点击上面卡片关注公众号

免费获取《玩转ChatGPT指南》

为了帮助开发者更好地掌握提示工程，由OpenAI讲师Iza Fulford与DeepLearning.ai 创始人吴恩达教授合作开发了一门《ChatGPT提示工程》线上课程，而且是免费教学的，包含课程简介、提示工程关键原则和迭代、四大类应用和打造聊天机器人等9节课程。

吴恩达教授这边就不多说了，知名人工智能科学家，现任斯坦福大学教授，谷歌大脑和百度研究院的创始人，绝对的科技大佬级人物。

OpenAI讲师Iza Fulford也是个厉害人物，斯坦福高材生，OpenAI官方手册的撰写者，看过这本手册的人都知道里面展示了大量的GPT使用案例，市面上大部分的提示工程教程基本都参考这本手册编撰的。

这门课程的含金量绝对杠杠的，关键还是免费的，这不绝了韭菜培训课的路子。官网不仅展示了该课程的视频教程，还提供了课程中展示的所有代码，你可以直接跟着这些代码操作学习，完美诠释了边学边练的理念。

官网地址：https://learn.deeplearning.ai/chatgpt-prompt-eng/lesson/1/introduction

英语较好或想学英语的可以看官网原版，想看中文字幕的可以移步B站。

B站网址：https://www.bilibili.com/video/BV1fk4y1J7Af/?spm_id_from=333.999.0.0

当然，如果你实在懒得看教学视频，我也给你提炼了每节课程的要点，谁让我最宠粉呢！

第一课要点：这节课主要是对这门课的简单介绍，这是一门面向开发人员的ChatGPT Prompt Engineering课程。两位老师讨论了在软件开发应用中使用大型语言模型（LLMs）的潜力。他们强调通过API调用使用LLMs构建软件应用程序的好处。该课程涵盖了在软件开发中提示最佳实践和常见用例，例如摘要和转换。讲师旨在通过展示他们可以使用LLMs构建什么来激发开发者的想象力。文本还解释了两种类型的LLMs：基础LLMs和指令调整LLMs。基础LLM是根据培训数据预测序列中下一个单词而进行培训，而指令调整LLM已经针对特定任务进行了微调。

第二课要点：这节课提供了使用ChatGPT进行快速工程的指南。该演示概述了有效提示工程的两个关键原则：编写清晰具体的说明和给模型充分思考时间。演示还包括设置说明，介绍如何使用OpenAI Python库和ChatGPT模型，在整个课程中将会用到它们。鼓励观众暂停视频并运行代码示例，以获得有关提示输入和输出方面的经验。

第三课要点：这节课讨论了使用大型语言模型迭代开发应用程序提示的过程。老师建议第一个提示不太可能有效，成功的关键在于拥有一个良好的迭代改进提示的流程，直到它能够很好地完成任务。开发提示的过程类似于开发机器学习模型，您需要有一个想法、实现它、训练模型、分析结果并进行迭代。老师还提供了一些框架来思考如何迭代式地开发提示，并强调这个过程比最初的提示更重要。

第四课要点：这节课讨论了如何使用大型语言模型（例如ChatGPT）来自动化地概括文本。它演示了如何使用ChatGPT API来总结电子商务网站上的产品评论。该节课还展示了如何修改提示以生成针对特定目的的摘要，例如向运输部门提供反馈。这种技术可以用于快速处理大量评论并更好地理解客户意见。

第五课要点：这节课讨论了使用像ChatGPT这样的大型语言模型从文本中推断信息。老师解释说，传统机器学习工作流需要收集标签数据集、训练模型、部署它们到云端并进行推理，这可能需要很多工作量。然而，使用大型语言模型，开发人员可以编写提示来快速生成结果，而无需为不同任务训练和部署单独的模型。老师通过使用ChatGPT对一个台灯产品评论进行情感分类来展示这一点，并且该模型准确地将情感识别为积极的。

第六课要点：这节课讲述了如何使用像ChatGPT这样的大型语言模型将输入转换为不同格式。老师提供了使用ChatGPT将文本从一种语言翻译成另一种语言以及识别给定文本语言的示例。老师还讨论了ChatGPT如何帮助拼写和语法纠正，以及转换格式，例如输入HTML并输出JSON。老师最后表示很兴奋能在笔记本中展示更多示例。

第七课要点：这节课描述了使用大型语言模型将较短的文本扩展为更长的文本的任务，例如生成一篇文章或电子邮件。视频教程展示了如何使用语言模型根据客户评论生成个性化电子邮件的示例，使用称为“温度”的输入参数。该视频还强调了负责任地使用语言模型的重要性，并承认可能存在问题用例，例如生成垃圾邮件。该节课涵盖了OpenAI Python包的常规设置和定义帮助函数。然后演示如何基于客户评论和情感分析向客户生成自定义电子邮件。

第八课要点：这节课介绍如何使用大型语言模型（特别是ChatGPT）来轻松构建自定义聊天机器人。该节课重点讲解如何定义两个辅助函数get_completion和get_multiturn_completion，以允许用户输入一系列消息并返回模型生成的消息作为输出。该教程面向开发人员，并提供逐步说明，介绍如何设置OpenAI Python包并构建聊天机器人。

第九课要点：这节课是对这门课的总结。老师总结了两个提示原则：为特定指令提供适当的空间和给模型思考时间。老师还讨论了迭代式提示开发、大型语言模型的能力（如摘要、推断、转换和扩展）以及构建自定义聊天机器人。老师鼓励开发人员尝试学习，从小项目开始，并在第二个和第三个项目中做得更好。然而，老师也提醒开发人员要负责任地使用这些强大的技术，并构建对社会有积极影响的东西。

以上就是今天的分享，希望大家能利用五一长假好好消化这门课程，学到就是赚到，加油！