他不可能擅长处理所有的东西，面对不同类型的处理，它显示出现的这个效果和性能肯定是存在着差别的；
因此在这个章节里面，我们学习一下如何对于这个大模型回答问题的这个能力进行横向的这个比对，我么同时让多个模型回答同一个问题，进而去评判哪一个模型更加适合回答我们的这个问题；
通过上面大家应该可以看到，我配置的这个大模型都是国内的大模型，免费的大模型，因为我的资金有限，而且是学习阶段，暂时用不到那么高的这个大模型的配置；
我目前选择的是深度求索，千问，以及这个modelscope三个厂商对应的大模型对于问题进行测试，来评估我们的大模型处理相同的问题的处理的结果；
下面的这个就是两个模型进行比对，同时对于这个问题进行回答，查看这个效果，我问的是一个关于文学上面的问题，看看两个大模型的理解能力上面的差异；
根据这个不同的大模型对于一样的这个问题的回答的效果，我们进行对比，或许就可以知道我们询问的这个问题哪一个大模型会更加擅长进行处理，这个只是一个思路，给大家参考，这个平台，最多情况下是支持四个大模型同时进行调试的；
测试结束之后，我们选择自己想要的，点击这个选择单一模型进行调试即可；
4.提示词参数介绍
实际上参数衡量的是我们的这个大模型的输出结果的稳定性，类似于这个保守和激进，如果你的这个参数值调的非常大，这个时候大模型回答的可能就会比较激进，也就是说添加很多的这个修饰词之类的，但是参数值很小，这个时候大模型的回答就会非常的保守，也就是选择自己认为更加正确的进行输出；
下面的这个就是我们的提示词的详情信息：我们可以看到这个User和aasitant,这个实际上就是我们的提问的人和聊天助手之间的对话，这个其实是非常容易看懂的；
这个时候如果我们想给这个助手添加一些限制，这个时候我们就可以在这个左边的提示词里面添加内容，例如我下面的这个案例；
这个时候，再次打开这个对话的详情页面，这个时候大家可以看到这个上面多了一个system，也就是系统的意思，这个可以理解为系统提示词，可以帮助我们的聊天助手更好的输出符合我们的条件要求的回答，相当于是给了这个聊天助手一个身份；
