电子工业出版社-网上书店

本书旨在探讨AI提示工程(通常简称提示工程或Prompt工程)在各领域的应用。大语言模型是人工智能领域的重要成果，在自然语言处理和生成任务中发挥着重要的作用。读者通过深入了解和应用提示工程，能充分挖掘和利用大语言模型的潜力，提升效率、促进创新，并解决实际问题。本书涵盖人工智能发展历程，提示工程的概念和设计原则、策略和技巧、不同领域的典型应用，以及数据分析与挖掘领域的应用。本书旨在以通俗易懂的方式呈现复杂概念和技术，并通过案例和实践指导，帮助读者掌握和应用提示工程，以取得更好的成果。本书适合从事AI提示工作的人员阅读，也可以作为各类学校相关课程的教材，还可以作为提示工程培训用书。

目    录


第1章  智领未来—走近大语言模型
      1.1  人工智能的发展历程
      1.2  机器学习与深度学习
      1.3  自然语言处理
         1.3.1  大语言模型
         1.3.2  机器翻译与文本生成
      1.4  大语言模型
         1.4.1  Transformer与大语言模型
         1.4.2  GPT及ChatGPT
      1.5  小结
第2章  提示工程概述
      2.1  提示工程的概念和作用
      2.2  提示信息的设计原则和框架
         2.2.1  清晰具体的提示
         2.2.2  给模型思考的时间
         2.2.3  提示信息的设计原则
         2.2.4  提示框架
      2.3  提示工程在人工智能生成内容(AIGC)中的应用
         2.3.1  文本生成任务
         2.3.2  图像生成任务
         2.3.3  音频生成任务
         2.3.4  其他生成任务
      2.4  提示信息的评估
      2.5  小结
第3章  提示工程的策略和技巧
      3.1  提高提示信息量
         3.1.1  零样本提示(Zero-Shot Prompting)
         3.1.2  单样本提示(1-Shot Prompting)
         3.1.3  少样本提示(Few-Shot Prompting)
         3.1.4  链式思维提示(Chain-of-Thought Prompting)
         3.1.5  生成知识提示(Generated Knowledge Prompting)
      3.2  提升一致性
         3.2.1  自我一致性提示(Self-Consistency Prompting)
         3.2.2  思维树提示(Tree of Thought Prompting)
      3.3  其他策略和技巧
         3.3.1  结合其他能力
         3.3.2  主动学习
         3.3.3  强化反馈提示
      3.4  反向提示工程(Reverse Prompt Engineering)
      3.5  协作技巧
      3.6  小结
第4章  提示工程的典型应用
      4.1  职场效率手册
         4.1.1  求职招聘
         4.1.2  高效办公
         4.1.3  职场沟通
      4.2  大型创作：大语言模型辅助编写一部书
         4.2.1  拟定提纲
         4.2.2  前言写作
         4.2.3  实验开发
         4.2.4  优化章节标题
         4.2.5  每章小结
         4.2.6  创建实训
         4.2.7  设置特别内容
         4.2.8  处理内容中断问题
         4.2.9  调整生成的代码
         4.2.10  创建原创数据实验
         4.2.11  报错处理、错误解析和自动纠错
      4.3  提示工程在知识领域的应用
         4.3.1  自我修炼导师
         4.3.2  助力文献阅读
         4.3.3  研究问题发掘
         4.3.4  多角色任务执行
      4.4  小结
第5章  提示工程赋能数据分析与挖掘
      5.1  数据收集的提示技巧
      5.2  数据清洗技巧
      5.3  数据探索技术
      5.4  数据可视化技术
      5.5  数据分析方法与模型
      5.6  小结
第6章  提示工程数据分析实战：零代码、SQL和Python
      6.1  案例：基于市场数据的产品分析与决策(零代码)
      6.2  案例：销售数据分析与挖掘(SQL)
      6.3  项目实战：武汉房价分析(Python)
      6.4  小结
结语
参考文献

