提示工程
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時(shí)間：2026-01-05
提示工程的實(shí)例教程
你將超越簡單的提示詞實(shí)驗(yàn)，學(xué)習(xí)如何利用大型語言模型、嵌入技術(shù)、檢索、智能體、工具和全棧應(yīng)用架構(gòu)，設(shè)計(jì)可靠、可擴(kuò)展且適合企業(yè)使用的AI系統(tǒng)。課程的每個(gè)部分都包含循序漸進(jìn)的實(shí)踐實(shí)驗(yàn)，確保你不僅理解概念，還能通過真實(shí)代碼實(shí)現(xiàn)這些概念。
- 課程模塊：
- 模塊1——生成式AI入門：通過理解生成式AI與判別式模型的區(qū)別、生成式系統(tǒng)的重要性以及它們在企業(yè)軟件、醫(yī)療保健、金融和航空等真實(shí)行業(yè)中的應(yīng)用，建立堅(jiān)實(shí)的概念基礎(chǔ)。實(shí)踐實(shí)驗(yàn)：比較判別式模型與生成式模型，使用基于Transformer的模型生成文本，并繪制真實(shí)世界中生成式AI的應(yīng)用場景。
- 模塊2——Transformer架構(gòu)與大型語言模型基礎(chǔ)：揭開Transformer的工作原理，包括自注意力機(jī)制、位置編碼以及編碼器與解碼器架構(gòu)。你還將探索令牌化、嵌入技術(shù)、上下文窗口，以及大型語言模型如何通過預(yù)訓(xùn)練、微調(diào)、指令調(diào)優(yōu)和基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF）進(jìn)行訓(xùn)練。實(shí)踐實(shí)驗(yàn)：實(shí)現(xiàn)自注意力概念，可視化令牌化和嵌入過程，并在高層模擬大型語言模型的訓(xùn)練流程。
- 模塊3——大型語言模型實(shí)踐：親手實(shí)踐熱門的大型語言模型系列，包括GPT、Claude、Gemini、LLaMA、Mistral和Falcon，并學(xué)習(xí)如何根據(jù)質(zhì)量、成本、延遲和應(yīng)用場景要求選擇合適的模型。實(shí)踐實(shí)驗(yàn)：構(gòu)建多模型評估工具，測試幻覺現(xiàn)象和偏見，并使用溫度參數(shù)、核采樣（top-p）和最大令牌數(shù)等參數(shù)集成大型語言模型API。
- 模塊4——工程師的提示詞工程：將提示詞工程作為軟件工程學(xué)科進(jìn)行教學(xué)，涵蓋系統(tǒng)、用戶和助手角色，零樣本、單樣本和少樣本提示技術(shù)，以及思維鏈、自一致性和基于約束的提示等高級技術(shù)。實(shí)踐實(shí)驗(yàn)：設(shè)計(jì)穩(wěn)健的提示詞模板，防范提示詞注入攻擊，并為安全提示實(shí)現(xiàn)輸入/輸出驗(yàn)證。
展開 LLM 的用例不僅限于上述，還必須具有足夠的創(chuàng)造力來編寫更好的提示，并且您可以讓這些模型執(zhí)行各種任務(wù)，因?yàn)樗鼈兘?jīng)過訓(xùn)練，可以執(zhí)行一次性學(xué)習(xí)和零次學(xué)習(xí)方法的任務(wù)。正因?yàn)槿绱耍瑢τ谄诖龔V泛使用 ChatGPT 類型模型的人來說，提示工程在學(xué)術(shù)界是一個(gè)全新的熱門話題。
大型語言模型應(yīng)用程序
LLM，例如 GPT-3，在各個(gè)領(lǐng)域都有廣泛的應(yīng)用。他們中的少數(shù)是：
自然語言理解 （NLU）
大型語言模型為能夠進(jìn)行自然對話的高級聊天機(jī)器人提供支持。
它們可用于為日程安排、提醒和信息檢索等任務(wù)創(chuàng)建智能虛擬助手。
