前言

诸如 GPT-4、Bard、Claude 等 LLM 的出现，标志着 AI 能力的重大突破。这些模型依托海量数据集和强大的计算能力，能够生成令人惊叹的逼真文本，并进行复杂的对话。然而，要充分发挥它们的潜力，关键在于掌握提示工程的艺术，即精心设计能够激活模型潜能的提示语的过程。提示语包括指令、上下文、示例和限制条件，用以激发模型完成特定任务的能力。掌握提示工程可以释放 LLM 在内容创作、数据分析等众多应用领域的巨大潜力。

本书是一部涵盖不同领域提示工程实践的指南，通过具体示例和真实案例研究，读者将学习分解问题为独立的提示、提供上下文知识、反复优化提示语，以及构造模型输出等有效的技巧。这段学习之旅为读者提供基于精心设计的提示语发挥 LLM 多样化能力的策略。遵循本书中的技巧，任何人都能使用 GPT-4、Claude 等 AI 模型的问题解决能力，从而构建能够创造真正价值的解决方案。

目标读者

这本书适合所有想要成为 ChatGPT 等 AI 模型提示语设计专家的读者。无论你是一名初学者，还是已具备一定提示工程经验的人士，这本书都能帮助你掌握创建高效提示语的艺术与科学。我在设计这本书时考虑到了广泛的读者群体，包括学生、研究员、创业者、市场营销人员、客户服务代表以及其他希望利用提示语的力量充分发挥 AI 潜能的专业人士。我的目标是提供立竿见影的实用策略和技巧，帮助你提升提示语设计技能。阅读完这本书，你将学会如何构建能够准确传达你意图的提示语，包括适当的上下文和示例，从而引导 AI 模型输出所期望的结果。这本书中的实用知识将帮助你成为提示工程的专家。

本书内容

第 1 章 提示语及提示工程技巧

本章作为导论，全面介绍了 LLM 的提示语以及提示工程的基础知识。本章探讨了提示语的组成部分、不同的提示技巧、LLM 的参数，以及用于设计有效提示语的系统化实验框架。本章还讨论了一些亟待解决的挑战，如内容冗长和上下文不一致等问题。通过讲解提示工程的核心知识，以及如何引导 LLM 的行为，本章为后续章节中探索 AI 在不同领域的应用奠定了基础。

第 2 章 利用 AI 生成的文本进行内容创作

本章重点介绍了如何利用 ChatGPT 等 AI 工具来生成、构思和起草各种内容，包括社交媒体帖子、销售文案、视频脚本和文章。关键在于如何为 AI 提供恰当的上下文和示例，以及如何个性化信息、调整语气和风格，最后再对 AI 生成的初稿进行优化和精炼。虽然 AI在内容创作方面显示了巨大的潜力，但人类的创意和监督仍然是不可或缺的。本章的核心在于教会读者如何巧妙地结合 AI 的辅助和人类的创造力，创作出既吸引人又高质量的内容。

第 3 章 利用 ChatGPT 创作并推广播客及其他实用案例

本章通过实际案例，展示了如何使用 AI 工具（如 ChatGPT）来制作引人入胜的播客节目和准备求职面试。对于播客制作，AI 可以帮助确定话题、寻找潜在嘉宾，甚至生成宣传内容。在求职面试方面，无论是面试官还是求职者，都可以利用 AI 来设计相关问题和准备周到的答案。本章的核心在于如何运用 AI 来加速准备工作、创意构思和内容创作，同时提升人类的创造力。

第 4 章 LLM 在创意写作中的应用

本章探讨了作家如何利用 ChatGPT 等 AI 工具来强化创意写作的各个环节。本章提供了许多实用技巧，比如如何精心设计提示语来生成小说创意、塑造人物角色和构建情节，以及如何创作原创诗歌。本章的核心在于利用 AI 激发创作灵感，同时保持作者独特的创作视角和个人风格。在实现人类创作和 AI 辅助的良好平衡下，这些模型可以加快创意构思过程，通过编辑提高写作内容的质量，并开拓新的创作领域。

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

本章重点介绍了 AI 技术在非结构化文本分析中的重要应用，包括情感分析、数据分类、数据清洗和模式匹配等，提供了运用这些技术完成具体任务的实例，如判断内容情感倾向、对数据进行分类、解决数据不一致问题，以及从文本中提取结构化信息。本章的核心在于利用 AI 工具对数据进行自动化的定性分析，这不仅能节省时间和精力，还能提高分析的准确性。通过正确使用这些技术，每个人都能从海量的非结构化文本数据中发掘出有价值的信息。

第 6 章 LLM 在教育和法律中的应用

本章展示了 ChatGPT 等 AI 系统在教育和法律领域的实际应用。通过生动的例子，向我们展示了如何利用这些智能工具来创建个性化课程材料和练习题，以及根据学习目标定制评分标准等多个例子。在法律领域，本章探讨了 LLM 在法律研究、文件起草、知识产权管理、法学院学生培训以及其他新兴使用场景的应用。然而，对 AI 生成内容进行人工审核依然十分重要。ChatGPT 等 AI 工具可自动化执行工作流，辅助教育、法律以及其他领域的专业人员，提高了生产效率，展现出巨大的潜力。

