全世界都在炒作 AI 。而且很容易被卷入其中。

但真正的谈话是：快速工程不是一个独立的职业（至少对绝大多数人来说）。

然而，及时工程设计是您在未来几年需要了解的一项关键技能。

AI 不会抢走你的工作……但是，知道如何使用 AI 更好、更快、更有效地完成工作的人会接替你的工作。

就像您需要知道如何使用 Microsoft Word 和 Excel 在现代办公环境中工作一样，您需要知道如何提示和使用 LLMs。

学习提示工程将为每个职业打开机会之门。学习如何正确使用 LLMs 将确保您与竞争对手区分开来。

本课程根据 6 个核心原则教授提示：

1. 实证研究和同行评审研究：

本课程侧重于提示和使用 LLMs，而不是炒作。

因此，我们将探讨 OpenAI、Google DeepMind 和 Anthropic 等一流大学的 AI 研究人员正在做些什么来改进和实施他们自己的提示。

2. 动手演示和练习：

你实际上无法学习使用 LLMs，除非你真的，嗯，使用它们！这就是为什么这个训练营充满了练习，让你亲自动手并测试 LLMs 可以做什么的极限。

3. 指导和非指导项目：

将您的技能付诸实践并构建一些真实的东西 – 一些有用的东西 – 不仅感觉很棒，而且这是巩固您的知识并允许您将其应用于自己的真实场景的最佳方式。

这就是为什么本课程有许多指导和非指导项目可以让您做到这一点。

4. 使用领先的闭源和开源模型的机会：

本课程旨在让您使用您喜欢的任何 LLM，无论是免费还是付费。您甚至将了解如何下载和设置自己的开源 LLMs，这些开源代码在您的计算机上本地运行。

5. 高级工具和技术：

提示工程的核心是非常基本的：提出问题并获得答案！

但本课程远远超出了基础知识，因此您将学习经过实证验证的技术，这些技术将提高提示的实用性和有效性。

这将允许您仅使用自然语言（提示）创建微型计算机程序。如果您使用 LLMs 进行工作或为您自己的 AI 应用程序提供支持，这一点至关重要。

6. 最新信息和更新：

AI 世界正在迅速发展，每周都有新信息。我们致力于不断更新本课程，以便您了解最新信息并保持领先地位。

虽然有些球场可能会带来月球，但我们在这里是为了让它脚踏实地。

我们的课程旨在为您提供与 LLMs。

无论您是想提高工作效率、增强创意项目，还是开发更智能的技术解决方案，了解制作提示的细微差别都是关键。

通过今天注册，您还可以加入我们在 Discord 上的独家实时在线社区课堂，在那里您将与成千上万的学生、校友、导师、助教和讲师一起学习。

什么是 Prompt Engineering，为什么它有用？

提示工程是与 AI 进行有效沟通以最大限度地提高其实用性和准确性的技能。

把它想象成教你成为一个 AI 耳语者，用一种看似微小的变化可以从根本上改变你从 ChatGPT、Claude 和 Llama 等大型语言模型获得的结果质量的语言。

