序言
前言
第1章　認(rèn)識(shí)大語(yǔ)言模型和ChatGPT 1
1.1　大語(yǔ)言模型基礎(chǔ) 1
1.1.1　什么是語(yǔ)言模型 1
1.1.2　語(yǔ)言模型的歷史 4
1.1.3　基礎(chǔ)語(yǔ)言模型的種類(lèi) 5
1.1.4　基礎(chǔ)語(yǔ)言模型的訓(xùn)練和評(píng)估 10
1.1.5　什么是大語(yǔ)言模型 14
1.2　大語(yǔ)言模型的類(lèi)型 15
1.2.1　從左到右大語(yǔ)言模型 15
1.2.2　掩碼語(yǔ)言模型 16
1.2.3　前綴語(yǔ)言模型和編碼器解碼器結(jié)構(gòu) 17
1.3　初識(shí)ChatGPT 18
1.3.1　ChatGPT的原理 18
1.3.2　ChatGPT的應(yīng)用 24
1.3.3　ChatGPT的挑戰(zhàn) 27
1.4　其他大語(yǔ)言模型 29
第2章　人工智能范式的變遷與提示工程 32
2.1　人工智能范式的變遷 32
2.1.1　人工智能模型及其訓(xùn)練 32
2.1.2　人工智能范式的變遷詳解 34
2.2　提示工程的興起 40
2.2.1　提示學(xué)習(xí) 41
2.2.2　提示學(xué)習(xí)的研究領(lǐng)域 44
2.2.3　蓬勃發(fā)展的提示工程 52
2.2.4　提示工程的特點(diǎn)與優(yōu)勢(shì) 56
2.2.5　提示工程的局限、挑戰(zhàn)及探索 57
第3章　AIGC中的提示工程 59
3.1　全面認(rèn)識(shí)AIGC 59
3.1.1　AIGC的誕生和發(fā)展 60
3.1.2　AIGC引起內(nèi)容生成范式的變遷 61
3.1.3　提示詞與AIGC 61
3.2　AIGC的類(lèi)別、原理及工具 62
3.2.1　文本生成 63
3.2.2　代碼生成 64
3.2.3　圖像生成 65
3.2.4　視頻生成 67
3.3　AIGC的影響 68
3.3.1　AIGC對(duì)各行各業(yè)的影響 68
3.3.2　提示工程師的誕生 69
3.4　AIGC圖像生成與提示工程 70
3.4.1　Stable Diffusion的提示工程 70
3.4.2　Midjourney的提示工程 79
3.4.3　實(shí)戰(zhàn)：利用ChatGPT和Midjourney完成廣告文案和圖像的生成 81
第4章　提示工程的基本思路和技巧 85
4.1　提示工程基礎(chǔ)知識(shí) 85
4.1.1　提示工程的基本思路 85
4.1.2　提示工程的特點(diǎn) 87
4.1.3　提示調(diào)試涉及的因素 90
4.1.4　提示效果評(píng)估 92
4.1.5　工具和資源 93
4.2　提示工程基本技巧 94
4.2.1　上下文信息和指令 95
4.2.2　角色扮演 99
4.2.3　從零樣本到少樣本 101
4.3　提示工程進(jìn)階技巧 104
4.3.1　思維鏈 104
4.3.2　自洽性 106
4.3.3　由少到多 109
4.3.4　生成知識(shí)提示法 111
4.3.5　自動(dòng)提示生成 114
4.3.6　其他進(jìn)階方法簡(jiǎn)介 115
第5章　ChatGPT中的提示工程 119
5.1　ChatGPT的基本模型設(shè)置 120
5.2　提示詞的基礎(chǔ)知識(shí)回顧 120
5.2.1　提示詞格式 121
5.2.2　提示詞要素 122
5.2.3　設(shè)計(jì)提示的通用技巧 122
5.3　文本任務(wù) 124
5.3.1　文本概括 124
5.3.2　信息提取 125
5.3.3　文本分類(lèi) 126
5.3.4　問(wèn)答 127
5.3.5　對(duì)話(huà) 127
5.4　編程 128
5.4.1　代碼生成 129
5.4.2　代碼調(diào)試 130
5.4.3　單元測(cè)試 131
5.5　插件 132
5.5.1　ChatGPT插件功能使用 132
5.5.2　ChatGPT插件功能開(kāi)發(fā) 135
5.5.3　代碼解釋器 138
5.6　函數(shù)調(diào)用 142
5.6.1　函數(shù)調(diào)用功能使用 143
5.6.2　函數(shù)調(diào)用應(yīng)用場(chǎng)景 146
第6章　搜索領(lǐng)域的提示工程應(yīng)用 148
