本書旨在介紹提示（prompt）工程師的工作内容和相關技能。本書首先講述提示技術的基本工作原理、提示工程師的常用工具、提示技術的基礎模式和提示技術的進階知識（包括零樣本提示、少樣本提示和思維鍊提示）；然後講解自然語言處理的基礎知識和ChatGPT大模型方面的内容，以及NLP模型的特點和應用場景；最後展示提示工程在辦公、圖檔處理、代碼開發和電商中的應用。
本書通俗易懂，不僅适合對提示工程師感興趣或從事相關工作的讀者閱讀，
還适合對自然語言處理和人工智能感興趣的讀者參考。
以下為上書目錄，筆者會借助大模型進行逆向小結，後面有彩蛋。
第1章 概述 1
1.1 什麼是提示工程師 1
Prompt提示工程師是一種利用大型語言模型（LLM），如ChatGPT，來快速建構新的和強大的應用程式的技術1。它涉及到制定清晰和具體的指令或查詢，以引導語言模型生成期望的響應2。
Prompt提示工程師需要了解語言模型的行為，并根據不同的場景和目标調整輸入3。Prompt提示工程師可以利用語言模型的創造力和推理能力，來實作各種各樣的功能，例如數學輔導、食譜生成、軟體開發、個人網絡安全等4。
Prompt提示工程師是一門藝術，也是一門科學，它需要不斷地實驗和優化，以提高語言模型的效率和準确性5。Prompt提示工程師是未來人工智能領域的一個重要方向，它可以為生活、商業和教育帶來巨大的價值和創新。
如果您想了解更多關于Prompt提示工程師的資訊，您可以通路以下網站：
Coursera上的Prompt Engineering for ChatGPT課程
DataCamp上的A Beginner’s Guide to ChatGPT Prompt Engineering教程
DeepLearning.AI上的ChatGPT Prompt Engineering for Developers課程
1.2 提示工程的基本工作原理 5
提示工程的基本工作原理是利用語言模型的能力，通過提供合适的輸入，來引導它生成期望的輸出1。語言模型是一種基于機率的模型，它可以根據給定的文本，預測下一個詞或句子的可能性2。語言模型通常是通過大量的文本資料來訓練的，進而學習到語言的規律和知識3。
提示工程就是根據不同的任務和目标，設計和優化輸入，使得語言模型能夠更好地了解和回答問題4。提示工程包括以下幾個方面：
明确性：提示應該清楚地定義你想讓模型做什麼，避免歧義4。
上下文：ChatGPT會根據提示的上下文來生成響應，是以建立一個清晰的上下文是很重要的3。
精确性：精确的提示會産生精确的響應3。
角色扮演：ChatGPT會根據提示中設定的角色來生成響應，例如教師、醫生、作家等3。
提示工程是一門藝術，也是一門科學，它需要不斷地實驗和優化，以提高語言模型的效率和準确性。提示工程可以為開發者提供一種快速建構新穎和強大應用程式的方法。
1.3 生成提示的常用工具 12
生成提示的常用工具有以下幾種：
Taskade的AI ChatGPT Prompt Generator：這是一個基于網頁的工具，可以根據您的輸入，生成各種類型的ChatGPT提示1。您可以選擇不同的主題和格式，例如創意寫作、故事講述、角色扮演等，然後點選“Use Generator”按鈕，就可以得到一些有趣和有用的提示。您也可以點選“Save Generator”按鈕，将生成的提示儲存為可重複使用的模闆1。
Scribbr的How to Write Good ChatGPT Prompts：這是一個教程文章，教您如何編寫高品質的ChatGPT提示2。它提供了一些實用的技巧和示例，例如給ChatGPT配置設定一個角色、提供清晰和具體的上下文、避免偏見、測試和改進您的提示等2。它還介紹了ChatGPT在學校、工作和日常生活中的各種應用場景2。
ChatX的ChatGPT Prompt Generator：這是一個簡單而強大的工具，可以幫助您生成Instagram标簽3。您隻需要輸入您想要推廣的産品或服務，然後選擇一個角色，例如社交媒體經理、營銷專家等，就可以得到一些相關和熱門的标簽。您可以複制并粘貼這些标簽到您的Instagram文章中，以提高您的曝光度和互動率3。
ChatGPT.AI的ChatGPT Prompt Generator：這是一個專門為創意寫作、故事講述和角色扮演遊戲設計的工具4。它提供了一些問題形式的提示，旨在激發您想象和建構虛構世界和人物4。您可以根據這些問題來編寫您自己的故事或參與遊戲。
第2章 提示的基礎模式 18
2.1 特定指令 19
2.1.1 文本分類指令模闆 20
1.問題-回答模闆：
問題：基于給定的文本，判斷其屬于哪個類别？
回答：該文本屬于類别X。
示例：
問題：基于給定的電影評論，判斷它是正面評價還是負面評價？
回答：該文本屬于正面評價。
2.描述模闆：
描述：根據給定的文本内容，将其分類為相應的類别。
文本：[輸入待分類的文本]
示例：
描述：根據給定的新聞報道，将其分類為體育新聞、政治新聞或科技新聞。
文本：世界杯足球賽的決賽将在本周日進行，兩支強隊将争奪冠軍。
3.選擇最佳類别模闆：
文本：[輸入待分類的文本]
選項：[類别選項清單]
選擇：将待分類的文本歸類到最符合的類别中。
示例：
