目录
前言
随着人工智能技术的飞速发展，AI原生应用开发已成为推动数字化转型的关键力量。AI原生应用不仅仅是传统应用的升级，而是从设计之初就深度整合了人工智能技术，以实现更智能、更高效的用户体验。提示工程（Prompt Engineering）作为AI原生应用开发中的一个重要环节，通过优化与AI模型的交互方式，能够显著提升应用的性能和用户体验。那么本文就来深入探讨提示工程的原理，并通过实战案例展示如何在AI原生应用开发中有效应用提示工程，方便大家查阅学习使用。
提示工程的定义
先来复习一下提示工程的含义，提示工程是指通过设计和优化与AI模型的交互提示（Prompt），来引导模型生成更符合预期的输出。在AI原生应用中，提示工程可以帮助开发者更好地控制模型的行为，提高模型的准确性和响应速度。
提示工程的重要性
在AI原生应用中，模型的性能不仅取决于其训练数据和算法，还依赖于输入提示的质量。通过优化提示，可以进行如下操作：
- 提高模型的准确性和相关性。
- 减少模型生成无关或错误内容的可能性。
- 提升用户体验，使应用更加智能和响应迅速。
提示工程的基本原则
接下来再来分享一下关于提示工程的基本原则
- 清晰性：提示应该清晰、简洁，避免歧义。
- 具体性：提供足够的上下文信息，使模型能够准确理解任务。
- 引导性：通过提示引导模型生成特定类型的输出。
- 灵活性：根据模型的响应调整提示，以获得最佳结果。
关于《AI原生应用开发提示工程原理与实战》
接下来给大家推荐一本关于AI原生应用开发的书籍，这是一本关于如何通过提示工程优化AI应用的干货图书，一经上市就登上了京东“计算机与互联网”图书排行榜前列。本书从AI原生应用的基础讲起，深入探讨了提示工程的原理与实战技巧，助你在AI开发实战中轻松提升应用性能！另外，关注本文博主，点赞+收藏本文，且在本文评论区评论“入手AI原生应用开发”，将选取三名幸运读者送出纸质版《AI原生应用开发：提示工程原理与实战》一本，截止时间：2025.01.29。入手《AI原生应用开发：提示工程原理与实战》传送门：https://item.jd.com/10136043938428.html，个人觉得这本书非常的不错，是一本不可多得的好书，值得拥有去学习。
编辑推荐
本书适合AI原生应用开发领域的从业者和研究人员，以及人工智能相关专业的教师和学生阅读。
由互联网大厂资深研发工程师撰写，呈现AI大模型落地经验！专注于提示工程的理论和实践，涉及4大应用场景，8大提示策略，包含100多个实践案例。
内容简介
本书结合AI原生应用落地的大量实践，系统讲解提示工程的核心原理、相关案例分析和实战应用，涵盖提示工程概述、结构化提示设计、NLP任务提示、内容创作提示、生成可控性提示、提示*设计、形式语言风格提示、推理提示和智能体提示等内容。 本书的初衷不是告诉读者如何套用各种预设的提示模板，而是帮助读者深入理解和应用提示设计技巧，以找到决定大语言模型输出的关键因子，进而将提示工程的理论知识应用到产品设计中。 本书适合AI原生应用开发领域的从业者和研究人员，以及人工智能相关专业的教师和学生阅读。
作者简介
魏承东，某互联网大厂研发工程师，拥有 10 余年技术研发经验，在云原生、大数据、AI 原生应用开发领域拥有丰富的项目实践经验。其主持研发的“疫情地图”系列产品曾服务* 10 亿用户，帮助公司获得“工业和信息化系统抗击新冠肺炎疫情先进集体”称号；主持的项目曾两次荣获“IDC 中国未来企业大奖”，是国内较早探索大语言模型在产业落地的技术*之一，持有国内外 30 余项发明专利。
图书目录
第 1章 提示工程概述 1
1.1 AI原生应用的形态 1
1.1.1 内容创作 1
1.1.2 辅助助手 2
1.1.3 能力引擎 2
1.1.4 智能体 3
1.2 AI原生应用开发面临的机遇与挑战 4
1.2.1 开发模式的华丽变身 4
1.2.2 技术落地的荆棘之路 4
1.3 案例演示的准备工作 5
1.3.1 使用官网接入大语言模型 5
1.3.2 使用API接入大语言模型 6
1.3.3 *体验 7
1.4 提示工程的本质 7
1.4.1 提示是引导生成的起点 8
1.4.2 提示是一个稳定的函数 9
1.4.3 用户提示是完整提示的一部分 9
