- 课程视频 ->
(点击图标即可播放)
- 在线阅读 -> islinxu.github.io/prompt-engineering-note/
ChatGPT Prompt Engineering Learning Notesfor Developers (面向开发者的ChatGPT提问工程学习笔记)
课程简单介绍了语言模型的工作原理，提供了最佳的提示工程实践，并展示了如何将语言模型 API 应用于各种任务的应用程序中。 此外，课程里面提供了 Jupyter Notebook 代码实例，可以直接使用 OpenAI 提供的 API Key 获得结果，所以没有账号也能够进行体验。
在ChatGPT Prompt Engineering for Developers 中，能够学习到如何使用大型语言模型 (LLM) 快速构建功能强大的新应用程序。使用 OpenAI API，您将能够快速构建学习创新和创造价值的能力，而这在以前是成本高昂、技术含量高或根本不可能的。
这个由 Isa Fulford (OpenAI) 和 Andrew Ng (DeepLearning.AI) 教授的短期课程将描述 LLM 的工作原理，提供即时工程的最佳实践，并展示 LLM API 如何用于各种任务的应用程序，包括：
- 总结（例如，为简洁起见总结用户评论）
- 推断（例如，情感分类、主题提取）
- 转换文本（例如，翻译、拼写和语法更正）
- 扩展（例如，自动编写电子邮件）
在这个课程中能够学习到，编写有效提示的两个关键原则，即如何系统地设计好的提示，并学习构建自定义聊天机器人。
所有概念都通过大量示例进行说明，可以直接在官方的Jupyter notebook环境中使用这些示例，以获得即时工程的实践经验。
课程章节
- 课程简介 (Introduction)
- 提示工程关键原则 (Guidelines)
- 提示工程需要迭代 (Iterative)
- 总结类应用 (Summarizing)
- 推理类应用 (Inferring)
- 转换类应用 (Transforming)
- 扩展类应用 (Expanding)
- 打造聊天机器人 (Chatbot)
- 课程总结 (Conclusion)
这个项目是对于ChatGPT Prompt Engineering for Developers课程的学习笔记整理，这里要感谢Isa Fulford (OpenAI) 和 Andrew Ng (DeepLearning.AI) 提供的精彩课程，这些内容对于像我一样的初学者提供了很大的帮助，本着学习与实践的想法，做了下面这些事情，希望可以对提示工程学习者起到帮助：
-
1.使用prompt+ChatGPT对课程内容原文进行机器翻译（全文由ChatGPT翻译生成，每一章都提供了中英对照）；
-
2.使用prompt+ChatGPT对笔记内容进行总结与扩展（在每一节的最后，附上了ChatGPT总结的效果）；
-
3.整理了实践过程中对应的jupyterbook代码，位置在： jb_code （可以在本地化部署环境运行）；
-
4.基于notebook代码制作shell的cli命令脚本(更新中)
python source/cli/cli_py.py --prompt "hello chatgpt" --model "gpt-3.5"
-
5.整理了提示工程相关的awesome的项目清单(更新中)： https://islinxu.github.io/prompt-engineering-note/projects/index.html
-
6.玩具项目: 引导ChatGPT实现生成tiny-gpt(从零开始实现一个简单的gpt模型)
- 记录在tiny-gpt
-
... ...