6.1　新必應(yīng)及其聊天體驗(yàn) 148
6.1.1　新必應(yīng)簡(jiǎn)介 148
6.1.2　全新的聊天體驗(yàn) 150
6.1.3　必應(yīng)普羅米修斯模型 156
6.2　檢索增強(qiáng)的大語(yǔ)言模型 158
6.2.1　大語(yǔ)言模型的幻覺(jué)問(wèn)題 158
6.2.2　檢索增強(qiáng)的大語(yǔ)言模型框架 160
6.2.3　開(kāi)源實(shí)例 161
6.3　大語(yǔ)言模型增強(qiáng)檢索 168
6.3.1　神經(jīng)向量檢索 168
6.3.2　相關(guān)性重排 171
6.3.3　數(shù)據(jù)標(biāo)注 173
6.4　搜索新場(chǎng)景 174
6.4.1　必應(yīng)故事 174
6.4.2　必應(yīng)知識(shí)卡片2.0 176
第7章　Microsoft Copilot中的提示工程 178
7.1　Microsoft 365 Copilot概覽 178
7.1.1　Copilot中的提示 178
7.1.2　Copilot系統(tǒng) 179
7.2　Word Copilot 181
7.2.1　Word Copilot基本功能 183
7.2.2　Word Copilot提示交互的基本原理 184
7.2.3　典型交互類(lèi)型與提示實(shí)例 186
7.3　PowerPoint Copilot 188
7.3.1　PowerPoint Copilot基本功能 189
7.3.2　PowerPoint提示交互的工作流程與示例 190
7.3.3　典型交互類(lèi)型與提示實(shí)例 194
7.3.4　PowerPoint的渲染與樣式Designer 196
7.4　Excel Copilot 199
7.4.1　Excel Copilot基本功能 200
7.4.2　基本原理 201
7.4.3　提示實(shí)例 202
7.5　其他應(yīng)用 204
7.5.1　Teams Copilot基本功能與提示實(shí)例 204
7.5.2　Outlook Copilot基本功能與提示實(shí)例 207
7.6　應(yīng)用實(shí)戰(zhàn) 209
7.6.1　題目描述 209
7.6.2　Azure OpenAI 快速入門(mén) 209
7.6.3　參考答案 210
第8章　提示工程的行業(yè)應(yīng)用 212
8.1　大語(yǔ)言模型對(duì)各行業(yè)的影響 212
8.2　法律行業(yè)的應(yīng)用 213
8.2.1　法律行業(yè)的需求背景和潛在機(jī)會(huì) 213
8.2.2　法律行業(yè)的產(chǎn)品案例 214
8.2.3　典型應(yīng)用場(chǎng)景（一）：起草法律合同 216
8.2.4　典型應(yīng)用場(chǎng)景（二）：法律論證 221
8.3　醫(yī)療行業(yè)的應(yīng)用 223
8.3.1　醫(yī)療行業(yè)的需求背景和潛在機(jī)會(huì) 223
8.3.2　醫(yī)療行業(yè)的產(chǎn)品案例 224
8.3.3　典型應(yīng)用場(chǎng)景（一）：醫(yī)療詢(xún)?cè)\ 226
8.3.4　典型應(yīng)用場(chǎng)景（二）：醫(yī)學(xué)影像 232
8.4　金融行業(yè)的應(yīng)用 234
8.4.1　金融行業(yè)的需求背景和潛在機(jī)會(huì) 234
8.4.2　金融行業(yè)的產(chǎn)品案例 235
8.4.3　典型應(yīng)用場(chǎng)景 235
8.5　應(yīng)用實(shí)戰(zhàn)：基于ChatGPT的醫(yī)學(xué)詢(xún)?cè)\ 251
8.5.1　環(huán)境配置 252
8.5.2　數(shù)據(jù)下載和處理 253
8.5.3　編寫(xiě)提示完成問(wèn)答功能 254
8.6　應(yīng)用實(shí)戰(zhàn)：基于ChatGPT的跨境電商營(yíng)銷(xiāo)和運(yùn)營(yíng) 257
8.6.1　廣告營(yíng)銷(xiāo) 258
8.6.2　銷(xiāo)售運(yùn)營(yíng) 260
8.6.3　獨(dú)立自建站 262
參考文獻(xiàn) 264