掌握提问驱动AI：速通大模型提示工程

《掌握提问驱动AI：速通大模型提示工程》是一本全面探讨大语言模型和提示工程技术应用于不同领域的实践指南。本书系统介绍了提示工程的基础知识，并通过丰富的实例详细阐述了内容创作、播客制作、创意写作、文本分析、教育、法律、编程、聊天机器人等多个领域中的提示工程技巧。书中不仅深入讲解了如何设计和优化提示语以提升人工智能输出的质量，还探讨了如何将大语言模型整合到实际工作流中，构建智能化解决方案。

"吉尔伯特·米兹拉希（Gilbert Mizrahi）是一位产品战略家、教育家和经验丰富的企业家，在多个行业取得了卓越的成果。他在交互式数据可视化、产品战略创新、生成式 AI 和软件即服务（Software as a Service，SaaS）方面拥有丰富的理论知识和实战经验。作为 Twnel 的联合创始人，Gilbert 指导产品研发，利用他在 AI 方面的专业知识制定顶尖的解决方案，提高了企业的沟通效率和生产力。他对数据科学和产品增长的热忱，在企业实践中得到了充分体现。
吉尔伯特拥有斯坦福大学运筹学硕士学位和工业工程学士学位。他经验丰富，曾担任 MassChallenge 和 Newchip Accelerator 的导师，Looi Consulting 的商业战略和产品开发顾问，以及 Aptima Inc的高级技术研究员。
吉尔伯特的前瞻性思维、创业精神和创新热忱，使他成为产品开发中应用生成式 AI 和策略的先驱。
"

