Anthropic提示工程课程——导读

于 2024-09-15 03:21:13 发布
阅读量473 收藏 14
点赞数 7
分类专栏： AI知识 文章标签： prompt
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/pplllaaud/article/details/142268768
版权

欢迎来到Anthropic的提示工程交互式教程

注意： 本教程不提供代码示例，无法按照示例与Claude进行交互，带有代码示例的完整教程请访问：
courses/prompt_engineering_interactive_tutorial/README.md at master · anthropics/courses · GitHub

课程简介及目标

本课程旨在为您提供如何工程化 Claude 中最佳提示的全面分步理解。

完成此课程后，您将能够：

✓ 掌握良好提示的基本结构
✓ 识别常见故障模式并学习解决它们的“80/20”技巧
✓ 理解克劳德的优点和缺点
✓ 从零开始构建常见的用例的强大提示

课程结构和内容

这门课程结构设计，让您有多次练习写作和自行排查提示的机会。课程分为9 个章节，附带练习，以及一个包含更多高级方法的附录。本课程旨在让您按章节顺序完成课程学习。

每节课底部都有一个“示例游乐场”区域，您可以在这里自由地尝试课程中的示例，亲自看看改变提示如何改变 Claude 的回答。

注意： 本教程使用我们最小、最快、最便宜的模型，Claude 3 Haiku。我们还有 另外两种模型，Claude 3 Sonnet 和 Claude 3 Opus，它们比 Haiku 更智能，其中 Opus 是最智能的。

当你准备好开始时，点击第 1 章课程继续。

目录

每个章节包含一个课程和一组练习。

《Anthropic提示工程课程》.pdf全文下载

https://www.aisharenet.com/anthropictishiba-3/

初级

中级

高级

如果你完成了所有练习，现在你已经跻身于顶尖 0.1% 的大语言模型专家之一。你已成为精英中的一员！

你所学到的技巧，从逐步思考到分配角色，再到使用示例进行清晰写作，这些技巧都可以通过无数种方式进行融合、重新组合和调整。

提示词工程是一个非常新的学科，因此保持开放的心态很重要。你可能是下一个发现出色提示词技巧的人。

如果你想看到更多优秀提示词的示例以获取灵感：

    • 从我们的 cookbook 中学习可投入生产的提示词示例
    • 阅读我们的 提示词指南
    • 查看我们的 提示词库 获取灵感
    • 尝试我们的实验性 元提示词 来让 Claude 为你编写提示词模板！
    • 在我们的 Discord 服务器 上提问
    • 了解 Anthropic API 参数 ，如 temperature 和 max_tokens
    • 如果你对学术感兴趣，可以阅读一些关于提示词工程的 论文
    • 练习编写提示词，让 Claude 完成你感兴趣的任务

如果你想了解超出本教程范围的高级提示词技巧，请点击查看附录！

  • 附录： 超越标准提示

我们的函数调用系统和语法将在不久的将来进行改进。当这些改进完成后，我们将提供完整的函数调用教程。

目前，如果你想学习如何在 Claude 中使用函数和工具，请参阅我们的函数调用 [文档]、[示例代码]、[工具使用库]。

    • 搜索与检索

你知道你可以使用 Claude 来为你在 Wikipedia 上进行搜索吗？Claude 可以查找并检索文章，然后你还可以使用 Claude 来总结和综合这些文章，从中撰写新内容等等。不仅仅是 Wikipedia！你还可以在自己的文档中进行搜索，无论是以纯文本形式存储还是嵌入在向量数据库中。

查看我们的 [RAG cookbook examples] 以了解如何补充 Claude 的知识，并通过从向量数据库、Wikipedia、互联网等处检索的数据来提高 Claude 的回答准确性和相关性。在那里，你还可以了解如何使用某些 [embeddings] 和向量数据库工具。