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

近年来，以 GPT-4 为代表的 LLM 正在彻底改变编程的方式，它们能够生成实用的代码片段、解释复杂的代码、协助代码调试、优化程序性能，甚至在不同的编程语言之间进行转换。本章通过实际案例，展示了如何利用 AI 快速开发网站代码和 Chrome 浏览器扩展程序，让开发者可以将精力集中在创意设计上，而不是被烦琐的编码任务所困扰。AI 编码助手，如GitHub Copilot，运用了 GPT-3 和 GPT-4 的强大能力，可以根据开发者的具体需求自动生成代码。尽管 AI 能够加快开发速度，但在代码部署和上线之前，仍然需要人类专家进行审核和优化。短期内，AI 不太可能完全取代开发者，但它可以在编程过程中增强人类的创造力和解决问题的能力。未来的开发模式将是人机协作，程序员和 AI 助手将携手共进，相辅相成。

第 8 章 AI 在聊天机器人中的应用

由 GPT-3/4、Claude 等 LLM 驱动的聊天机器人正在重塑对话式 AI，为用户带来更自然、更人性化的数字交互体验。本章通过详细的例子向读者展示，这些强大的生成模型使得机器人能够真正理解人类语言，与用户进行自然的对话，并完成从商业交易到个性化评估的复杂工作流。

要充分发挥这些模型的潜力，关键在于精心设计的提示工程。开发者可以在提示语中注入关键的上下文信息、领域知识、业务逻辑和数据源等内容，从而更好地引导机器人的行为。虽然在开放平台上与这些模型进行交互已经让我们惊叹不已，但基于 LLM API 构建的定制化解决方案才真正展现出无限的可能性。

第 9 章 构建更加智能的系统——高级 LLM 集成

本章探讨了将 LLM 整合到实际工作流程中的各种技术，以此开启新的应用可能性。例如，像 SheetSmart 这样简单易用的模板工具，让我们可以轻松地在电子表格中设置公式，批量调用 GPT-3.5 等 LLM。而更强大的自动化平台，如 Zapier 和 Make，能够将网络应用程序与 LLM API 进行连接，形成工作流，从而实现自动化流程，如通过将数据输入 LLM 生成竞品分析报告。

对于需要完全定制化解决方案的场景，LangChain、Flowise、Langflow 等开发者工具提供了构建复杂 LLM 应用的框架，这些应用包括推理、对话和上下文推荐等高级功能。本章的实例演示了如何将这些技术应用到实际中，如从客户数据中提取有价值的信息来丰富客户关系管理（CRM）系统，以及如何让 LLM 与 PDF 文档进行“对话”。

第 10 章 生成式 AI——技术创新引发的伦理问题

生成式 AI 的出现为我们带来了一系列严峻的挑战，这些挑战涉及信任、责任、偏见风险等多个方面，同时也带来了广泛的经济影响，从提高生产力到可能造成的岗位替代。此外，生成式 AI 还带来了巨大的计算需求，可能威胁到环境的可持续性。我们还需要关注一些微妙的社会风险，以及围绕机器创造力的哲学问题。要应对这些挑战，我们需要在多个层面上采取行动：从设计阶段就考虑伦理问题，进行算法评估，制定周到的法规，建立包容性的治理机制，并坚持维护人权。我们今天在 AI 伦理和治理方面做出的选择，将对未来产生深远的影响。如果我们能够以人文主义为指导来发展这些技术，它们就能成为提升和丰富社会的强大工具。

第 11 章 结论

提示工程是一项突破性技术，它能够引导 LLM 这样的生成式 AI 系统自动完成任务，并在各行各业中提升人类的能力。根据模型生成的输出结果，精心调整和优化提示语，是驾驭这些模型的核心所在，这就好比烹饪时根据口味精细调节食材一样。目前，人类的专业知识对于监督和引导尚处于萌芽期的 AI 来讲仍然是不可或缺的。展望未来，条件提示和因果提示等新技术可能会让我们创造出更可靠、更个性化的应用。在医疗保健、工程和理财等领域，提示工程展现了巨大的潜力，有望成为专业人士的得力助手。然而，我们必须正视当前的局限性，并实施审慎的治理措施，以负责任的态度管理潜在风险。那些将模型与各种服务进行整合的平台，以及通过独特数据进行训练来定制输出的工具，将进一步拓展应用的可能性。虽然目前提示工程主要专注于文本生成，但随着多模态大语言模型的进步，它的应用范围将变得更加广泛和多样。

总之，本书为读者提供了一份全面的提示工程入门指南，通过介绍提示工程技巧，激发出涵盖人们生活和工作各个方面的无限可能性。

充分利用本书

要充分利用这本书，读者需要能够访问 OpenAI 的 ChatGPT、Anthropic 的 Claude2 、Google 的 Bard 模型。本书将从基础知识讲起，所以不需要具备深厚的技术背景，最重要的是，你应该保持热情和创造力，并愿意不断尝试和改进，从而构建出行之有效的 LLM 提示语。保持好奇和探索的心态至关重要，因为提示工程能帮助你提高清晰表达任务的能力，并发掘语言模型的潜力。本书的目标是引导你踏上一段自主学习的旅程。

本书主要聚焦于为 OpenAI 的 ChatGPT、Anthropic 的 Claude 和 Google 新推出的 Bard语言模型设计提示语，涵盖了这些行业领先系统中可用的各种技术。书中的代码和示例兼容 macOS、Windows10 及以上版本，或常见的 Linux 发行版。这里对硬件要求并不高，只需要一台使用年限在 7 年内且可以连通互联网的计算机。

我们精心设计了本书的结构，旨在帮助你快速将提示工程技术应用到实际问题中。如果你喜欢快速理解概念并立即投入实践的学习方式，那这本书正适合你。

软/硬件要求：OpenAI ChatGPT，GPT-3.5 和 GPT-4；Anthropic Claude2；Google Bard。

操作系统要求：Windows，macOS 或 Linux。