目录
第一篇 提示工程入门
第 1 章 提示语及提示工程技巧 3
1.1 技术需求 4
1.2 LLM 提示工程简介 5
1.3 LLM 提示工程原理 5
1.3.1 模型架构 5
1.3.2 LLM 训练 6
1.3.3 从提示语到回复——LLM 如何通过推理进行补全 8
1.4 不同类型的 LLM 提示语 9
1.5 LLM 提示语的构成要素 15
1.6 使用角色——通过角色提示实现针对性的互动 19
1.7 少样本学习——使用含有示例的 提示语训练模型 21
1.8 找到适合你的文风——在提示语中 定义个性化元素 23
1.9 使用模式提升提示语效果 26
1.10 混合搭配——提升提示语效果的策略性组合 28
1.11 探索 LLM 的参数 31
1.12 如何开展提示工程实验 32
1.13 LLM 提示语面临的挑战和局限性 33
1.14 本章总结 34
第 2 章 利用 AI 生成的文本进行内容创作 36
2.1 使用 AI 进行文案写作 37
2.2 创作社交媒体帖子 42
2.2.1 撰写 Twitter thread 43
2.2.2 撰写 Instagram post 46
2.2.3 生成高转化率的销售文案 49
2.3 撰写视频脚本 53
2.4 生成博客帖子/文章以及新闻报道 55
2.5 使用 AI 创作吸引人的内容 62
2.6 如何使用 AI 撰写个性化信息 66
2.7 使用 AI 创作定制化内容 72
2.8 本章总结 74
第二篇 提示工程基础技巧
第 3 章 利用 ChatGPT 创作并推广播客及其他实用案例 79
3.1 为明星嘉宾设计播客问题 80
3.2 为普通嘉宾设计播客问题 84
3.3 确定播客主题、内容和潜在嘉宾 87
3.4 运用 AI 技术推广播客 90
3.4.1 为播客节目撰写简介 90
3.4.2 为社交媒体推广创作吸引人的语录 94
3.4.3 创作播客精彩片段集锦 96
3.4.4 重新利用播客内容，转化为可分享的博客文章 97
3.5 确定有深度的面试问题 99
3.6 利用 AI 生成的响应提升面试技巧 101
3.7 利用 AI 生成战略性问题用于客户交流 107
3.8 本章总结 108
第 4 章 LLM 在创意写作中的应用 109
4.1 利用 AI 进行创意写作 109
4.2 利用 AI 生成小说 112
4.3 利用 AI 创作诗歌 121
4.4 本章总结 126
第 5 章 从非结构化文本中挖掘有价值的信息——AI 文本分析技术 127
5.1 情感分析——基于 AI 技术的文本情感检测 127
5.2 非结构化数据分组——利用 AI 自动进行文本分类和数据分类 131
5.3 清洗脏数据——AI 如何识别并解决数据集中的问题 133
5.4 理解非结构化数据——利用模式匹配提取信息 136
5.5 本章总结 149
第三篇 不同行业的高级应用案例
第 6 章 LLM 在教育和法律中的应用 153
6.1 利用 ChatGPT 创建课程材料 154
6.2 创建讲义和其他材料 157
6.2.1 创建单元讲义 157
6.2.2 创建解答示例 158
6.2.3 文字应用题 160
6.3 创建随堂测验 162
6.4 创建评分标准 165
6.5 创建完形填空理解力测试 167
6.6 AI 在法律研究方面的应用 169
6.7 使用 LLM 审查法律文件 171
6.8 使用 LLM 起草法律文件 176
6.9 AI 在法律教育和培训中的应用 181
6.10 LLM 在电子证据开示和诉讼支持中的应用 185
6.11 AI 在知识产权管理中的应用 188
6.12 LLM 在律师工作中的其他应用 192
6.13 本章总结 195
第 7 章 AI 结对编程助手的兴起——与智能助手协作编写更高质量的代码 197
7.1 使用代码助手生成代码 198
7.2 从困惑到清晰——AI 用简单的英语解释代码的作用 200
7.3 代码注释、格式化以及代码优化 201
7.4 修复有问题的代码——AI 如何改变调试过程 203
7.5 将代码从一种编程语言转换成另一种编程语言 205
7.6 案例研究 1——使用 AI 开发网站代码 206
7.7 案例研究 2——使用 AI 开发 Chrome 扩展程序 216
7.8 本章总结 222
第 8 章 AI 在聊天机器人中的应用 223
8.1 技术需求 224
8.2 如何使用 GPT-4 及其他 LLM 的 API 构建聊天机器人 224
8.3 利用 LLM 的 API 构建对话界面 227
8.4 如何使用 AI 进行客户支持 233
8.5 案例研究——协助用户订购产品的 AI 聊天机器人 235
8.6 案例研究——创建交互式测验/评估并嵌入聊天机器人工作流 243
8.7 本章总结 248
第 9 章 构建更加智能的系统——高级 LLM 集成 249
9.1 使用 spreadsheets 实现批量提示语自动化 250
9.2 使用 Zapier 和 Make 将 LLM 集成到自己的技术栈中 253
9.3 超越 API——使用 LangChain 构建自定义的 LLM 流水线（pipeline） 264
9.3.1 LangChain 的构建模块 265
9.3.2 LangChain 的无代码工具——Langflow 和 Flowise 267
9.3.3 LangSmith——调试、测试和监控 LLM 工作流 273
9.4 LLM 集成的未来——插件、代理、助手、GPTs 及多模态模型 273
9.5 本章总结 275
第四篇 伦理、限制、未来发展
第 10 章 生成式 AI——技术创新引发的伦理问题 279
10.1 探讨生成式 AI 带来的伦理挑战 280
10.2 经济影响方面的考量 281
10.3 环境可持续性问题 282
10.4 社会风险与反思 283
10.4.1 更广泛的社会影响 283
10.4.2 机器创造力揭示的认知本质 283
10.4.3 国防和医疗保健领域的担忧 284
10.5 前进之路——解决方案与保障措施 284
10.6 本章总结 285
第 11 章 结论 287
11.1 本书内容回顾 288
11.2 扩展可能性——提示工程创新应用 288
11.3 实现预期成果——提示工程的目标 290
11.4 理解局限性并保持监督 291
11.5 本章总结 292