內(nèi)容生成
為各種目的創(chuàng)建類似人類的文本，包括內(nèi)容創(chuàng)建、創(chuàng)意寫作和講故事。
根據(jù)自然語言描述或命令編寫代碼片段。
語言翻譯
大型語言模型可以幫助在不同語言之間翻譯文本，提高準(zhǔn)確性和流暢度。
文本摘要
生成較長文本或文章的簡明摘要。
情感分析
分析和理解社交媒體帖子、評論和評論中表達(dá)的情緒。
NLP 和 LLM 之間的區(qū)別
NLP 是自然語言處理，是人工智能 （AI） 的一個(gè)領(lǐng)域。它包括算法的開發(fā)。NLP 是一個(gè)比 LLM 更廣泛的領(lǐng)域，它由算法和技術(shù)組成。NLP 規(guī)定了兩種方法，即機(jī)器學(xué)習(xí)和分析語言數(shù)據(jù)。NLP 的應(yīng)用是 -
汽車常規(guī)任務(wù)
改進(jìn)搜索
搜索引擎優(yōu)化
分析和組織大型文檔
社交媒體分析。
而另一方面，LLM 是一種大型語言模型，更特定于類人文本，提供內(nèi)容生成和個(gè)性化推薦。
大型語言模型有哪些優(yōu)勢？
展開 為破局，企業(yè)搭建了 “QMS 數(shù)據(jù)底座 + AI 智能 Agent” 的質(zhì)量管理體系：
數(shù)據(jù)筑基：
先通過 QMS 系統(tǒng)完成物料基本信息、檢驗(yàn)項(xiàng)目庫、不良模式庫、處置方案庫等核心數(shù)據(jù)的數(shù)字化沉淀，形成覆蓋全產(chǎn)品生命周期的質(zhì)量數(shù)據(jù)資產(chǎn)；
Agent 矩陣搭建：
● 基于 “大模型 + 提示詞工程”，構(gòu)建專屬智能 Agent 集群，當(dāng)產(chǎn)線檢測到某齒輪尺寸超差時(shí)，不良模式 Agent1 秒匹配“尺寸偏差類型”，同步調(diào)取該齒輪的歷史不良記錄；
● 與此同時(shí)處置方案Agent立即推送 “返工調(diào)整機(jī)床參數(shù)” 的方案，并自動(dòng)生成工單發(fā)送至機(jī)加工車間；
● 同時(shí)，根因分析 Agent聯(lián)動(dòng)機(jī)床運(yùn)行數(shù)據(jù)，發(fā)現(xiàn)是 “主軸溫度過高導(dǎo)致的熱變形”，隨即觸發(fā)預(yù)防措施 Agent，推送 “主軸溫度實(shí)時(shí)監(jiān)控” 的設(shè)備改造建議；
● 持續(xù)優(yōu)化：系統(tǒng)將每次處置數(shù)據(jù)回傳至知識(shí)圖譜，不斷迭代 Agent 的推薦精度，實(shí)現(xiàn) 越用越智能。
價(jià)值體現(xiàn)：
這套體系落地6個(gè)月后，實(shí)現(xiàn)了企業(yè)質(zhì)量管理上多個(gè)指標(biāo)提升與優(yōu)化：
● 不合格品處置周期從24小時(shí)縮短至40分鐘，效率提升87%；
● 同類質(zhì)量問題重復(fù)發(fā)生率從月均5次降至1次以內(nèi)，下降80%；
● 質(zhì)量管理人員的重復(fù)性工作占比從70%降至20%，精力轉(zhuǎn)向更核心的改進(jìn)決策。
結(jié)語
AI不是“替代人工”，而是讓質(zhì)量管控 “更有溫度”
AI 賦能質(zhì)量管理，并非用機(jī)器取代檢驗(yàn)員與質(zhì)量工程師，而是將他們從重復(fù)性工作中解放，聚焦于 “決策、優(yōu)化、創(chuàng)新” 等高價(jià)值環(huán)節(jié) —— 當(dāng)系統(tǒng)承擔(dān)了數(shù)據(jù)采集、方案匹配的基礎(chǔ)工作，人便能更專注于質(zhì)量戰(zhàn)略的制定、核心問題的攻堅(jiān)。