文本：根據以下産品描述，将其分類到正确的類别中。
選項：[電視、冰箱、洗衣機、空調]
選擇：将待分類的産品描述歸類到最符合的類别中。
4.類别解釋模闆：
解釋：請根據以下文本的特征将其分類到相應的類别中。
文本：[輸入待分類的文本]
示例：
解釋：請根據以下新聞報道的特征将其分類到适當的領域中。
文本：一項最新研究發現，人們每天喝一杯綠茶可以提高注意力和集中力。
5.類别推理模闆：
推理：給定以下文本，請推斷出其所屬的類别。
文本：[輸入待分類的文本]
示例：
推理：給定以下電影評論，請推斷出它是哪種類型的電影。
文本：這部電影充滿了緊張的懸疑情節和意想不到的結局。 
2.1.2 機器翻譯指令模闆 21
1.英譯中（English to Chinese）：
Input: Translate the following English text to Chinese.
Example: Translate the sentence "Hello, how are you?" to Chinese.
2.中譯英（Chinese to English）：
Input: Translate the following Chinese text to English.
Example: Translate the sentence "你好，最近怎麼樣？" to English.
3.法譯英（French to English）：
Input: Translate the following French text to English.
Example: Translate the sentence "Je ne parle pas français." to English.
4.西譯中（Spanish to Chinese）：
Input: Translate the following Spanish text to Chinese.
Example: Translate the sentence "¿Cómo estás?" to Chinese.
5.中譯日（Chinese to Japanese）：
Input: Translate the following Chinese text to Japanese.
Example: Translate the sentence "你好，我叫瑪麗。" to Japanese.
6.自定義源語言和目智語言（Custom source and target languages）：
Input: Translate the following German text to Russian.
Example: Translate the sentence "Guten Tag!" to Russian.
7.長文本翻譯（Translation of long text）：
Input: Translate the following paragraph from English to French.
Example: Translate the following paragraph: "Lorem ipsum dolor sit amet, consectetur adipiscing elit..." to French.
8.網頁/文檔翻譯（Translation of web page/document）：
Input: Translate the content of the following web page/document from Chinese to English.
Example: Translate the content of the web page/document: "https://example.com" from Chinese to English. 2.1.3 情感分析指令模闆 23
1.問題形式：
Prompt: "請問你對于[X]是什麼感覺？"
Example: "請問你對于這部電影是什麼感覺？"
2.描述形式：
Prompt: "請描述一下你對于[X]的感受。"
Example: "請描述一下你對于這個旅行目的地的感受。"
3.評級形式：
Prompt: "請給出對于[X]的評分。"
Example: "請給出對于這本書的評分。"
4.對比形式：
Prompt: "請比較一下你對于[X]和[Y]的感覺，哪個更（正面/負面）？"
Example: "請比較一下你對于這個餐廳和那個餐廳的感覺，哪個更令人滿意？"
5.喜好形式：
Prompt: "你是否對于[X]感到滿意/喜歡？"
Example: "你是否對于這部電視劇感到滿意？"
6.經曆形式：
Prompt: "請分享一次你對于[X]的真實經曆和感受。"
Example: "請分享一次你對于這款産品的真實使用經曆和感受。" 2.1.4 文本生成指令模闆 24
1.提問形式：
Prompt: "請根據以下問題回答：[問題]"
Example: "請根據以下問題回答：你認為怎樣才是一個好的上司者？"
2.完成句子形式：
Prompt: "請完成下面的句子：[句子]"
Example: "請完成下面的句子：在春天裡，我最喜歡的活動是..."
