【2023新书】《开发人员的LLM提示工程：揭开LLM真正潜力的艺术与科学》，302页pdf

在《开发人员的LLM提示工程》一书中，我们全面探讨了LLM的世界以及为之制定有效提示的艺术。 本指南从基础入手，探索了自早期以来自然语言处理（NLP）的演变，直到我们今天所接触到的复杂的LLM。您将深入了解如GPT模型之类的模型的复杂性，理解它们的架构、能力和细微差别。 随着我们的进展，本指南强调了有效提示工程及其最佳实践的重要性。虽然像ChatGPT（gpt-3.5）这样的LLM非常强大，但只有在有效沟通的情况下才能实现它们的全部潜力。这就是提示工程的重要性所在。这不仅仅是向模型提问；还包括措辞、上下文和理解模型的逻辑。

通过专门讲解Azure Prompt Flow、LangChain和其他工具的章节，您将获得实践经验，学会制定、测试、评分和优化提示。我们还将探讨如Few-shot Learning（少样本学习）、Chain of Thought（思维链）、Perplexity（困惑度）和ReAct以及General Knowledge Prompting（通用知识提示）等高级概念，使您全面理解该领域。

本指南旨在提供实践见解和练习，确实，随着您的进展，您将熟悉几个工具：

• openai Python库：您将深入到OpenAI的LLM的核心，并学会如何互动和微调模型，以实现精确的、符合特定需求的输出。
• promptfoo：您将掌握制定有效提示的艺术。在整个指南中，我们将使用promptfoo来测试和评分提示，确保它们为实现预期结果而优化。
• LangChain：您将探索LangChain框架，该框架提升了由LLM驱动的应用。您将深入了解提示工程师如何利用这个工具的力量来测试和构建有效的提示。
• betterprompt：在部署前，测试是必不可少的。使用betterprompt，您将确保LLM提示准备好用于现实世界的场景，并根据需要进行完善。
• Azure Prompt Flow：您将体验Azure工具的视觉界面，简化基于LLM的AI开发。您将设计可执行的流程，整合LLM、提示和Python工具，确保对提示的艺术有一个全面的理解。