本系列是学院君学习 Prompt Engineering Guide 的学习笔记，在尊重原文的基础上，有很多增补、注释、整合和汉化工作。
你可以把前面写的三篇《ChatGPT 提示的艺术》作为 Prompt 小白入门篇：
把这个系列看作 Prompt 专业进阶版。
提示工程是一门伴随生成式 AI 发展兴起的相对较新的学科，它致力于开发和优化提示（Prompt），以便更有效地将语言模型（LMs）应用于各种应用和研究主题。如ChatGPT 提示的艺术以及通用人工智能的火花：GPT-4 早期实验中提到的那样，目前 GPT 生成的结果准确性非常依赖输入的提示 ，学习提示工程技能也有助于更好地理解大语言模型（LLMs）的能力和局限性。
什么是大语言模型？
大语言模型（Large Language Models，简称LLMs）是一类基于人工智能和机器学习的先进算法，它们被训练为理解、生成和处理自然语言文本。这些模型通过分析大量文本数据来学习语言的结构、语法和语义规律。在训练阶段，模型尝试捕捉语言的模式和上下文关系，以便在部署时能够根据输入的提示生成恰当的回应或完成特定任务。
大语言模型的一个典型例子是 OpenAI 的 GPT（即生成预训练式 Transformer）系列，包括 GPT-2、GPT-3 和 GPT-4。这些模型利用了 Transformer 架构，能处理多种任务，如问答、文本生成、摘要、翻译、情感分析等。
随着模型规模的扩大（如参数数量的增加），大语言模型在许多自然语言处理任务上的表现越来越好。然而，这也带来了一些挑战，如计算资源需求的增加、潜在的偏见问题以及与安全性和道德相关的问题。
研究人员使用提示工程可以提高 LLMs 在广泛的常见和复杂任务（如问答和算术推理）方面的能力。开发人员使用提示工程可以设计稳健且有效的提示技巧，以便与 LLMs 和其他工具进行交互。
提示工程不仅仅是关于设计和开发提示。它涵盖了与 LLMs 交互和开发的一系列技能和技巧。这是一个重要的技能，用于接入、构建和理解 LLMs 的能力。你可以使用提示工程来提高 LLMs 的安全性，并构建新的功能，如使用领域知识和外部工具来增强 LLMs。
受到对 LLMs 开发的高度关注的推动，我们创建了这个新的提示工程指南，其中包含了所有与提示工程相关的基础知识，包括最新论文、学习指南、模型、讲座、参考资料、新的 LLMs 功能和工具等，以提供如何使用提示与大语言模型（LLMs）进行交互和指导的大概思路。
所有示例都在 OpenAI Playgound 中基于 text-davinci-003 进行测试，除非另有说明，并且使用默认配置，即 temperature=0.7 和top_p=1，但本指南不仅适用于 OpenAI，而是面向所有生成式 AI 的提示：
text-davinci-003和gpt-3.5-turbo有啥区别？
text-davinci-003和gpt-3.5-turbo都是 OpenAI GPT-3 系列中的两个模型，它们之间的主要区别在于性能和价格。性能：
gpt-3.5-turbo相对于text-davinci-003在性能方面有所提高。根据 OpenAI 的说法，gpt-3.5-turbo在许多任务中的性能与text-davinci-003相当或更好。这意味着，与text-davinci-003相比，gpt-3.5-turbo可以在保持相同质量输出的同时更有效地完成任务。价格：
gpt-3.5-turbo的价格相对于text-davinci-003更具竞争力。使用gpt-3.5-turbo的成本约为使用text-davinci-003的1/4。这使得gpt-3.5-turbo成为许多应用和开发场景中更实惠的选择。因此，在大多数情况下，从性能和成本上看，
gpt-3.5-turbo是更好的选择。但它们准确性上相差无几，在某些特定场景下，text-davinci-003可能更胜一筹，比如准确性和稳定性，不过要看具体场景和输入。作为教程示例，这里沿用原文的选择，以避免额外隐形工作量的增加。
有关 AI&ChatGPT的实时动态和免费资源获取，可以加入这个免费的知识星球获取：
