探秘大模型:《提示工程:技巧、方法与行业应用》背后的故事

提示工程是一种新兴的利用人工智能的技术,它通过设计提示引导生成式 AI 模型产生预期的输出,来提升人与 AI 的互动质量,激发 AI 模型的潜力,提升AI的应用水平。

为了让每一个人都拥有驱动大模型的能力,以微软全球副总裁张祺博士为首的微软(亚洲)互联网工程院十数位专家联合写作了《提示工程:方法、技巧与行业应用》一书,为大家揭示了大语言模型背后的技术奥秘。

950ad6f91fa2b95794c5e7782eb607d6.png

《提示工程》一书涵盖了大语言模型的发展背景、概念及应用场景,以及提示工程的兴起和实操技巧,不仅能够帮助掌握大语言模型的基本概念,还能通过从实战体验和进阶技巧使读者了解其在各行业的应用,从而更好的利用此工具,拓展自身能力边界,提高生产力,释放更多创造力的可能性。

为了更加了解这本书,我们有幸采访到了为本书出版做出了巨大贡献的微软(亚洲)互联网工程院研发总监的龙继东

860c0e92695c6cb45faf6024480cf532.png

龙继东

龙继东于2010年加入美国微软,2013年加入微软(中国),继东和他的团队在本书的写作中发挥了关键性的作用。下面由他来为我们揭晓本书背后的机缘与思索——

动机与缘起

在实际工作和对技术的探索中,我深信提示工程在未来的各个领域将有着巨大的应用前景。自2023年起,国外已经涌现出一批科普书籍,旨在介绍这一技术。然而,令人遗憾的是,在国内这项技术尚未普及,甚至连一本介绍这项技术的书籍都找不到。在我学习提示工程的过程中,由于各种原因,我发现这类书籍很难找到,甚至身边的朋友都只能通过图片来了解这方面的内容。这清楚地显示了当时国内对类书籍的强烈需求。另外,由于语言障碍,国内读者的阅读门槛较高,这进一步阻碍了相关知识的普及。因此,我们团队想到有没有可能编写一本书面向国内的大众读者。

提示工程通过自然语言进行交互,使得机器能够理解“人类语言”。它未来的受众不仅局限于“程序员”,还包括普通大众。然而,市面上却很少有针对普通人的提示工程知识普及材料。为了真正推动这项技术走向更广泛的人群,编写一本面向大众的书籍势在必行。

fbb028d92acc9be5fdb30ae0a3c3206c.png

图片来源于网络

当然,最初我们着手创作这本书源于自身遇到的问题,引发了我们对新兴技术的好奇与探索。当我们意识到传统的人工方法在Matrix处理中的高成本时,我们转向了LLM(Large Language Models),并开始思考如何应用提示工程技术,提高LLM在实战中的应用能力。这项技术的应用将大大减少各项成本支出。我向张祺博士汇报了这一发现,他高度认可,并认为根据他在这一领域多年的专业经验判断,这项技术应该得到大力推广。因此,编写这本书成为了当务之急。

团队突出贡献与本书亮点

一本科普教育类书籍的首要目标是系统全面地介绍当前领域,让读者能够清晰易懂地理解、系统化地掌握领域内的基础知识,并激发其学习热情。因此,我们努力将本书打磨得深入浅出、系统化、实战性强。

我们以系统性的方式介绍提示工程,用大众易懂的语言解释这一概念。在编写过程中,我们的思路始终是让即便是初学者也能轻松理解,降低大众的学习门槛。这会让这本书的受众范围更广,更多的普通人可以理解并从中获益。

由于我们团队都是微软一线的工程师,已经成功开发了许多产品应用。在本书中,我们展示了提示工程的实际应用,并提供丰富的实战案例。相信工程师的一线经验会让本书更具说服力和实践性,使想要进阶的读者更容易获得启发,从而激发创造力。

a4908ccd57aea773bf2163867ef62068.jpeg

未来可能的影响

由于提示工程自然语言交互的特性,只要懂得使用文字,就能够应用。例如,像Sora这样的大模型,一句话就能生成一段高质量的视频,这极大地拓展了个人能力的边界。这项技术的潜在受众不仅局限于程序员,还包括各行各业的人士。因此,本书的目的是让更多人了解并掌握这项技术,从而在工作和生活中产生改变。

我深知自己我们所做的事情有限,未来还需更加进步,我们抛砖引玉,这部书将填补国内对提示工程科普教育的空白,为更多人提供了学习的机会。这本书是一本很好的入门教材,可以帮助想要探索提示工程的人打开一扇大门,学习是应用这项技术的第一步。更重要的是,这本书能鼓励更多普通人参与到人工智能的应用,让更多人从中受益。

收获与成长

对于我们团队来说,参与这本书的写作带来了巨大的收获和成长。在写作过程中,我们需要系统性地学习,在提炼、总结和输出的过程中,我们不仅学到了很多新知识,还锻炼了自己的表达能力等等。

