大模型 Prompt 调戏：最佳提示词指南

学习 AI 提示工程的资源列表

生成式 AI 工具和技术的兴起，催生了用户掌握大型语言模型（LLMs）潜力的需求。一系列课程和指南旨在填补这一知识空白，提供定制内容以揭开复杂 AI 概念的神秘面纱，并赋能用户构建有意义的应用。

其中，一些杰出资源包括来自 OpenAI、Anthropic、Hugging Face 和 Microsoft 等领先组织的实践教程、结构化课程和互动示例。每个资源采用独特方法，从提示工程的实用指导到 AI 伦理的基础课程，以及将 AI 集成到工作流中的高级主题。

这些课程真正有价值之处在于其可访问性。通过仓库、视频内容和社区支持，学习者可以与前沿 AI 教育互动，无论经验水平如何。从渴望掌握基础知识的初学者到精进高级技巧的专业人士，这些资源确保生成式 AI 的力量对每个愿意学习的人触手可及。

提示工程指南

提示工程指南 https://archive.ph/o/HcQsT/https://www.promptingguide.ai/introduction 是一个精心策划的资源，旨在揭开为大型语言模型（LLMs）设计有效提示的艺术和科学。它从介绍提示的含义及其在高级 AI 系统中的关键技能开始。该指南特别适合 LLMs 新手，以及希望优化设计输入以获得最佳模型响应的经验丰富的开发者。

该指南 在理论基础和实践洞察之间取得平衡。它深入探讨了构成成功提示的关键要素，如清晰度、特异性和上下文，并提供可操作的提示，以确保提示针对预期结果进行定制。

它还包括各种示例和案例研究，展示了措辞的微小变化如何显著影响 AI 生成响应的质量和相关性。这些示例使用 GPT-3.5-turbo 等模型进行了广泛测试，使指南高度适用于现实场景。

此外，提示工程指南还探讨了高级主题，如多步推理技术、动态提示构建和集成反馈循环以实现持续改进。

该指南还涉及与 AI 模型合作的挑战，如处理模糊查询或减轻响应中的偏见。该资源对任何希望有效利用 AI 的人都非常有价值，无论是用于内容创建、客户支持还是构建创新的 AI 驱动应用。

Awesome ChatGPT 提示

Awesome ChatGPT Prompts https://archive.ph/o/HcQsT/https://github.com/f/awesome-chatgpt-prompts 是一个为 OpenAI 的 ChatGPT 模型设计的提示示例精选集合。托管在 GitHub 上，该仓库为用户探索 ChatGPT 在各种任务和应用中的多样化能力提供了宝贵资源。

该仓库涵盖了广泛的提示，每个提示都针对从 ChatGPT 中引出特定响应进行了定制。这些提示涵盖了众多角色和场景，如扮演故事讲述者、翻译员甚至编程助手。通过提供这些示例，该集合帮助用户理解如何有效与 ChatGPT 互动以实现预期结果。

除了作为提示库，Awesome ChatGPT Prompts 还通过邀请用户贡献自己的提示来鼓励社区参与。这种协作方法培育了一个动态且不断发展的资源，持续增强其对 AI 社区的相关性和实用性。对探索或贡献感兴趣的人可以在 GitHub 上访问该仓库。

OpenAI Cookbook

OpenAI Cookbook https://archive.ph/o/HcQsT/https://github.com/openai/openai-cookbook 是一个开源仓库，为使用 OpenAI 的 API 和模型的开发者和研究人员提供了综合指南。托管在 GitHub 上，它提供了一系列示例、教程和实用代码片段，帮助用户在其项目中集成和优化 OpenAI 的工具。

该资源特别适合希望实施自然语言处理、生成式 AI 或机器学习解决方案的人。

食谱涵盖了广泛的主题，从与 OpenAI API 交互的基础知识到高级技术，如微调模型、优化提示和使用大型语言模型（LLMs）构建应用。

示例包括文本生成、数据分析、摘要和编码辅助，提供了利用 AI 进行多样化任务的可操作洞察。每个示例都附有详细解释和代码片段，即使对机器学习经验有限的用户也易于理解。

OpenAI Cookbook 是一个不断更新的文档，经常包含新功能、用例和对 OpenAI 模型和 API 的改进。它鼓励开发者社区的贡献，促进协作和创新。

无论你是首次探索 AI 还是希望加深专业知识，食谱都是一个宝贵的学习与实验资源。

Anthropic 快速入门

Anthropic Quickstarts https://archive.ph/o/HcQsT/https://github.com/anthropics/anthropic-quickstarts 是一个精选的项目集合，旨在帮助开发者快速使用 Anthropic API 构建应用。每个快速入门都作为一个基础模板，便于根据特定项目需求进行定制。