pplllaaud
关注
专栏目录
大语言模型原理与工程实践：思维树提示
程序员光剑
06-12 111
大语言模型原理与工程实践：思维树提示 1.背景介绍 1.1 大语言模型的兴起 近年来,大型语言模型(Large Language Models, LLMs)在自然语言处理(NLP)领域掀起了一场革命。这种基于深度学习的模型能够从海量文本
大语言模型原理与工程实践：提示词设计
AI大模型应用之禅
06-14 677
大语言模型原理与工程实践：提示词设计 1. 背景介绍 1.1 大语言模型的兴起 近年来,大型语言模型(Large Language Models, LLMs)在自然语言处理领域掀起了一股热潮。这些模型通过在海量文本数据上进行预训练,学
大模型算法必学，万字长文Llama-1到Llama-3详细拆解
zhishi0000的博客
09-04 2045
总之，Llama模型的发布不仅证明了开源模型在全球AI领域的重要性，也为AI的未来发展方向提供了新的视角和动力。通过持续的技术进步和社区驱动的创新，Llama有望继续推动全球AI技术的广泛应用和发展。
『大模型笔记』2024大模型AI工程师必备技能！
AI新视界
07-04 236
文章首先介绍了大语言模型（LLM）的基本概念，并提出了一个五层结构的框架来帮助理解 LLM 在不同应用中的使用方式。第一层是问答引擎（Q&A），即用户向 LLM 提问并获得答案。第二层是聊天机器人，它在 Q&A 的基础上增加了短期记忆，能够进行连续的对话交互。第三层是检索增强生成（RAG），它除了拥有 Q&A 和短期记忆外，还能够利用外部知识进行信息检索和生成回答。第四层是智能体（Agent），它将 LLM 与各种工具集成，能够执行具体的任务和操作。文章还讨论了函数调用（Function Calling）。
【AI写作】怎样使用AI写作每天赚钱？—— 使用 AI 写作和每天产生被动收入的终极指南
热门推荐
程序员光剑
03-17 2万+
关键词：人工智能写作，人工智能文案，内容生成软件，自动化写作工具，人工智能赚钱人工智能写作是利用人工智能技术为各种目的生成内容。人工智能文案通常涉及使用自动写作工具或内容生成软件，这些软件使用自然语言处理和机器学习算法来创建人类可读且准确的内容。人工智能写作可用于生成博客文章、文章、网络副本、新闻稿以及其他类型的内容。人工智能写作还可用于制作广告、营销文案和其他类型的文案。人工智能写作可以通过自动创建内容来帮助公司节省时间和金钱。公司可以用AI写作快速准确地生成内容。
『大模型笔记』Anthropic团队：什么是大模型的可解释性！
AI新视界
06-11 127
我在Anthropic的可解释性团队工作。可解释性是一门从内部全面理解AI模型的科学。我们这些研究人员正努力弄清楚这些网络学到了什么以及它们是如何工作的。这有点像在研究一种新型的生物学。我们专注于一种叫做机械可解释性的方法，尝试从理解非常小的单元开始，逐步扩展到更大的机制。许多人会惊讶于我们需要进行可解释性研究，认为我们不理解自己创造的这些系统。在某种重要意义上，我们不是在“构建”神经网络，而是在“培养”它们。我们学习它们的过程就像进化一样。
论文翻译：arxiv-2022 Ignore Previous Prompt: Attack Techniques For Language Models
CSPhD-winston的博客
09-11 1058
基于Transformer的大型语言模型（LLMs）为大规模面向客户的应用程序中的自然语言任务提供了强大的基础。然而，探索恶意用户互动中出现的漏洞的研究却很少。通过提出PROMPTINJECT，一个基于掩码的迭代对抗性提示组合的平淡对齐框架，我们检验了GPT-3（生产中部署最广泛的语言模型）如何容易被简单的手工输入所误导。特别是，我们研究了两种类型的攻击——目标劫持和提示泄露——并展示了即使是低能力的，但足够恶意的代理，也可以轻易利用GPT-3的随机性，造成长尾风险。
提问即创作：用Prompt提示词引领AI灵感爆发
2401_85046497的博客
09-12 1043
提示词工程一句话的解释组织有规律的关键词，抽取有用的信息。提示词是如何影响AI的输出结果?从以上可以看出，对AI输入不同的提示词，会显著影响AI回答问题的角度和专业度。精心设计的提示词能够引导AI更准确地理解问题背景，从而以更专业的视角和更贴切的答案进行回应。反之，模糊或不当的提示词则可能导致AI偏离主题，降低回答的专业性和准确性。因此，提示词工程在优化AI输出、提升用户体验方面扮演着至关重要的角色。
AI创作新手册：精通Prompt提示词的提问策略
2403_84369848的博客
09-12 1031
提示词工程一句话的解释组织有规律的关键词，抽取有用的信息。提示词是如何影响AI的输出结果?从以上可以看出，对AI输入不同的提示词，会显著影响AI回答问题的角度和专业度。精心设计的提示词能够引导AI更准确地理解问题背景，从而以更专业的视角和更贴切的答案进行回应。反之，模糊或不当的提示词则可能导致AI偏离主题，降低回答的专业性和准确性。因此，提示词工程在优化AI输出、提升用户体验方面扮演着至关重要的角色。