1.5 KITE提示框架 11
1.5.1 注入知识 12
1.5.2 明确指令 13
1.5.3 设定目标 14
1.5.4 确定边界 15
1.6 提示调试技巧 16
1.6.1 迭代优化 16
1.6.2 给提示添加调试说明 17
1.6.3 让模型重述任务 18
1.6.4 利用知识生成能力生成任务描述 19
1.7 小结 21
第 2章 结构化提示设计 22
2.1 结构引导设计 22
2.1.1 层次结构 22
2.1.2 输入和输出位置 22
2.1.3 有序列表和无序列表 23
2.1.4 解释或补充说明 23
2.1.5 不可分割 24
2.1.6 强调内容 24
2.1.7 语义槽位 24
2.1.8 内容边界 25
2.1.9 输出格式 25
2.1.10 字段名称和数据类型 26
2.1.11 输出长度控制 27
2.2 内容引导设计 28
2.2.1 模拟对话提示 28
2.2.2 句式引导提示 28
2.2.3 前导语提示 29
2.2.4 规律提示 29
2.2.5 少样本提示 30
2.2.6 取值范围提示 31
2.3 提示编排设计 32
2.3.1 映射-化简策略 33
2.3.2 长文本滚动策略 35
2.3.3 多阶段拆分策略 37
2.4 小结 39
第3章 NLP任务提示 40
3.1 文本生成任务 41
3.1.1 文本摘要 41
3.1.2 观点总结 42
3.1.3 机器翻译 43
3.1.4 对抗文本生成 45
3.1.5 同义句转换 45
3.2 文本分类任务 46
3.2.1 基本文本分类 46
3.2.2 文本相似度评估 48
3.2.3 文本聚类 49
3.2.4 情感分析 50
3.3 信息抽取任务 52
3.3.1 关键词抽取 52
3.3.2 命名实体识别 53
3.3.3 属性抽取 54
3.3.4 关系抽取 56
3.3.5 隐含信息抽取 57
3.4 文本整理任务 59
3.4.1 文本纠错 59
3.4.2 表格整理 60
3.4.3 信息筛选 63
3.4.4 知识整合与更新 65
3.5 小结 67
第4章 内容创作提示 68
4.1 影响创作质量的核心要素 68
4.1.1 内容创意 69
4.1.2 受众定位 75
4.1.3 创作目的 76
4.1.4 文体选择 76
4.1.5 风格要求 77
4.1.6 呈现方式 82
4.2 基础创作提示 85
4.2.1 撰写 85
4.2.2 改写 87
4.2.3 润色 88
4.2.4 续写 89
4.2.5 扩写 89
4.3 长文本创作提示 90
4.3.1 巧用文体结构进行创作 91
4.3.2 利用人机交互进行创作 92
4.3.3 基于故事框架进行创作 93
4.4 小结 97
第5章 生成可控性提示 98
5.1 可控性问题分类 98
5.1.1 幻觉问题 98
5.1.2 指令遵循问题 99
5.1.3 内容*问题 100
5.2 可控性影响因素 101
5.2.1 训练数据 101
5.2.2 涌现性和多样性 102
5.2.3 生成过程控制 102
5.3 生成参数和对话控制 103
5.3.1 生成参数调节 103
5.3.2 对话历史管理 104
5.3.3 对话立即停止 104
5.4 基于提示的可控设计 105
5.4.1 内容范围限定提示 105
5.4.2 前置条件限定 106
5.4.3 回答“我不知道” 108
5.4.4 使用外部知识 109
5.4.5 要求引用原文回答 110
5.4.6 使用外部工具 110
5.4.7 记忆增强提示 114
5.4.8 任务说明后置 115
5.5 基于内容审查的可控设计 116
5.5.1 基于传统模型的内容审查 117
5.5.2 基于大语言模型的内容审查 118
5.6 小结 119
第6章 提示*设计 120
6.1 数据泄露 121
6.1.1 模型记忆泄露 121
6.1.2 应用调用泄露 121
6.1.3 主要防御手段 122
6.2 注入攻击 127
6.2.1 任务挟持 127
6.2.2 提示泄露 128
6.2.3 越狱攻击 128
6.2.4 主要防御手段 130
6.3 越权攻击 134
6.3.1 代码解释器漏洞 134
