提示工程（Prompt Engineering）是一门相对较新的学科，主要关注如何开发和优化提示词，以便更有效地利用大语言模型（LLM）进行各种应用和研究。掌握提示工程的技能有助于我们更好地理解大型语言模型的能力和局限性。
研究人员利用提示工程来提高LLM在处理各种常见和复杂任务，如问答和算术推理等方面的能力。开发人员则利用提示工程设计出强大而有效的提示技术，使其能够与LLM和其他工具进行交互。
为了满足大家对LLM的高度兴趣，Elvis Saravia创建了这个全新的提示工程指南，包含了所有与LLM相关的最新论文、学习指南、讲座、参考资料和工具。
目录
提示工程的重要性
提示工程不仅仅是关于设计和开发提示词。它包含了与大语言模型交互和开发的各种技能和技术。提示工程在实现与大语言模型的交互、对接，以及理解大语言模型的能力方面都起着重要作用。用户可以通过提示工程来提高大语言模型的安全性，也可以赋能大语言模型，比如借助专业领域知识和外部工具来增强大语言模型的能力。
提示工程的应用
提示工程的应用广泛，包括但不限于以下几个方面：
程序辅助语言模型：通过提示工程，我们可以设计出更有效的提示词，使得语言模型能够更好地理解和执行编程任务。
生成数据：提示工程可以帮助我们设计出能够引导语言模型生成特定类型数据的提示词。
生成代码：通过提示工程，我们可以设计出能够引导语言模型生成特定类型代码的提示词。
毕业生工作分类案例研究：提示工程可以帮助我们设计出能够引导语言模型进行复杂任务的提示词，如毕业生工作分类。
提示工程的技术
提示工程的技术主要包括以下几个方面：
零样本提示：这种技术主要是在没有任何样本的情况下，通过设计出具有引导性的提示词，使得语言模型能够完成特定的任务。
少样本提示：这种技术主要是在有少量样本的情况下，通过设计出具有引导性的提示词，使得语言模型能够完成特定的任务。
链式思考（CoT）提示：这种技术主要是通过设计出一系列的提示词，使得语言模型能够按照特定的思维链条进行思考和回答。
自我一致性：这种技术主要是通过设计出能够保证语言模型输出结果一致性的提示词。
生成知识提示：这种技术主要是通过设计出能够引导语言模型生成特定知识的提示词。
提示工程的最新进展
随着大语言模型的发展，提示工程也在不断进步。指南已经发布了一系列的最新论文、学习指南、讲座、参考资料和工具，以帮助大家更好地理解和应用提示工程。
Elvis Saravia也在不断更新这个提示工程指南，以保证它包含了所有最新的信息和资源。指南的作者希望这个指南能够帮助大家更好地理解和应用提示工程，从而更好地利用大语言模型。