AI教程_AI大模型 Prompt提示词工程 Langchain AI原生应用开发视频教程分享（IT营）
yuanlaile的博客
09-11 1059
培养「AI 全栈」人才，通过这门课程的学习，我们能够全面掌握Prompt Engineering(Prompt提示词工程)、AI编程、AI大模型应用开发、AI大模型后端开发、AI大模型微调、AI大模型数据训练、AI大模型知识库管理、AI大模型数据管理、AI大模型评估、搭建自己的AI私有大模型等AI技术栈，同时培养编程能力和业务洞察力，以成为AGI（通用人工智能）时代所需的全能型AI工程师。
《UniVS: Unified and Universal Video Segmentation with Prompts as Queries》要点提炼
m0_46583515的博客
09-10 1178
论文来源：https://arxiv.org/abs/2402.18115《UniVS: Unified and Universal Video Segmentation with Prompts as Queries》是2024CVPR中的一篇关于视频分割的论文，
prompt实用技巧-AI+Mermaid【酷炫钉钉文档】
最新发布
高效匠人
09-14 315
AI 新技能，最近 chatGPTo1 发布后模型能力出现了新的跨越，之前模型的一本正经的胡说八道幻想模式，让AI 对待理科推理明显弱于文案的 AGI 的生成。
Prompt提示词技巧
2401_85044344的博客
09-12 914
提示词工程一句话的解释组织有规律的关键词，抽取有用的信息。提示词是如何影响AI的输出结果?从以上可以看出，对AI输入不同的提示词，会显著影响AI回答问题的角度和专业度。精心设计的提示词能够引导AI更准确地理解问题背景，从而以更专业的视角和更贴切的答案进行回应。反之，模糊或不当的提示词则可能导致AI偏离主题，降低回答的专业性和准确性。因此，提示词工程在优化AI输出、提升用户体验方面扮演着至关重要的角色。
A Single Generic Prompt forSegmenting Camouflaged Objects
qq_52191127的博客
09-11 471
这篇论文《Relax Image-Specific Prompt Requirement in SAM: A Single Generic Prompt for Segmenting Camouflaged Objects》主要聚焦于解决在使用 Segment Anything Model（SAM）时对特定图像提示的需求问题，提出使用单一通用提示来分割伪装物体。
【Prompt Engineering：自我一致性、生成知识提示、链式提示】
abclyq的博客
09-11 1046
为了提高大语言模型的性能使其更可靠，一个重要的提示工程技术是将任务分解为许多子任务。确定子任务后，将子任务的提示词提供给语言模型，得到的结果作为新的提示词的一部分。这就是所谓的链式提示（prompt chaining），一个任务被分解为多个子任务，根据子任务创建一系列提示操作。链式提示可以完成很复杂的任务。LLM 可能无法仅用一个非常详细的提示完成这些任务。在链式提示中，提示链对生成的回应执行转换或其他处理，直到达到期望结果。除了提高性能，链式提示还有助于提高 LLM 应用的透明度，增加控制性和可靠性。
AI创意引擎：优化Prompt提示词的高效提问技巧
asd1_1212的博客
09-12 634
提示词工程一句话的解释组织有规律的关键词，抽取有用的信息。提示词是如何影响AI的输出结果?从以上可以看出，对AI输入不同的提示词，会显著影响AI回答问题的角度和专业度。精心设计的提示词能够引导AI更准确地理解问题背景，从而以更专业的视角和更贴切的答案进行回应。反之，模糊或不当的提示词则可能导致AI偏离主题，降低回答的专业性和准确性。因此，提示词工程在优化AI输出、提升用户体验方面扮演着至关重要的角色。
3. 进阶指南：自定义 Prompt 提升大模型解题能力
Hoper-J的博客
09-11 969
在这里，你将尝试自定义 Prompt 提升大模型的解题能力。 同时，这篇文章也是李宏毅2024生成式人工智能导论HW4的中文指导版。
【Prompt Engineering：思维树 (ToT)、检索增强生成 (RAG)、自动推理并使用工具 (ART)】
abclyq的博客
09-11 1734
对于需要探索或预判战略的复杂任务来说，传统或简单的提示技巧是不够的。最近，提出了思维树（Tree of Thoughts，ToT）框架，该框架基于思维链提示进行了总结，引导语言模型探索把思维作为中间步骤来解决通用问题。ToT 维护着一棵思维树，思维由连贯的语言序列表示，这个序列就是解决问题的中间步骤。使用这种方法，LM 能够自己对严谨推理过程的中间思维进行评估。LM 将生成及评估思维的能力与搜索算法（如广度优先搜索和深度优先搜索）相结合，在系统性探索思维的时候可以向前验证和回溯。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值