AI-prompt（提示）个人笔记

本节笔记为个人理解，仍然需要去看原视频，因为这真的只是笔记，每节都十分简短

不插入图片了，避免侵权问题（原视频是吴恩达和openai合作的那个）

目前来说视频中举的例子都是“提示”+“信息”

“提示”即你需要执行的操作，“信息”则是你操作的对象；但是大多数可能信息这个部分我们都会把它省略

Eg:提问类似“用matlab写一段基础的粒子群代码”，这个就只有提示，这里的信息则是模型自身的数据库（个人理解），或者是从互联网上找答案。

第一节视频

简单介绍Base LLM和Instruction Tuned LLM

后者更像问答式，平时使用的也就是这种，后面的视频也是对后者的

这个不是重点，感兴趣自行可以深入学习

第二节视频

两个原则：1 编写明确和具体的指令（明确不是简短，部分场合提示长些更好）   2 给模型足够的时间

一开始我还以为像是在网页上运行，其实直接用py调用openai的api，不过差不多

第一原则的4个策略

将你的提示和执行的对象分开

这里的例子是个人的理解

eg：简化下面一段话：xxx论文的摘要（此处省略300字）

这里'简化下面一段话'为提示，'：'为分隔标志，'xxx论文的摘要'为信息内容

1 分割标志(delimiters)可以使用其他的符号，类似''',""",---,<>,或是用XML中<tag></tag>都行

2 结构化输出 像是用json和html输出

视频中的例子是指用json生成3个书的信息

3 在提示中设置一些条件，如果xxx，则xxx；如果xxx，则xxx（逻辑和if-else一样）

视频中例子：两段信息做了两次问答：1 沏茶的步骤 2 一段无关的信息

前者将整个步骤流程正常的回答了，后者则回答没有任何指令

这个只看笔记的话不好理解，建议看视频的例子

4 少样本举例 先给AI一个成功回答的例子，告诉模型按例子的风格进行回答，再进行提问

第二原则的策略

1 将你的任务分步

2 在模型给出结论前让其给推理过程 （使得模型的答案更加准确）

模型有一个比较严重的问题：喜欢胡扯，编造一些不存在的东西，关键你不容易去分辨

目前减少编造的方法：让AI模型给出来源或规定引用指定的内容

第3节  不断更新（迭代）你的提示词或者说如何开发你的提示

为你的特定应用开发出一个好的提示分为4步

1 做一个清晰准确的提示

2 运行并分析为什么没有给出理想的输出

3 重写提示

4 重复第2步

从这开始后面为具体的应用

第4节 总结文本

对一段文本进行总结，可以根据自身喜好设置不同方面的权重

视频举例是针对大量评论的精简，这样可以高效了解所有的想法

其实就是写摘要，不完全是，不过差不多

第5节 推断

提取关键词，理解分析文本的情感

视频中的例子使用情感分析或提取名称

可以理解提取摘要中的关键词

第6节 转换

将一段信息转换成不同格式，将不符合规范的转换为符合规范的

例子：转换语气，翻译，html转json等等

实际应用就是扩写、改写等

第7节 扩展

设置不同的随机程度（temperature）使得回答更加有创意（随机性更高了）

每次输出都会有较大的不同

第8节 智能聊天助手

这一点网友已经开发了，比如猫娘

但是目前这个AI记忆功能并非永久保存，每次对话可能都得给上下文

视频中演示得比我介绍得复杂的多，不过功能较为单一，其实也够全面了

这种发展到一定程度其实完全可以接入其他应用的api，比如美团，你就直接对话智能聊天助手“来一份xxx，xxx要求”，然后就能直接下单，不需要你去打开app

也许到我理想的程度就是，“给我写一篇关于xxx的论文”，然后直接发给我一份word或者pdf

最后，还是实践操作优先，不使用人工智能模型就很难理解提示的作用，另外，提示也只是更方便去高效使用模型的方法，每个人最好根据自己的需求去创造自己的，当然，有些通用的也可以直接使用，怎么方便怎么来。