對于制造業(yè)而言，這場 “AI + 質(zhì)量” 的變革，既是響應(yīng) “十五五” 高質(zhì)量發(fā)展的要求，也是在激烈競爭中構(gòu)建差異化優(yōu)勢的關(guān)鍵。
展開 但告訴它應(yīng)該如何處理這些事情是最初"插件提示"的問題。
而編寫這種提示也比較奇怪——也許是我們第一次正經(jīng)嘗試"與外星智能交流"的經(jīng)歷。當(dāng)然，這有助于"外星智能"接受大量的人類書寫的文本訓(xùn)練。因此，舉例來說，它會(huì)說英語（有點(diǎn)像那些老套的科幻小說中的外星人......）。我們可以告訴它"如果用戶輸入的語言不是英語，請翻譯成英語并向 Wolfram|Alpha 發(fā)送合適的查詢內(nèi)容，再用原始輸入的語言提供你的回應(yīng)"。
我們發(fā)現(xiàn)有時(shí)我們必須相當(dāng)堅(jiān)持原則（注意所有大寫字母）："在編寫 Wolfram 語言代碼時(shí)，永遠(yuǎn)不要對變量名使用蛇式命名法（snake case）；變量名永遠(yuǎn)要使用駝峰式命名法（camel case）。" 即使堅(jiān)持這樣的規(guī)則，ChatGPT 有時(shí)還是會(huì)做錯(cuò)事。整個(gè)"提示工程"的過程感覺有點(diǎn)像飼養(yǎng)動(dòng)物：你嘗試讓 ChatGPT 做你想做的事，但很難知道要怎么做才能實(shí)現(xiàn)。
最終，這個(gè)問題可能會(huì)在訓(xùn)練或提示中得到解決，但就目前而言，ChatGPT 有時(shí)會(huì)不知道 Wolfram 插件何時(shí)能提供幫助。例如，ChatGPT 猜測這應(yīng)該是一個(gè) DNA 序列，但（至少在這個(gè)會(huì)話中）并不立即認(rèn)為 Wolfram 插件可以幫上任何忙：
不過，輸入"使用Wolfram"，它就會(huì)把查詢內(nèi)容發(fā)送到 Wolfram 插件，后者確實(shí)能很好地處理這個(gè)內(nèi)容：
（有時(shí)你可能還想專門輸入"使用 Wolfram|Alpha"或"使用 Wolfram 語言"。特別是在 Wolfram 語言的情況下，你可能想看看它發(fā)送的實(shí)際代碼，并告訴它不要使用編出來實(shí)際上并不存在的函數(shù)等內(nèi)容。）
當(dāng)把 Wolfram語言代碼給到 Wolfram 插件時(shí)，它所做的基本上只是運(yùn)算該代碼，并返回結(jié)果——可能以圖形或數(shù)學(xué)公式，或只是文本的形式。
展開 工程提示：IPW常用于半精加工，清除前一把刀具銑不到的角落和無法下刀的區(qū)域。優(yōu)先使用“跟隨工件”的切削方式，生成的刀軌安全高效，智能化程度高。
深度加工輪廓銑操作是型腔銑的特例，經(jīng)常應(yīng)用到陡峭曲面的精加工和半精加工，相對于型腔銑，增加了一些特定參數(shù)，如陡峭角度、混合切削模式、層間過渡、層間剖切等，其主界面如圖17所示：
一、固定軸曲面輪廓銑的含義
曲面銑削是一種刀具沿曲面外形運(yùn)動(dòng)的加工類型，加工時(shí)機(jī)床的X軸、Y軸和Z軸聯(lián)動(dòng)。
二、固定軸曲面輪廓銑的特點(diǎn)及應(yīng)用場合
是一種用于精加工由輪廓曲面所形成區(qū)域的加工方式。它通過精確控制刀具軸和投影矢量，使刀具沿著非常復(fù)雜曲面的復(fù)雜輪廓運(yùn)動(dòng)。
三、固定軸曲面輪廓銑的驅(qū)動(dòng)方法
驅(qū)動(dòng)方法1-曲線/點(diǎn)
驅(qū)動(dòng)方法2-螺旋式
驅(qū)動(dòng)方法3-邊界
驅(qū)動(dòng)方法4-區(qū)域銑削