重要说明：

• 利用 Claude 的自然语言理解能力，创建一个带有知识库访问权限的 AI 辅助客户支持系统。
• 结合 Claude 的能力与交互式数据可视化，通过聊天互动分析财务数据。
• 展示 Claude 3.5 Sonnet 如何控制桌面计算机，展示其计算机使用能力。

每个项目都包括详细的设置说明，指导用户克隆仓库、安装依赖项、配置 Anthropic API 密钥并运行应用。这种结构化方法使开发者能够快速部署并根据需求定制应用。

从头构建 LLMs

Hugging Face 提供了一套全面的资源和工具，用于从头构建大型语言模型（LLMs），适合初学者和经验丰富的从业者。这些资源涵盖了整个开发流程，包括数据准备、分词器训练、模型架构设计和训练程序。

Hugging Face 的博客文章 https://archive.ph/o/HcQsT/https://huggingface.co/blog/how-to-train 提供了一个从头训练语言模型的分步指南。该教程使用世界语演示了收集和预处理数据、训练分词器以及为掩码语言建模设置类似 RoBERTa 模型的过程。该资源特别适合对低资源语言模型训练细节感兴趣的人。

对于自回归文本生成感兴趣的人，Hugging Face 的NLP 课程 https://archive.ph/o/HcQsT/https://huggingface.co/learn/nlp-course/chapter7/6 包括一个从头训练因果语言模型的章节。该部分指导用户收集数据集，如来自 GitHub 仓库的 Python 代码，并使用 Trainer API 和 ? Accelerate 训练类似 GPT 的模型。该课程设计得易于理解，即使对自然语言处理新手也是如此。

这些资源共同为希望利用 Hugging Face 的工具和社区驱动知识库从头构建和训练 LLMs 的个人提供了强大的框架。

面向初学者的生成式 AI

Microsoft 的生成式 AI 面向初学者 https://archive.ph/o/HcQsT/https://learn.microsoft.com/en-us/shows/generative-ai-for-beginners/ 是一个全面的教育课程，旨在向学习者介绍生成式人工智能（AI）的基础知识及其应用。由 Microsoft Cloud Advocates 开发，该课程包含 18 个结构化课程，指导参与者从基本概念到高级 AI 应用开发。

课程结构与内容：

课程分为不同模块，每个模块专注于生成式 AI 的特定方面：

• 提供生成式 AI 的概述、其演变以及 LLMs 在 AI 应用中的作用。
• 探索与比较不同 LLMs： 考察各种 LLMs，突出其独特功能和用例。
• 生成式 AI 的负责任使用： 讨论伦理考虑和部署 AI 的最佳实践。
• 提示工程基础与高级技术： 教授如何设计有效提示以从 AI 模型中引出期望输出。

Anthropic 教育课程

Anthropic https://archive.ph/o/HcQsT/https://github.com/anthropics/courses 提供了一套教育课程，旨在为开发者和 AI 从业者提供有效利用其 AI 模型（特别是 Claude）所需的技能。这些课程涵盖从基础 API 使用到高级提示工程技术的广泛主题。

课程内容：

Anthropic API 基础： 该课程介绍使用 Claude SDK 的基本知识，包括获取 API 密钥、配置模型参数、设计多模态提示和处理流式响应。

提示工程互动教程： 一个全面的逐步指南，深入探讨关键提示技术，使用户能够为各种应用设计有效提示。

现实世界提示： 该课程专注于将提示技术应用于复杂现实场景，帮助用户将 AI 解决方案集成到实际工作流中。

提示评估： 学习如何开发生产级提示评估，以评估和提升提示质量，确保更准确的 AI 输出。

工具使用： 该课程提供有效在工作流中实施工具使用的见解，优化 AI 能力的集成。

AI 技术的快速增长要求我们不断优化学习与应用其能力的方式。OpenAI、Anthropic、Hugging Face 和 Microsoft 等提供的资源为掌握 LLMs 和生成式 AI 提供了途径。它们在理论洞察与实践应用之间取得平衡，使用户不仅能理解 AI，还能以变革方式实施。

通过这些教育资源获得的知识和技能，可以赋能个人和团队自信地驾驭 AI 领域，激发创新并推动这一变革领域的进步。