3.描述形式：
Prompt: "請用幾句話描述一下：[描述]"
Example: "請用幾句話描述一下：這座城市的夜景讓我感到..."
4.列舉形式：
Prompt: "請列舉一些關于[X]的事實或特點。"
Example: "請列舉一些關于狗的事實或特點。"
5.分析比較形式：
Prompt: "請分析并比較[X]和[Y]的優缺點。"
Example: "請分析并比較蘋果和橙子的優缺點。"
6.觀點表達形式：
Prompt: "請陳述你對于[X]的觀點。"
Example: "請陳述你對于電子書閱讀器的觀點。"
7.圖檔描述形式：
Prompt: "請描述以下圖檔中的情景或對象：[圖檔描述]"
Example: "請描述以下圖檔中的情景或對象：一群孩子在沙灘上玩耍的場景。" 2.1.5 問題回答指令模闆 25
1.簡短回答形式：
Prompt: "簡要回答以下問題：[問題]"
Example: "簡要回答以下問題：巴黎是哪個國家的首都？"
2.詳細回答形式：
Prompt: "請詳細回答以下問題：[問題]"
Example: "請詳細回答以下問題：什麼是全球變暖，它對地球有何影響？"
3.比較對比形式：
Prompt: "請對比并回答以下問題：[問題1]和[問題2]有何異同？"
Example: "請對比并回答以下問題：狗和貓的主要差別是什麼？"
4.解釋原理形式：
Prompt: "請解釋以下問題的原理：[問題]"
Example: "請解釋以下問題的原理：手機是如何接收和發送信号的？"
5.提供事實形式：
Prompt: "請提供一些關于[X]的事實來回答以下問題：[問題]"
Example: "請提供一些關于太陽的事實來回答以下問題：太陽的溫度是多少？"
6.分步回答形式：
Prompt: "請逐漸回答以下問題：[問題的第一步]，[問題的第二步]，[問題的第三步]..."
Example: "請逐漸回答以下問題：如何制作巧克力蛋糕？第一步是什麼？第二步呢？" 2.1.6 命名實體識别指令模闆 26
1.識别人名、地名、組織機構名等實體：
Prompt: "請識别以下句子中的[實體類型]：[待識别句子]"
Example: "請識别以下句子中的人名實體：張三和李四約好下周去看電影。"
2.給出實體的具體資訊：
Prompt: "請提供以下[實體類型]的詳細資訊：[實體名稱]"
Example: "請提供以下地名實體的詳細資訊：巴黎。"
3.比較不同實體之間的差異：
Prompt: "請對比并找出以下兩個[實體類型]之間的差異：[實體名稱1]和[實體名稱2]"
Example: "請對比并找出以下兩個城市之間的差異：北京和上海。"
4.根據實體屬性進行篩選：
Prompt: "請列出以下[實體類型]的所有[屬性]符合[條件]的實體："
Example: "請列出所有國家名稱中，人口數量超過1000萬的國家。"
5.根據實體關系進行查詢：
Prompt: "請列出以下兩個[實體類型]之間的[關系]：[實體名稱1]和[實體名稱2]"
Example: "請列出以下兩個國家之間的貿易關系：中國和美國。" 2.1.7 關系抽取指令模闆 27
1.查詢兩個實體之間的關系：
Prompt: "請找出以下兩個實體之間的關系：[實體1]和[實體2]"
Example: "請找出以下兩個人物之間的關系：喬布斯和蘋果公司。"
2.查詢某個實體的關系清單：
Prompt: "請列出以下實體與[目标實體]之間的關系：[目标實體]"
Example: "請列出以下人物與馬克·紮克伯格之間的關系：喬·沃恩，謝麗爾·桑德伯格，彼得·泰爾，埃裡克·施密特。"
3.給出兩個實體之間的共同關系：
Prompt: "請找出以下兩個實體之間的共同關系：[實體1]和[實體2]"
Example: "請找出以下兩個電影之間的共同演員：《阿凡達》和《泰坦尼克号》。"
4.查詢某個實體的特定關系：
