提示词工程是什么？
Prompt engineering（提示词工程）是指在使用语言模型进行生成性任务时，设计和调整输入提示（prompts）以改善模型生成结果的过程。它是一种优化技术，旨在引导模型产生更加准确、相关和符合预期的输出。
在生成性任务中，输入提示是指提供给语言模型的初始文本或问题，用以引导其生成后续的文本或回答。通过巧妙地设计和调整输入提示，可以影响模型的生成行为，使其更好地满足特定的要求。
Prompt engineering 可以包括以下方面的工作：
-
样本选择：选择与目标任务相似或相关的样本，以构建输入提示。这可以通过从类似的数据集或相似任务的样本中选择合适的提示来实现。
-
提示设计：设计有针对性的提示，以引导模型生成期望的输出。提示可以包括问题描述、特定的关键词或格式要求，使模型更容易理解任务的上下文和需求。
-
迭代优化：根据模型生成的结果，通过反馈循环进行迭代优化。根据生成结果的准确性和质量，调整和改进输入提示的设计，逐步提高模型的性能。
-
对抗性训练：使用对抗性训练技术，通过与人类编写的提示进行比较，帮助模型更好地理解任务要求，并生成更准确、一致的输出。
Prompt engineering 的目标是通过合理的提示设计，引导模型生成与任务相关的高质量文本。它可以提高生成模型的可用性、可控性和适应性，使其更好地适应不同的应用场景和需求。
提示词工程课程分享
一个提示词工程的课程，是吴恩达老师和OpenAI合作的课程，感觉还不错。b站的up主datawhale也制作了双语字幕版的视频，大家感兴趣的可以去看看
具体的课程名叫prompt engineering for developers
课程时长也不长，只有一个多小时，零碎时间看看就能看完、