此外,学习的结果不仅体现在书中,更在微软具体的产品中得到了良好的反馈,形成了正向的循环。成为Prompt engineering的早期探索者,在人工智能重要性愈发显著的趋势下,我们也很幸运在职业发展中增添了宝贵的经历。团队的成长也带来了更多的机会,我们对提示工程有了更深一层的理解,认识到prompt engineering仍有很大的空间和潜力,上限很高,需要不停地去激发它,这改变了我们解决问题的逻辑,因此也加速了产品的迭代过程。

dd1d62c995a8f9cc78100467a8749915.jpeg

后续的思考与推动

当然,在书籍问世之后,我们团队不会就此止步,后续还将继续推动提示工程这一技术的发展和传播。

我们将继续保持开放的心态,继续推广提示工程这项技术。在编写此书的过程当中,我们也在研发相应的课程,帮助更多人来学习;另外,微软中许多团队在未来都有可能使用到提示工程这项技术,因此我们未来可能将在公司内部开设相关课程,鼓励大家学习;不仅如此,我们还将继续与外界分享这一技术,为更多人提供交流和学习的机会,尽可能带动更多人参与其中。

我们还将保持发展的眼光,随时接受最新技术迭代的挑战。因为我们深知,提示工程的更新迭代速度日益加快,作为这项技术的传播者,需要在实践过程中不断汲取最新的知识,或许未来会有第二部的编写,带来最新的案例和经验,也或许在某个论坛,不断更新,不局限于载体,更重要的是紧跟最新技术的脚步,并持续地为传播提示工程贡献自己的力量。

最后的话

在《提示工程:技巧、方法与行业应用》的背后,是由一群对技术充满热情的探索者编写的,他们以无限的创意和勇气,将一项技术普及到国内,为推动技术传播贡献了自己的力量。希望这本书能够成为更多人迈向人工智能领域的引路人,助力技术的应用和推广。


欢迎关注微软 智汇AI 官方账号

一手资讯抢先了解

515b7d8863064a65f4b22c7df75f4a78.jpeg

5bfbdb7cc2d858abd14e43d76400be50.jpeg

感谢喜欢,点击一下 在看 吧 

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。如若转载,请注明出处:http://www.mzph.cn/news/803704.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基于HASM模型的高精度建模matlab仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 4.1HASM模型概述 4.2 HASM模型的数学表述 5.完整程序 1.程序功能描述 本课题主要使用HASM进行高精度建模,主要对HASM模型进行介绍以及在实际中如何进行简化实现的。HASM原始的模…

SQL注入利用学习 - 延时盲注

延时盲注原理 无法利用页面显示结果判断SQL注入是否执行成功,此时可以利用 SQL语句执行的延时 判断SQL是 否执行成功。 只要可以执行延时,那么就可以利用该注入技术。 sql时间类型的盲注本质是利用插入的SQL语句执行造成时间延迟,插入的SQ…

gpt科普1 GPT与搜索引擎的对比

GPT(Generative Pre-trained Transformer)是一种基于Transformer架构的自然语言处理模型。它通过大规模的无监督学习来预训练模型,在完成这个阶段后,可以用于各种NLP任务,如文本生成、机器翻译、文本分类等。 以下是关…

【VUE】Vue3+Element Plus动态间距处理

目录 1. 动态间距调整1.1 效果演示1.2 代码演示 2. 固定间距2.1 效果演示2.2 代码演示 其他情况 1. 动态间距调整 1.1 效果演示 并行效果 并列效果 1.2 代码演示 <template><div style"margin-bottom: 15px">direction:<el-radio v-model"d…

【实用工具】使用飞书机器人监控工程日志

1.创建一个飞书群聊&#xff0c;设置-->群机器人-->添加机器人-->自定义机器人-->修改机器人名称-->添加 2.复制webhook地址 3.编写日志请求代码 import logging import requests import json import os from datetime import datetime import time import sub…

云平台和云原生

目录 1.0 云平台 1.1.0 私有云、公有云、混合云 1.1.1 私有云 1.1.2 公有云 1.1.3 混合云 1.2 常见云管理平台 1.3 云管理的好处 1.3.1 多云的统一管理 1.3.2 跨云资源调度和编排需要 1.3.3 实现多云治理 1.3.4 多云的统一监控和运维 1.3.5 统一成本分析和优化 1.…

【CSS】MDN

一、CSS构建 1.1 CSS选择器 1.1.1 元素选择器 标签不区分大小写 示例&#xff1a; span {background-color: yellow; }1.1.2 通用选择器 选择文档中所有内容&#xff0c;重置样式表中使用较多 鉴于div:first-child&#xff08;代表所有的div元素&#xff0c;并且是第一个…