Prompt: "請找出以下實體與[目标實體]之間的[關系]：[目标實體]"
Example: "請找出以下人物與喬布斯之間的合作關系：史蒂夫·沃茲尼亞克，邁克爾·艾斯納，艾德·坎特，比爾·蓋茨。"
5.查詢實體的關系及其特征：
Prompt: "請列出以下實體與[目标實體]之間的[關系]以及相關特征：[目标實體]"
Example: "請列出以下公司與蘋果公司之間的合作關系以及合作時間：谷歌，英特爾，微軟，高通。" 2.1.8 摘要生成指令模闆 28
1.摘要生成：
Prompt: "請為以下文本生成摘要：[待摘要文本]"
Example: "請為以下新聞報道生成摘要：某公司釋出了一款創新型智能手機，該手機具有高性能處理器、大容量電池和卓越的攝像功能，将給消費者帶來全新的使用體驗。"
2.文章摘要生成：
Prompt: "請為以下文章生成摘要：[待摘要文章]"
Example: "請為以下科學論文生成摘要：本研究探索了利用人工智能技術進行自然語言處理的方法，并在實驗中展示了該方法在文本分類和情感分析任務上的優越表現。"
3.故事摘要生成：
Prompt: "請為以下故事生成摘要：[待摘要故事]"
Example: "請為以下小說章節生成摘要：主人公意外發現了一本神秘的古老日記，記錄着一個失落的寶藏的線索，于是他開始了一場冒險之旅，面對各種挑戰和謎題解密。"
4.産品摘要生成：
Prompt: "請為以下産品描述生成摘要：[待摘要産品描述]"
Example: "請為以下商品的描述生成摘要：這款智能手表具有多項功能，包括健康監測、運動追蹤和智能通知提醒，擁有時尚外觀和長久續航，适合日常佩戴和運動使用。"
5.曆史事件摘要生成：
Prompt: "請為以下曆史事件生成摘要：[待摘要曆史事件]"
Example: "請為以下曆史事件生成摘要：某國宣布獨立引發了一場持續數年的戰争，期間雙方進行了激烈的戰鬥和談判，最終達成了一項和平協定，解決了邊界争端和其他問題。" 2.2 指令模闆 30
2.2.1 格式提取指令模闆 31
2.2.2 檔案格式轉換 33
2.2.3 代碼轉換 34
2.3 代理模式 37
2.3.1 電商客服機器人 37
2.3.2 計算機程式員 38
2.3.3 辦公室文員 41
2.4 示例模式 43
第3章 提示的進階模式 45
3.1 零樣本提示 45
3.1.1 情感分類模闆 46
3.1.2 實體提取 48
3.2 少樣本提示 49
3.3 思維鍊提示 51
3.3.1 零樣本思維鍊提示 52
3.3.2 少樣本思維鍊提示 56
第4章 自然語言處理 59
4.1 自然語言基礎知識 59
4.1.1 分詞 61
4.1.2 關鍵詞提取 66
4.1.3 摘要提取 73
4.2 模型如何看懂文字 80
4.2.1 獨熱表示 80
4.2.2 LSA 81
4.2.3 Word2Vec 83
4.2.4 預訓練模型 85
4.2.5 相似度和類比性 87
4.3 ChatGPT大模型 89
第5章 提示工程在辦公領域的應用 95
5.1 用ChatGPT生成PPT 95
5.2 用ChatGPT繪制思維導圖 102
5.3 用ChatGPT畫流程圖 112
第6章 提示工程在圖像處理領域的應用 120
6.1 用ChatGPT生成插畫 120
6.2 用ChatGPT生成裝修圖 127
6.3 用ChatGPT生成遊戲原畫 134
6.4 用ChatGPT生成視訊 145
6.5 用ChatGPT生成海報 156
第7章 提示工程在軟體開發領域的應用 162
7.1 用ChatGPT幫助寫代碼 162
7.2 用ChatGPT幫助解釋代碼 172
7.2.1 學習新技術 174
7.2.2 維護代碼 175
7.3 用ChatGPT幫助改代碼 183
7.3.1 代碼自動補全 186
7.3.2 代碼文法檢查 188
第8章 提示工程在電商領域的應用 191
