本文是程序员转行学习AI大模型的第12个核心知识点笔记，笔记后附精选的提示词工程学习资料。
当前阶段：还在学习知识点，由点及面，从 0 到 1 搭建 AI 大模型知识体系中。
系列更新，关注我，后续会持续记录分享转行经历～
提示词工程介绍
模型性格设置
Temperature：值越小，模型越倾向返回确定的结果；
Top_p：值越小，模型越倾向返回确定的结果；
一般，Temperature 和Top_p 改变其中一个参数即可，不用两个都调整。
提示词要素
指令：需要模型执行的特定任务或指令；
上下文：引导模型更好的响应，包括外部信息或额外的上下文信息；
输入数据：用户输入的内容或问题；
输出指示：指定输出的类型或格式。
提示词工程技术
少样本提示
通过给模型提供少量示例，更好的引导模型执行任务；
链式思考（CoT）
少样本提示虽然相比零样本提示，模型响应已经提示很多了，但是在更复杂的推理问题上，效果还有差距。
这时候，就要用更高级的提示词工程：链式思考（CoT）。
在复杂任务中，我们在给模型任务和指令时，补充“让我们一步一步思考”，让大模型生成一个接一个的思考推理链，引导模型逐步推理。
自我一致性
自我一致性是更高级的提示词技术，通过少样本 CoT，帮助模型更好的解决复杂任务。
后续在实际使用中，不断提升提示词技术。
提示词工程指导：提示工程指南 – Nextra