驅(qū)動(dòng)方法5-曲面區(qū)域銑
驅(qū)動(dòng)方法6-刀軌
驅(qū)動(dòng)方法7-徑向切削
驅(qū)動(dòng)方法8-流線
驅(qū)動(dòng)方法9-清根
驅(qū)動(dòng)方法10-文本
驅(qū)動(dòng)方法11-用戶定義
展開 
提示工程的相關(guān)專題、標(biāo)簽、搜索
提示工程錯(cuò)誤提示提示詞abaqus 錯(cuò)誤提示ansys 錯(cuò)誤提示ansys錯(cuò)誤提示 冷工程燃燒工程熱工程橋梁工程巖土工程工程熱物理 ansysworkbench提示需要注意工程數(shù)據(jù)ansysworkbench提示需要注意以下組件：工程數(shù)據(jù)b2b geo 企業(yè)知識(shí)圖譜和認(rèn)知提示詞工程跌落機(jī)械設(shè)計(jì)熱工程聲學(xué)工程機(jī)械設(shè)計(jì)熱工程聲學(xué)工程跌落機(jī)械設(shè)計(jì)熱工程聲學(xué)工程機(jī)械設(shè)計(jì)熱工程聲學(xué)工程巖土工程matlab巖土工程matlab巖土工程m
提示工程的最新內(nèi)容
- 模塊4——工程師的提示詞工程：將提示詞工程作為軟件工程學(xué)科進(jìn)行教學(xué)，涵蓋系統(tǒng)、用戶和助手角色，零樣本、單樣本和少樣本提示技術(shù)，以及思維鏈、自一致性和基于約束的提示等高級技術(shù)。實(shí)踐實(shí)驗(yàn)：設(shè)計(jì)穩(wěn)健的提示詞模板，防范提示詞注入攻擊，并為安全提示實(shí)現(xiàn)輸入/輸出驗(yàn)證。
為破局，企業(yè)搭建了 “QMS 數(shù)據(jù)底座 + AI 智能 Agent” 的質(zhì)量管理體系：
數(shù)據(jù)筑基：
先通過 QMS 系統(tǒng)完成物料基本信息、檢驗(yàn)項(xiàng)目庫、不良模式庫、處置方案庫等核心數(shù)據(jù)的數(shù)字化沉淀，形成覆蓋全產(chǎn)品生命周期的質(zhì)量數(shù)據(jù)資產(chǎn)；
Agent 矩陣搭建：
● 基于 “大模型 + 提示詞工程”，構(gòu)建專屬智能 Agent 集群，當(dāng)產(chǎn)線檢測到某齒輪尺寸超差時(shí)，
正因?yàn)槿绱耍瑢τ谄诖龔V泛使用 ChatGPT 類型模型的人來說，提示工程在學(xué)術(shù)界是一個(gè)全新的熱門話題。
大型語言模型應(yīng)用程序
LLM，例如 GPT-3，在各個(gè)領(lǐng)域都有廣泛的應(yīng)用。他們中的少數(shù)是：
自然語言理解 （NLU）
大型語言模型為能夠進(jìn)行自然對話的高級聊天機(jī)器人提供支持。
整個(gè)"提示工程"的過程感覺有點(diǎn)像飼養(yǎng)動(dòng)物：你嘗試讓 ChatGPT 做你想做的事，但很難知道要怎么做才能實(shí)現(xiàn)。
最終，這個(gè)問題可能會(huì)在訓(xùn)練或提示中得到解決，但就目前而言，ChatGPT 有時(shí)會(huì)不知道 Wolfram 插件何時(shí)能提供幫助。
點(diǎn)擊
生成報(bào)告，軟件會(huì)提示新建工程，輸入工程名，選擇工程保存路徑。IDE選擇MDK-ARM V5。
在Code Generator中找到Generated files框，勾選Generated periphera initialization as a pair of '.c/.h'files per IP。
工程提示：IPW常用于半精加工，清除前一把刀具銑不到的角落和無法下刀的區(qū)域。優(yōu)先使用“跟隨工件”的切削方式，生成的刀軌安全高效，智能化程度高。