 为什么这很重要？

因为微调交互的能力可能是获得通用响应和解锁真正有价值的见解之间的区别。

无论您是开发人员、营销人员、研究人员，还是仅仅是 AI 爱好者，掌握提示都可以让您更可靠、更有创意地引导 AI。

以下是此 Prompt Engineering Bootcamp 课程涵盖的内容：

让我们深入了解您将在此提示工程课程中学到的内容的详细信息：

第 1 部分：Prompt Engineering 简介

我们首先要深入研究 prompt 工程的定义和意义。

我们将探讨其存在背后的原因、实际应用和真实案例研究，包括 NASA 如何应用它。

您将学会批判性地评估提示工程在您的生活中的作用，并与该领域的当前讨论互动。

第 2 部分：选择您的LLM

是时候选择你的 LLM。这就像詹姆斯邦德拜访 Q 并选择他将用于任务的高科技小工具时。

我们将介绍使用前导 LLMs，包括让您能够选择免费或付费选项。

您将观看讲师喜欢的工具的演示，包括 OpenAI Playground。本节还介绍了 LLMs，包括多模态功能。

您还可以选择在本课程中使用开源 LLM），并让您的工作区设置来执行此操作。

第 3 部分：指导项目 – 构建您的第一个游戏（Snake Game）

您甚至还没有学会如何提示，但已经是动手动手的时候了！

这是战略性的 – 我们希望您了解这些 LLMs，它们的直观性如何（在教您它们有多不直观之前！

因此，您将一头扎进使用您选择的 LLM 游戏。

第 4 部分：无指导项目 – 构建您的第二个游戏（与 AI 对手的井字棋）

现在是时候放下你的训练轮，让你在没有指导的情况下构建一个游戏，只需使用你的 LLM。

第 5 部分：LLMs

为了真正有效地使用 LLMs，您需要了解它们在后台的实际工作方式。因此，我们将以适合初学者的方式解释所有内容，无需任何技术专业知识。

您将调查这些模型是否是猜词机，了解支持这项技术的突破性 Transformer 模型、GPT 背后的架构，并将基本模型与微调后的对应模型进行比较。

然后，您将通过引人入胜的练习来帮助您可视化 LLM 架构并了解培训过程。

我们甚至会谈到通往通用人工智能 （AGI） 的潜在桥梁，以便您能够形成自己的观点并自信地讨论 AI。

第 6 部分：我们的提示框架

我们将采用结构化的方法与 LLMs，介绍我们将要学习的框架，您可以使用该框架来制作详细、全面的提示。

此外，您还可以访问“提示库”，这是一个充满各种提示的资源，为您提供实际示例以提高您自己的提示工程技能。

第 7 部分：提示基础知识 – 设置

在这里，我们将深入探讨如何制作有效的提示。

 这包括：

• 了解“系统消息”
• 上下文在 LLMs
• “角色和角色”的概念，用于优化提示的语气、样式和语音
• 并提供创造性练习，例如编写剧本来应用这些概念

您甚至可以通过探索 LLMs。

第 8 部分：提示基础 – 指导

本节将仔细研究如何制作 LLMs 可以精确解释的用户消息。

您将了解清晰度和特异性的重要性，以及如何使用分隔符来构建信息，如何克服人类的局限性（是的，我们也有！

您还将开始学习经过实证验证的提示技术，包括零、一和少镜头提示思维链提示，以实现 AI 更加连贯和上下文感知的响应。

第 9 部分：指导项目 – 创建自己的职业教练

是时候进行另一个项目了！这是迄今为止最酷的。

您将使用到目前为止学到的所有技能来构建一个单一、全面的提示，该提示创建您自己的个性化职业指导，以帮助您学习 Python（或您喜欢的任何主题）。

此职业指导涉及可调用的各种模式，包括：

1. 一种教您使用费曼技术的学习模式
2. 生成同一主题的测验模式
3. 一种挑战模式，可生成个性化的编码挑战并提供有关您的答案的反馈，甚至引入了 XP 积分系统来游戏化和激励您的学习

第 10 部分：提示基础知识 – 输出

本节重点介绍您按下 ‘enter’ 后的内容：模型的响应。

您将学习如何管理和影响 LLM，确保它们满足您的特定要求。

实践练习将指导您生成结构化输出，例如 Excel 文件和流程图。

本节还深入探讨了 Jailbreaking 和 Prompt Injection 等高级技术，教您用户如何塑造输出的性质和方向的局限性（好的和坏的）。

第11部分：OpenAI游乐场 & LLM超参数

本节是关于调整控制语言模型行为的拨盘和开关的。

它首先介绍了 OpenAI Playground，它允许您控制这些拨盘和开关。

您将学习“温度”和“前 P”设置来调整响应的创造力和确定性，以及“频率和存在惩罚”来优化输出相关性，以及使用“停止序列”来管理 AI 响应应该在何时何地结束。

对于希望根据其特定任务和首选项调整 LLM。

第 12 部分：使用自主代理进行提示 （AutoGPT）

在这里，您将了解 AI 和大型语言模型的未来：自主代理。

这些代理允许您输入单个提示，然后在有限或没有进一步提示的情况下完成您的任务。

您将学习设置自己的自主代理，然后完成诸如创建简单网站和开发 Python 程序以检查回文等任务。

然后，您将在自己选择的任务中测试与您自己的职业生涯相关的自主代理。

这是一个不容错过的部分，或者任何想要了解 AI 未来的人。

第 13 部分：使用开源模型

开源模型正在迅速增长，并接近与 OpenAI 和 Anthropic 等领先 AI 公司的闭源模型类似的功能。

本节将首先解释这些模型的重要性及其对 AI 领域的影响，包括 Chatbot Arena 排行榜，您可以在其中让不同的模型相互竞争。

但这还不是全部。您还将学习如何使用 LMStudio 在计算机上本地下载和设置您自己的开源 LLM），这将允许您使用 LLM，而无需担心共享私人信息，没有严格的护栏，也没有速率限制。

第 14 部分：高级提示技术

本节包含使用一些领先的、经过经验验证的提示技术来提高 LLMs。

我们甚至会深入研究发现这些技术的研究论文。此外，随着新技术的发现，本节将不断更新和扩展。

第 15 部分：无指导项目：构建您的第三个游戏 （Flappy Bird）

又到了动手的时候了！

您已经使用 LLMs，但现在是时候运用您的所有技能并创建更复杂的游戏了：Flappy Bird 游戏。

这将需要大量的时间和提示迭代，但您会惊讶于您的技能可以实现的目标。

第16部分：及时测试和模型评估

在 Prompt Engineering 中有效意味着能够测试您的提示并评估什么在各种模型中效果最好。这是因为 companeis 正在寻找提供可靠输出的提示和模型。

在本节中，您将探索各种测试和评估方法，包括基于代码的评分、人工评分和基于模型的评分。

此外，我们将深入研究研究，展示 LLMs 作为评估输出的评委的优缺点。对于希望掌握使用 LLMs。

无限更新：这门课程，就像所有 Zero To Mastery 课程一样，是一个活生生的东西。

这意味着它会不断更新和扩展，因此它将成为您在职业生涯发展和成长过程中查找和学习最新最佳实践的首选之地。