如何高效使用大型语言模型 LLMs 初学者版本 简单易上手

第一条也是最重要的一条规则是

永远不要要求LLM提供你无法自己验证的信息,

或让它完成你无法验证其正确性的任务。

唯一例外的情况是那些无关紧要的任务， 例如，让大型语言模型提供公寓装修灵感之类的是可以的 。

首先请看两个范例

• 不佳示范：“使用文献综述最佳实践，总结过去十年乳腺癌的研究成果。”

  （这是一个不够好的请求，因为我们无法直接检查它是否正确地总结了文献。）

• 较好的示范：“给我一份过去 10 年关于乳腺癌研究的顶级综述文章列表。”

（这个提问比较好，因为你可以验证这些文章来源是否存在，并自己核对它们，因为这些都是权威专家撰写的。）

【一一AGI大模型学习 所有资源获取处一一】

①人工智能/大模型学习路线

②AI产品经理入门指南

③大模型方向必读书籍PDF版

④超详细海量大模型实战项目

⑤LLM大模型系统学习教程

⑥640套-AI大模型报告合集

⑦从0-1入门大模型教程视频

⑧AGI大模型技术公开课名额

👇下面讲讲写提示词的技巧：

让大型语言模型为您编写代码或查找相关信息非常简单，但回复的质量可能会有很大差异 ，我们可以从以下几方面来改善LLMs的输出质量。

设置上下文SET THE CONTEXT

• 明确告诉 LLM 它应该使用哪些信息

Tell the LLM explicitly what information it should be using

• 使用术语和符号 以引导LLM进入正确语境。

Use terminology and notation that biases the LLM towards the right context

如果你对如何处理某个请求有想法,告诉LLM采用该方法。

举个例子 “解这个不等式。”

"使用Cauchy-Schwarz定理求解这个不等式,然后应用完全平方法。"这些模型在语言方面比我们想象的更先进。哪怕极其模糊的指引有时也会有所帮助。

要具体 BE SPECIFIC

我们用的大语言模型不是谷歌搜索。你不必担心是否有网站讨论了你的确切问题。

再看个例子 “如何解涉及二次项的同时方程组?”

具体请求示范：“求解x=(1/2)(a+b)和y=(1/3)(a2+ab+b2)关于a和b的方程。”

还需要定义输出格式！DEFINE YOUR OUTPUT FORMAT

充分利用LLM的灵活性,以最适合你的方式格式化输出,例如: 代码 数学公式 论文体 教程 项目符号 你甚至可以要求它生成代码来生成: 表格 图形 图表等格式都可以。

注意⚠️ 大模型生成答案还那仅仅只是开始。那么我们就需要

• 二次验证回答 YOU NEED TO VALIDATE THE RESPONSE

你需要验证它的应答,包括: 寻找矛盾之处 谷歌搜索响应中的术语以获取支持性资料 有时候还需要自己生成代码来测试它提出的论点。

LLM常常会出现奇怪的错误,与它们表现出的专业水平不相符。例如,LLM可能会提及一个极其高级的数学概念,却在简单的代数运算上出错。这就是为什么你必须检查一切的原因。

利用错误产生反馈: 如果你在答案中发现错误或矛盾,要求LLM解释原因， 如果LLM生成有bug的代码,复制粘贴错误信息到LLM窗口并要求修复。

• *利用错误生成反馈* USE THE ERRORS TO GENERATE FEEDBACK

如果你在响应中发现错误或矛盾,要求LLM解释原因 如果LLM生成有bug的代码,复制粘贴错误信息到LLM窗口并要求修复。

• 还有一个超好用的方法就是——多问几次！

ASK MORE THAN ONCE

LLM是随机的。有时,简单地新开一个窗口并再次提问,可能会得到更好的答复。

• 还可以使用多个模型 USE MORE THAN ONE LLM

我目前使用Bing AI、GPT-4、GPT-3.5和Gemini AI,具体取决于我的需求。它们各有优缺点。根据我的经验,对于同一个数学问题向GPT-4和Gemini AI提问以获得不同视角是很好的做法。Bing AI擅长网络搜索。GPT-4比GPT-3.5智能得多(就像90分学生比10分学生一样),但目前获取更加困难.

关于参考资料 - 这是LLM特别薄弱的一个方面。有时LLM给出的参考资料确实存在,有时则并不存在。然而，这些虚假的参考资料并非完全无用。根据我的经验,虚假参考资料中的词语通常与该领域的真实术语和研究人员有关。因此,谷歌搜索这些术语通常可以让你更接近所需的信息。

保 持 适 度 期 望

虽然LLMs可以提高工作效率，但不应期望过高，特别是在需要精确验证的学术工作中。

有很多不现实的说法,LLM可以使我们的生产力提高10倍或100倍。根据我的经验,除非不需要双重检查任何工作,否则这种加速效果难以实现,而作为一名专业人士,不负责任地这样做是不可取的。

通过这些策略，我们可以更高效地将LLMs融入我们的工作流程中 最后祝大家拥有适合自己的AI小助手！
​

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