8.1 ChatGPT教你開網店 191
8.2 ChatGPT教你寫文案 202
8.2.1 商品标題和描述 202
8.2.2 活動策劃 204
8.2.3 直播話術和腳本 206
8.2.4 推廣文案 207
8.3 ChatGPT教你生成商品圖 208
8.3.1 産品設計圖 208
8.3.2 産品場景圖 213
第9章 提示工程在金融領域的應用 218
9.1 用ChatGPT寫投資報告 218
9.2 用ChatGPT作為投資顧問 227
9.3 用ChatGPT做量化投資 233
有點意思，試着通過慕容複的絕學鬥轉星移“以彼之道 還施彼身”，做個學習筆記。
從開始使用ChatGPT到實作OCR2GPT，筆者用它也有半年了，做個系統化的小結。
civilpy：Chat-GPT 3.5已經很厲害了，輔助寫代碼，效率翻倍！
civilpy：用GPT寫視訊腳本文案，還真的可以！
釋出于2023-04-25
civilpy：如何使用AI模型（如GPT、LLaMA），訓練某一考試的教材、曆年試題？
釋出于 2023-04-28
civilpy：北向資金流動監控
civilpy：使用KNN及tensorflow進行中文pdf關鍵詞搜尋，類似AutoGPT或ChatPDF實作原理
civilpy：探索土木工程ChatGPT之，通用筏闆基礎設計流程？
civilpy：小節自己僅有的一點NLP(自然語言處理)技能樹
civilpy：批量MathType轉Latex（word公式轉latex）
釋出于 2023-06-05
civilpy：如何通俗的了解詞向量、逆文檔詞頻、文檔相似度、embeding、bert、LLMA、GPT之間的關系？
civilpy：阿裡雲、天翼雲伺服器安裝配置 python（CentOS 7.6）
[注]筆者試圖建立自己的模型，從努力到放棄，也就是一周的事情。
civilpy：ChatPDF第一代岩土工程師，誕生
civilpy：我本地訓練了一本《易經風水秘籍》，真香！
civilpy：沒錯，我用ChatGPT打造了一個量化分析師！
釋出于 2023-06-24
civilpy：ChatGPT prompts學習
釋出于 2023-06-26
civilpy：Sklearn原來可以這樣學，ChatGPT霸氣側漏!
[注]筆者嘗試用AIGC生成PDF學習手冊，這個還是蠻厲害的。
civilpy：适合5歲以上兒童《跟着小豬佩琪學Python》.pdf
civilpy：ChatGPT中[]、()、{}有什麼不同的用途或作用？
釋出于 2023-06-28
civilpy：ChatGPT - 美的集團 000333.SZ - 2023-6-27
[注]筆者嘗試集合A股資料采集于GPT，最後不知何故導緻小破站不穩定，中斷了幾個月。
civilpy：小升初英語高頻單詞-1600-AIGC
civilpy：中考英語高頻單詞-530-AIGC
civilpy：聯考英語高頻單詞-690-AIGC
civilpy：土木和python結合，看看GPT怎麼說？
civilpy：關于視訊創作的一點思考
[注]筆者嘗試AIGC生成視訊，這個還有待技術提升。
civilpy：【真人語音】個人聲音訓練及導出工具V0.2.exe
civilpy：Python土力學與基礎工程計算.PDF-土的三項組成
civilpy：如何借助各個大模型的優點生成原創視訊（真人人聲）
civilpy：手寫表格OCR識别并與大模型ChatGPT互動？
civilpy：AI人臉替換工具離線版v2.0
civilpy：借助各大模型的優點生成原創視訊（真人人聲）Plus
civilpy：李彥宏稱「卷大模型沒意義，卷應用機會更大」，如何了解？什麼是 AI 原生應用？我認為說得對！
civilpy：百度文心一言插件開發中的幾個疑惑（解答）
釋出于 2023-09-21
civilpy：【@胡錫進】大模型量化分析- 格力電器 000651.SZ