掌握提問驅動AI：速通大模型提示工程

"吉爾伯特·米茲拉希（Gilbert Mizrahi）是一位產品戰略家、教育家和經驗豐富的企業家，在多個行業取得了卓越的成果。他在交互式數據可視化、產品戰略創新、生成式 AI 和軟件即服務（Software as a Service，SaaS）方面擁有豐富的理論知識和實戰經驗。作為 Twnel 的聯合創始人，Gilbert 指導產品研發，利用他在 AI 方面的專業知識制定**的解決方案，提高了企業的溝通效率和生產力。他對數據科學和產品增長的熱忱，在企業實踐中得到了充分體現。吉爾伯特擁有斯坦福大學運籌學碩士學位和工業工程學士學位。他經驗豐富，曾擔任 MassChallenge 和 Newchip Accelerator 的導師，Looi Consulting 的商業戰略和產品開發顧問，以及 Aptima Inc的高級技術研究員。吉爾伯特的前瞻性思維、創業精神和創新熱忱，使他成為產品開發中應用生成式 AI 和策略的先驅。"

目錄

第一篇 提示工程入門

第 1 章 提示語及提示工程技巧 3

1.1 技術需求 4

1.2 LLM 提示工程簡介 5

1.3 LLM 提示工程原理 5

1.3.1 模型架構 5

1.3.2 LLM 訓練 6

1.3.3 從提示語到回復——LLM 如何通過推理進行補全 8

1.4 不同類型的 LLM 提示語 9

1.5 LLM 提示語的構成要素 15

1.6 使用角色——通過角色提示實現針對性的互動 19

1.7 少樣本學習——使用含有示例的 提示語訓練模型 21

1.8 找到適合你的文風——在提示語中 定義個性化元素 23

1.9 使用模式提升提示語效果 26

1.10 混合搭配——提升提示語效果的策略性組合 28

1.11 探索 LLM 的參數 31

1.12 如何開展提示工程實驗 32

1.13 LLM 提示語面臨的挑戰和局限性 33

1.14 本章總結 34

第 2 章 利用 AI 生成的文本進行內容創作 36

2.1 使用 AI 進行文案寫作 37

2.2 創作社交媒體帖子 42

2.2.1 撰寫 Twitter thread 43

2.2.2 撰寫 Instagram post 46

2.2.3 生成高轉化率的銷售文案 49

2.3 撰寫視頻腳本 53

2.4 生成博客帖子/文章以及新聞報道 55

2.5 使用 AI 創作吸引人的內容 62

2.6 如何使用 AI 撰寫個性化信息 66

2.7 使用 AI 創作定制化內容 72

2.8 本章總結 74

第二篇 提示工程基礎技巧

第 3 章 利用 ChatGPT 創作並推廣播客及其他實用案例 79

3.1 為明星嘉賓設計播客問題 80

3.2 為普通嘉賓設計播客問題 84

3.3 確定播客主題、內容和潛在嘉賓 87

3.4 運用 AI 技術推廣播客 90

3.4.1 為播客節目撰寫簡介 90

3.4.2 為社交媒體推廣創作吸引人的語錄 94

3.4.3 創作播客精彩片段集錦 96

3.4.4 重新利用播客內容，轉化為可分享的博客文章 97

3.5 確定有深度的面試問題 99

3.6 利用 AI 生成的響應提升面試技巧 101

3.7 利用 AI 生成戰略性問題用於客戶交流 107

3.8 本章總結 108

第 4 章 LLM 在創意寫作中的應用 109

4.1 利用 AI 進行創意寫作 109

4.2 利用 AI 生成小說 112

4.3 利用 AI 創作詩歌 121

4.4 本章總結 126

第 5 章 從非結構化文本中挖掘有價值的信息——AI 文本分析技術 127

5.1 情感分析——基於 AI 技術的文本情感檢測 127

5.2 非結構化數據分組——利用 AI 自動進行文本分類和數據分類 131

5.3 清洗臟數據——AI 如何識別並解決數據集中的問題 133

5.4 理解非結構化數據——利用模式匹配提取信息 136

5.5 本章總結 149

第三篇 不同行業的高級應用案例

第 6 章 LLM 在教育和法律中的應用 153

6.1 利用 ChatGPT 創建課程材料 154

6.2 創建講義和其他材料 157

6.2.1 創建單元講義 157

6.2.2 創建解答示例 158

6.2.3 文字應用題 160

6.3 創建隨堂測驗 162

6.4 創建評分標準 165

6.5 創建完形填空理解力測試 167

6.6 AI 在法律研究方面的應用 169

6.7 使用 LLM 審查法律文件 171

6.8 使用 LLM 起草法律文件 176

6.9 AI 在法律教育和培訓中的應用 181

6.10 LLM 在電子證據開示和訴訟支持中的應用 185

6.11 AI 在知識產權管理中的應用 188

6.12 LLM 在律師工作中的其他應用 192

6.13 本章總結 195

第 7 章 AI 結對編程助手的興起——與智能助手協作編寫更高質量的代碼 197

7.1 使用代碼助手生成代碼 198

7.2 從困惑到清晰——AI 用簡單的英語解釋代碼的作用 200

7.3 代碼註釋、格式化以及代碼優化 201

7.4 修復有問題的代碼——AI 如何改變調試過程 203

7.5 將代碼從一種編程語言轉換成另一種編程語言 205

7.6 案例研究 1——使用 AI 開發網站代碼 206

7.7 案例研究 2——使用 AI 開發 Chrome 擴展程序 216

7.8 本章總結 222

第 8 章 AI 在聊天機器人中的應用 223

8.1 技術需求 224

8.2 如何使用 GPT-4 及其他 LLM 的 API 構建聊天機器人 224

8.3 利用 LLM 的 API 構建對話界面 227

8.4 如何使用 AI 進行客戶支持 233

8.5 案例研究——協助用戶訂購產品的 AI 聊天機器人 235

8.6 案例研究——創建交互式測驗/評估並嵌入聊天機器人工作流 243

8.7 本章總結 248

第 9 章 構建更加智能的系統——高級 LLM 集成 249

9.1 使用 spreadsheets 實現批量提示語自動化 250

9.2 使用 Zapier 和 Make 將 LLM 集成到自己的技術棧中 253

9.3 超越 API——使用 LangChain 構建自定義的 LLM 流水線（pipeline） 264

9.3.1 LangChain 的構建模塊 265

9.3.2 LangChain 的無代碼工具——Langflow 和 Flowise 267

9.3.3 LangSmith——調試、測試和監控 LLM 工作流 273

9.4 LLM 集成的未來——插件、代理、助手、GPTs 及多模態模型 273

9.5 本章總結 275

第四篇 倫理、限制、未來發展

第 10 章 生成式 AI——技術創新引發的倫理問題 279

10.1 探討生成式 AI 帶來的倫理挑戰 280

10.2 經濟影響方面的考量 281

10.3 環境可持續性問題 282

10.4 社會風險與反思 283

10.4.1 更廣泛的社會影響 283

10.4.2 機器創造力揭示的認知本質 283

10.4.3 國防和醫療保健領域的擔憂 284

10.5 前進之路——解決方案與保障措施 284

10.6 本章總結 285

第 11 章 結論 287

11.1 本書內容回顧 288

11.2 擴展可能性——提示工程創新應用 288

11.3 實現預期成果——提示工程的目標 290

11.4 理解局限性並保持監督 291

11.5 本章總結 292