【目标检测】-入门知识

1、回归与分类问题 回归问题是指给定输入变量(特征)和一个连续的输出变量(标签),建立一个函数来预测输出变量的值。换句话说,回归问题的目标是预测一个连续的输出值,例如预测房价、股票价格、销售额等。回归问题通常使用回归分析技术,例如线性回归、多项式回归、决策树…

小程序 SSL证书的重要性与选择

随着移动互联网的迅猛发展&#xff0c;微信小程序已成为众多企业和开发者连接用户的重要平台。然而&#xff0c;随之而来的是对数据安全和隐私保护的严峻挑战。在这一背景下&#xff0c;SSL证书的作用变得尤为重要&#xff0c;它为小程序提供了一个安全的通信管道&#xff0c;确…

ChromeDriver / Selenium-server

一、简介 ChromeDriver 是一个 WebDriver 的实现&#xff0c;专门用于自动化控制 Google Chrome 浏览器。以下是关于 ChromeDriver 的详细说明&#xff1a; 定义与作用&#xff1a; ChromeDriver 是一个独立的服务器程序&#xff0c;作为客户端库与 Google Chrome 浏览…

R语言数据可视化:ggplot2绘图系统

ggpolt2绘图系统被称为R语言中最高大上的绘图系统&#xff0c;使用ggplot2绘图系统绘图就像是在使用语法创造句子一样&#xff0c;把数据映射到几何客体的美学属性上。因此使用ggplot2绘图系统的核心函数ggplot来绘图必须具备三个条件&#xff0c;数据data&#xff0c;美学属性…

41---音频电路设计

视频链接 音频电路设计01_哔哩哔哩_bilibili 音频电路设计 1、音频基本介绍 1.1、设备 1.1.1、音频接口 型号&#xff1a;ABA-JAK-038-K44 电脑主机上的音频输出插口&#xff0c;一个是粉色的&#xff0c;用来连接麦克风或话筒&#xff0c;一个是绿色的&#xff0c;用来连…

智能工业电脑在智慧电力中实现全程实时监控与调控

可视化编程工业电脑在化工、石油、电力等行业过程控制领域扮演着越来越重要的角色。这些基于ARM架构设计的嵌入式工业计算机凭借其高性能、低功耗以及出色的实时处理能力&#xff0c;有效提升了各行业生产过程的安全性和效率。 钡铼技术ARMxy系列采用嵌入式Linux 系统开发的产品…

YUDAO源码中的正序倒序表格ElmentUI的实现,与后端的配合?

前端展示和实现&#xff1a; 1. elmentUI表格的定义 2. JS请求参数改造 <!-- 列表 --><el-table v-loading"loading" :data"list" sort-change"handleSortChange"><el-table-column label"Expiry Date" prop"…

Vue第三方组件使用

文章目录 一、组件传值二、elementui组件使用三、fontawesome图标 一、组件传值 1、父组件与孩子组件传值 在孩子组件中定义props属性&#xff0c;里面定义好用于接收父亲数据的变量。 孩子组件是Movie Movie.vue。注意看在Movie组件里面有props对象中的title和rating属性用…

flutter ListView在TabBar在Column在SingleChildScrollView

flutter ListView在TabBar在Column在SingleChildScrollView _大数据知识库 我得到的异常为A RenderBox object must have an explicit size before it can be hit-tested. Make sure that the RenderBox in question sets its size during layout. 解决办法&#xff1a;添加w…

LMDeploy 推理部署工具

一. 大模型部署面临的挑战 1. 计算量巨大 大模型参数量巨大&#xff0c;前向推理时需要进行大量计算。 2. 内存开销巨大 大模型在推理过程中&#xff0c;以FP16为例&#xff0c;20B模型仅加载参数就需40G显存&#xff0c;175B模型更是需要350G显存。同时在推理过程中&#xff…

项目中使用消息队列改进——基于RabbitMQ

使用 RabbitMQ 实现消息队列 导入依赖 <!--AMQP依赖&#xff0c;包含RabbitMQ--> <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-amqp</artifactId> </dependency> <!--防止消息转…

Jmeter如何录制https的系统性能脚本

在使用jmeter录制性能测试脚本时&#xff0c;会遇到网站为http和https两种情况&#xff0c;略有不同&#xff0c;下面介绍一下&#xff1a; 1.Jmeter录制http 1.测试计划–>添加–>非测试元件–>HTTP(S)测试脚本记录器 【HTTP(S)测试脚本记录器】有的版本叫【HTTP代…

基于ES-EKF的LiDAR/GNSS/IMU传感器融合轨迹估计(附项目源码)

基于改进EKF的LiDAR/GNSS/IMU传感器融合轨迹估计&#xff08;附项目源码&#xff09; 算法概述PredictionCorrectionES-EKF算法融合算法实现轨迹估计实验结果 最近在研究传感器融合&#xff0c;看到一个很好的开源项目&#xff0c;适合小白学习&#xff0c;为以后做传感器融合、…