6.3.2 开发框架漏洞 136
6.3.3 调用工具漏洞 137
6.3.4 主要防御手段 138
6.4 小结 142
第7章 形式语言风格提示 144
7.1 利用形式语言增强提示 144
7.1.1 编译器提示 145
7.1.2 数据类型 145
7.1.3 运算指令 150
7.1.4 控制结构 151
7.2 利用大语言模型编写代码 157
7.2.1 代码生成提示 157
7.2.2 代码优化提示 168
7.2.3 错误检查提示 172
7.3 小结 177
第8章 推理提示 178
8.1 大语言模型的推理 178
8.2 基础思维链 179
8.2.1 *样本提示 179
8.2.2 少样本提示 180
8.2.3 少样本思维链提示 181
8.2.4 *样本思维链提示 182
8.3 进阶思维链 185
8.3.1 思维表提示 185
8.3.2 自我一致提示 187
8.3.3 由少*多提示 188
8.3.4 自问自答提示 192
8.4 高阶思维链 195
8.4.1 思维树提示 195
8.4.2 推理-行动提示 200
8.4.3 自动思维链提示 204
8.5 尝试构建自己的思维链 208
8.5.1 自由辩论提示 209
8.5.2 圆桌会议提示 211
8.6 小结 213
第9章 智能体提示 215
9.1 什么是智能体 216
9.2 感知端 217
9.2.1 文本输入 217
9.2.2 视觉输入 218
9.2.3 听觉输入 219
9.2.4 其他输入 219
9.3 控制端 221
9.3.1 大语言模型 221
9.3.2 任务规划模块 221
9.3.3 记忆模块 227
9.4 行动端 233
9.4.1 文本输出 233
9.4.2 工具使用 235
9.5 小结 250
第 10章 AI原生应用开发展望 252
10.1 AI原生应用的落地 252
10.1.1 远离妄想与过度理想 252
10.1.2 重视系统之外的调整 253
10.1.3 选择务实的技术路线 253
10.2 AI原生应用效果评估 254
10.2.1 基准模型评估 255
10.2.2 AI原生应用评估 255
10.2.3 评估指标 256
10.2.4 评估方法 259
10.2.5 评估方法的选择 264
10.3 待解决的工程化问题 265
10.4 小结 266
本书特色
1.内容全地面：从基础到进阶、从原理到实践，系统掌握提示工程
2.实战导向：包含提示工程的100多个实践案例和技巧
3.由浅入深：本书的初衷并非仅仅指导读者如何套用各种预设的提示模板，而是通过深入理解并掌握提示工程，从而找到对大语言模型的输出有决定性影响的关键因子，推动AI原生应用的落
《AI原生应用开发提示工程原理与实战》内容提要
本书结合AI原生应用落地的大量实践，系统讲解提示工程的核心原理、相关案例分析和实战应用，涵盖提示工程概述、结构化提示设计、NLP任务提示、内容创作提示、生成可控性提示、提示安全设计、形式语言风格提示、推理提示和智能体提示等内容。
本书的初衷不是告诉读者如何套用各种预设的提示模板，而是帮助读者深入理解和应用提示设计技巧，以找到决定大语言模型输出的关键因子，进而将提示工程的理论知识应用到产品设计中。
本书适合AI原生应用开发领域的从业者和研究人员，以及人工智能相关专业的教师和学生阅读。
结束语
通过本文的详细分享和探讨，想必大家都深入了解了提示工程的原理和实战应用。提示工程作为AI原生应用开发中的一个重要环节，通过优化与AI模型的交互提示，能够显著提升应用的性能和用户体验，通过设计、调试和优化提示，开发者可以更好地控制模型的行为，提高模型的准确性和响应速度。随着技术的不断发展，提示工程将继续在AI原生应用开发中发挥重要作用，为用户提供更加智能和高效的服务。最后，希望本文提供的提示工程原理和实战案例能够帮助大家在AI原生应用开发中取得更好的成果，尤其是如果大家想要深入学习提示词工程的原理和实战可以入手《AI原生应用开发提示工程原理与实战》这本书，个人觉得这本书真心不错，内容非常的翔实，值得拥有！
扫一扫
2306
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
