你需要使用安全选项卡英语（您需使用安全选项卡）



提示在溝通和引導大型語言模型 （LLM） AI 的行為方面扮演重要角色。 它們可作為使用者所提供的輸入或查詢，以從模型產生特定回應。

有效的提示設計對於使用 LLM AI 模型達成所需成果至關重要。 提示工程，也稱為提示設計，是一個新興領域，需要創造力和關注細節。 它牽涉到選取正確的單字、片語、符號和格式，以引導模型產生高品質和相關文字。

如果您已試驗 ChatGPT，您可以看到模型的行為如何根據您提供的輸入而大幅變更。 例如，下列提示會產生非常不同的輸出：

第一個提示會產生長報表，而第二個提示會產生簡潔的回應。 如果您要建置空間有限的UI，第二個提示會更適合您的需求。 您可以藉由將更多詳細數據新增至提示來達成進一步的精簡行為，但其可能走得太遠，併產生不相關的輸出。 身為提示工程師，您必須找出特定性和相關性之間的正確平衡。

當您直接使用 LLM 模型時，您也可以使用其他控件來影響模型的行為。 例如，您可以使用 參數來控制模型的輸出隨機性。 其他參數，例如 top-k、top-p、頻率懲罰，以及存在懲罰也會影響模型的行為。

由於存在控制量，提示工程是任何使用 LLM AI 模型的人的重要技能。 當更多組織採用 LLM AI 模型將工作自動化並提高生產力時，這也是一項高需求技能。 良好的提示工程師可藉由設計產生所需輸出的提示，協助組織充分利用其 LLM AI 模型。

語意核心是提示工程的寶貴工具，因為它可讓您使用通用介面，在多個不同模型中試驗不同的提示和參數。 這可讓您快速比較不同模型和參數的輸出，並反覆運算提示以達到所需的結果。

一旦您熟悉提示工程，您也可以使用 Semantic Kernel 將技能套用至真實世界的案例。 藉由結合提示與原生函式和連接器，您可以建置功能強大的 AI 應用程式。

最後，藉由深入整合 Visual Studio Code，Semantic Kernel 也可讓您輕鬆地將提示工程整合到現有的開發程式。

成為熟練的提示工程師需要技術知識、創造力和實驗的組合。 以下是提示工程中Excel的一些秘訣：

• 瞭解 LLM AI 模型： 深入瞭解 LLM AI 模型的運作方式，包括其架構、定型流程和行為。
• 領域知識： 取得領域特定知識，以設計符合所需輸出和工作的提示。
• 測試： 探索不同的參數和設定，以微調提示，並優化模型針對特定工作或領域的行為。
• 意見反應和反覆項目： 持續分析模型所產生的輸出，並根據使用者意見反應逐一查看提示，以改善其品質和相關性。
• 持續更新： 跟上提示工程技術、研究和最佳做法的最新進展，以增強您的技能，並持續在現場。

提示工程是一個動態且不斷演進的領域，熟練的提示工程師在有效運用 LLM AI 模型的功能方面扮演了重要角色。

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/te-aq/15162.html