【吴恩达-AIGC/ChatGPT提示工程课程】
文章平均质量分 89
黎跃春
元壤教育创始人,AIGC职业培训专家讲师。
展开
-
【吴恩达-AIGC/ChatGPT提示工程课程】第六章 - 文本转换 Transforming
LLM非常擅长将输入转换成不同的格式,例如多语种文本翻译、拼写及语法纠正、语气调整、格式转换等。本章节将介绍如何使用编程的方式,调用API接口来实现“文本转换”功能。首先,我们需要OpenAI包,加载API密钥,定义getCompletion函数。转载 2023-04-30 23:20:32 · 684 阅读 · 0 评论 -
【吴恩达-AIGC/ChatGPT提示工程课程】第五章 - **推断 Inferring**
这就是关于推断的全部内容了,仅用几分钟时间,我们就可以构建多个用于对文本进行推理的系统,而以前则需要熟练的机器学习开发人员数天甚至数周的时间。它是关于员工满意度的,它是关于联邦政府的。大型语言模型的一个非常好的特点是,对于许多这样的任务,你只需要编写一个prompt即可开始产生结果,而不需要进行大量的工作。同样,如果你试图总结在线购物电子商务网站的许多评论,对于这些评论来说,弄清楚是什么物品,谁制造了该物品,弄清楚积极和消极的情感,以跟踪特定物品或特定制造商的积极或消极情感趋势,可能会很有用。转载 2023-04-30 23:19:56 · 201 阅读 · 0 评论 -
【吴恩达-AIGC/ChatGPT提示工程课程】第四章 - 文本概括 Summarizing
在2.2节中,虽然我们通过添加关键角度侧重的Prompt,使得文本摘要更侧重于某一特定方面,但是可以发现,结果中也会保留一些其他信息,如价格与质量角度的概括中仍保留了“快递提前到货”的信息。有时这些信息是有帮助的,但如果我们只想要提取某一角度的信息,并过滤掉其他所有信息,则可以要求LLM进行“文本提取(Extract)”而非“文本概括(Summarize)”。当然,在实际生产中,对于上百万甚至上千万的评论文本,使用for循环也是不现实的,可能需要考虑整合评论、分布式等方法提升运算效率。转载 2023-04-30 23:18:58 · 233 阅读 · 0 评论 -
【吴恩达-AIGC/ChatGPT提示工程课程】第三章 - 迭代式提示开发
当使用 LLM 构建应用程序时,我从来没有在第一次尝试中就成功使用最终应用程序中所需的 Prompt。但这并不重要,只要您有一个好的迭代过程来不断改进您的 Prompt,那么你就能够得到一个适合任务的 Prompt。我认为在提示方面,第一次成功的几率可能会高一些,但正如上所说,第一个提示是否有效并不重要。最重要的是为您的应用程序找到有效提示的过程。因此,在本章中,我们将以从产品说明书中生成营销文案这一示例,展示一些框架,以提示你思考如何迭代地分析和完善你的 Prompt。转载 2023-04-30 23:18:10 · 276 阅读 · 0 评论 -
【吴恩达-AIGC/ChatGPT提示工程课程】第二章 - 编写 Prompt 的原则
本章的主要内容为编写 Prompt 的原则,在本章中,我们将给出两个编写 Prompt 的原则与一些相关的策略,你将练习基于这两个原则来编写有效的 Prompt,从而便捷而有效地使用 LLM。转载 2023-04-30 23:16:39 · 770 阅读 · 0 评论 -
【吴恩达-AIGC/ChatGPT提示工程课程】第一章 - 简介
欢迎来到本课程,我们将为开发人员介绍 ChatGPT 提示工程。本课程由 Isa Fulford 教授和我一起授课。Isa Fulford 是 OpenAI 的技术团队成员,曾开发过受欢迎的 ChatGPT 检索插件,并且在教授人们如何在产品中使用 LLM 或 LLM 技术方面做出了很大贡献。她还参与编写了教授人们使用 Prompt 的 OpenAI cookbook。互联网上有很多有关提示的材料,例如《30 prompts everyone has to know》之类的文章。转载 2023-04-30 23:15:39 · 293 阅读 · 0 评论