探索Prompt Engineering：开启大型语言模型潜力的钥匙

前言

什么是Prompt？Prompt Engineering?
Prompt可以理解为向语言模型提出的问题或者指令，它是激发模型产生特定类型响应的“触发器”。
Prompt Engineering，即提示工程，是近年来随着大型语言模型（LLM，Large Language Models）的发展而兴起的一个重要概念

接下来，让我们学习如何使用Prompt Engineering。

1. 初始化项目：

使用npm init -y命令在终端（快捷键Ctrl+`）快速创建一个package.json文件，这是Node.js项目的配置文件。

• npm init -y

2. 安装OpenAI SDK：

通过npm i openai命令安装OpenAI提供的官方SDK。这一步骤不仅会在你的项目目录中下载必要的库文件，还会自动在package.json的dependencies字段添加一条记录，表明该项目依赖于openai包。

• npm i openai

3. 创建.env文件

利用dotenv库（通过dotenv.config()方法）可以将API Key等敏感信息存储在项目根目录下的.env文件中。这样可以避免将密钥直接写入源代码，减少泄露风险。

• OPENAI_API_KEY =YOUR_API_KEY

4.创建main.js

① 环境变量配置

require('dotenv').config();
// 环境变量
// console.log(process.env, '------');

② 导入OpenAI模块并创建实例

const OpenAI = require('openai')//导入模块
// 创建实例
const client = new OpenAI({apiKey: process.env.OPENAI_API_KEY,baseURL: 'https://api.chatanywhere.tech/v1'
})

③ 创建异步函数getChatResponse

// 模型和prompt作为参数
const getChatResponse = async function (model, prompt) {// 向指定模型发送请求const response = await client.chat.completions.create({model: model, // 适合聊天的模型 很多种messages: [{role: 'user',content: prompt}]})返回// 第一条消息的content部分return response.choices[0].message.content}

④ 主函数main()

• 第一个prompt是一个关于总结文本的请求，要求将一个较长的段落总结成少于20字的一句话。
• 第二个prompt是一个角色扮演场景，要求模型以一致的风格回答一个关于“教我韧性”的问题，模仿对孩子的教导。

async function main() {// es6 模板字符串 比"" '' 动态解析 // 多行 特别适合详细的设置prompt let text = `您应该提供尽可能清晰、具体的指示，以表达您希望模型执行的任务\这将引导模型朝向所需的输出，并降低收到无关或不正确响应的可能性。\不要将写清晰的提示词与写简短的提示词混淆。\在许多情况下，更长的提示词可以为模型提供更多的清晰度和上下文信息，从而导致更详细和相关的输出。`// llm 的 nlp 总结能力// 转译let prompt = `把用三个反引号括起来的文本总结成一句话,20字以内。\`\`\`${text}\`\`\``const response = await getChatResponse('gpt-3.5-turbo', prompt)console.log(response);let prompt2 = `您的任务是以一致的风格回答问题。<孩子>: 教我耐心。<祖父母>: 挖出最深峡谷的河流源于一处不起眼的泉眼；最宏伟的交响乐从单一的音符开始；最复杂的挂毯以一根孤独的线开始编织。<孩子>: 教我韧性。`const response2 = await getChatResponse('gpt-3.5-turbo', prompt2);console.log(response2)
}

⑤ 运行

调用main()函数运行程序。

main()

总结

把时间花在设计prompt上，提供清晰、明确的提示，同时利用dotenv.config()方法存储api密码，注意将重复使用的代码进行封装，拒绝重复复制粘贴。养成良好的编程习惯并结合好prompt进行编程。

大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