提示工程

序言
前言
第1章　認識大語言模型和ChatGPT 1
1.1　大語言模型基礎 1
1.1.1　什麼是語言模型 1
1.1.2　語言模型的歷史 4
1.1.3　基礎語言模型的種類 5
1.1.4　基礎語言模型的訓練與評估 10
1.1.5　什麼是大語言模型 14
1.2　大語言模型的類型 15
1.2.1　從左到右大語言模型 15
1.2.2　掩碼語言模型 16
1.2.3　前綴語言模型與編碼器–解碼器結構 17
1.3　初識ChatGPT 18
1.3.1　ChatGPT的原理 18
1.3.2　ChatGPT的應用 24
1.3.3　ChatGPT的挑戰 27
1.4　其他大語言模式 29
第2章　人工智慧範式的變化與提示工程 32
2.1　人工智慧範式的變遷 32
2.1.1　人工智慧模型及其訓練 32
2.1.2　人工智慧範式的變遷詳解 34
2.2　提示工程的興起 40
2.2.1　提示學習 41
2.2.2　提示學習的研究領域 44
2.2.3　蓬勃發展的提示工程 52
2.2.4　提示工程的特性與優點 56
2.2.5　提示工程的限制、挑戰與探索 57
第3章　AIGC中的提示工程 59
3.1　全面認識AIGC 59
3.1.1　AIGC的誕生與發展 60
3.1.2　AIGC引起內容生成範式的變遷 61
3.1.3　提示詞與AIGC 61
3.2　AIGC的分類、原理及工具 62
3.2.1　文本生成 63
3.2.2　程式碼產生 64
3.2.3　影像生成 65
3.2.4　影片生成 67
3.3　AIGC的影響 68
3.3.1　AIGC對各行各業的影響 68
3.3.2　提示工程師的誕生 69
3.4　AIGC影像生成與提示工程 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　實戰：利用ChatGPT和Midjourney完成廣告文案和圖像的生成 81
第4章　提示工程的基本想法與技巧 85
4.1　提示工程基礎 85
4.1.1　提示工程的基本想法 85
4.1.2　提示工程的特性 87
4.1.3　提示調試涉及的因素 90
4.1.4　提示效果評估 92
4.1.5　工具與資源 93
4.2　提示工程基本技巧 94
4.2.1　上下文資訊與指令 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　生成知識提示法 111
4.3.5　自動提示產生 114
4.3.6　其他進階方法簡介 115
第5章　ChatGPT中的提示工程 119
5.1　ChatGPT的基本模型設定 120
5.2　提示詞的基礎回顧 120
5.2.1　提示詞格式 121
5.2.2　提示詞要素 122
5.2.3　設計提示的通用技巧 122
5.3　文本任務 124
5.3.1　文本概括 124
5.3.2　資訊擷取 125
5.3.3　文本分類 126
5.3.4　問答 127
5.3.5　對話 127
5.4　程式設計 128
5.4.1　程式碼產生 129
5.4.2　程式碼調試 130
5.4.3　單元測試 131
5.5　插件 132
5.5.1　ChatGPT插件功能使用 132
5.5.2　ChatGPT插件功能開發 135
5.5.3　代碼解釋器 138
5.6　函數呼叫 142
5.6.1　函數呼叫功能使用 143
5.6.2　函數呼叫應用場景 146
第6章　搜尋領域的提示工程應用 148
6.1　新必應及其聊天體驗 148
6.1.1　新必應簡介 148
6.1.2　全新的聊天體驗 150
6.1.3　必應普羅米修斯模型 156
6.2　檢索增強的大語言模型 158
6.2.1　大語言模式的幻覺問題 158
6.2.2　檢索增強的大語言模型架構 160
6.2.3　開源實例 161
6.3　大語言模型增強檢索 168
6.3.1　神經向量檢索 168
6.3.2　相關性重排 171
6.3.3　資料標註 173
6.4　搜尋新場景 174
6.4.1　必應故事 174
6.4.2　必應知識卡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 179
7.2　Word Copilot 181
7.2.1　Word Copilot基本功能 183
7.2.2　Word Copilot提示互動的基本原理 184
7.2.3　典型互動類型與提示實例 186
7.3　PowerPoint Copilot 188
7.3.1　PowerPoint Copilot基本功能 189
7.3.2　PowerPoint提示互動的工作流程與範例 190
7.3.3　典型互動類型與提示實例 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　提示實例 202
7.5　其他應用 204
7.5.1　Teams Copilot基本功能與提示範例 204
7.5.2　Outlook Copilot基本功能與提示實例 207
7.6　應用實戰 209
7.6.1　題目描述 209
7.6.2　Azure OpenAI 快速入門 209
7.6.3　參考答案 210
第8章　提示工程的產業應用 212
8.1　大語言模式對各產業的影響 212
8.2　法律產業的應用 213
8.2.1　法律產業的需求背景與潛在機會 213
8.2.2　法律產業的產品案例 214
8.2.3　典型應用場景（一）：起草法律合約 216
8.2.4　典型應用場景（二）：法律論證 221
8.3　醫療產業的應用 223
8.3.1　醫療產業的需求背景與潛在機會 223
8.3.2　醫療產業的產品案例 224
8.3.3　典型應用場景（一）：醫療詢問 226
8.3.4　典型應用場景（二）：醫學影像 232
8.4　金融業的應用 234
8.4.1　金融業的需求背景與潛在機會 234
8.4.2　金融業的產品案例 235
8.4.3　典型應用場景 235
8.5　應用實戰：基於ChatGPT的醫學詢診 251
8.5.1　環境配置 252
8.5.2　資料下載與處理 253
8.5.3　撰寫提示完成問答功能 254
8.6　應用實戰：基於ChatGPT的跨境電商行銷與營運 257
8.6.1　廣告行銷 258
8.6.2　銷售營運 260
8.6.3　獨立自建站 262
參考文獻 264