前    言

1．写作目的
提示工程(Prompt Engineering)是一门旨在开发和优化提示信息以有效地利用语言模型(LM)进行各种应用和主题研究的学科。提示信息是人类与大语言模型交互的一种方式，它可以帮助大语言模型理解人类的意图，并生成符合人类要求的输出。通过精心设计的提示信息，可以提高大语言模型的性能，使其生成更准确、更相关的输出，从而增强大语言模型的表达能力和应用效果。同时，提示信息可以拓展大语言模型的应用范围，使其能够适用于新的领域和任务，进一步发挥其潜力和价值。此外，通过研究提示信息的效果，我们可以更好地理解大语言模型的工作原理，并改进大语言模型的设计和性能。
学习提示工程对于不同角色的人群都具有重要的意义和价值。一般读者可以通过了解提示工程，更好地与大语言模型进行交互，并获得更符合自身需求的输出结果。学生利用提示工程，可以提高学习效率，通过有针对性的指导和引导，帮助学生更快速地理解概念、解决问题，优化学习过程，提升学业成绩和自信心。研究人员利用提示工程，可以获得研究方向的引导、实验设计的指导和结果分析的支持，从而提升研究效率，加速实验进展，提供更准确和有价值的研究成果。开发人员利用提示工程，可以进行代码的自动编写和补全、错误检测并给出建议，从而提高开发效率，减少潜在错误，并提供更高质量的代码编写体验。总而言之，提示工程是一门新兴的学科，具有重要的研究价值和应用价值。学习提示工程可以帮助我们更好地理解大语言模型，并利用大语言模型来解决实际问题。了解和学习提示工程可以拓宽读者视野,并为其职业发展提供机遇。
2．本书特色
本书的特色在于全面介绍了提示工程在不同领域的应用，并深入讨论了相关的策略和技巧，重点突出了提示工程在数据分析与挖掘等领域的应用。
①全面介绍提示工程：本书提供了提示工程概述。第1章提供了从人工智能的发展历程、机器学习与深度学习，到自然语言处理和大语言模型等基础知识；第2章提供了提示工程的概念、作用，以及提示信息的设计原则和框架，并探讨了提示工程在人工智能生成内容中的应用及提示信息的评估。以上内容为读者提供了一个全面的提示工程框架，并为后续章节的深入讨论奠定了基础。
②策略和技巧的深入讨论：本书的第3章详细介绍了提示工程的策略和技巧，包括提高提示信息量、提升一致性，以及结合其他能力、主动学习和强化反馈提示等。读者可以学习如何应用这些策略和技巧来优化提示工程的效果。
③典型领域的应用：本书的第4章探讨了提示工程在职场、大型创作、知识等典型领域的应用。特别是，以作者通过使用大语言模型进行辅助编写的教材《大数据分析与挖掘实验教程》为例，展示了大语言模型如何进行智能写作和创作辅助，读者可以了解如何拟定提纲、优化章节标题、处理内容中断问题等。第4章还介绍了如何利用提示工程创建原创数据实验和自动纠错，以提高书籍编写的效率和质量。
④重点突出数据分析与挖掘：本书在第5章和第6章详细介绍了提示工程在数据分析与挖掘中的应用，涵盖了数据收集的提示技巧、数据清洗技巧、数据探索技术、数据可视化技术及数据分析方法与模型。通过具体案例，读者可以学习如何利用提示工程进行基于市场数据的产品分析与决策(零代码)、销售数据分析与挖掘(SQL)，以及房价分析(Python)。
本书旨在帮助读者全面了解、掌握和应用提示工程的核心概念、技术和方法；针对不同读者群体提供实用的指导和经验，帮助读者快速上手和应用提示工程。无论是学生、研究人员、开发人员、职场小白还是数据分析师，都能从本书中获得价值和启发。本书配有思政知识讲解视频，可扫下面二维码观看。
 
3．注意
为了真实呈现AI技术原貌，其生成内容存在的小瑕疵未作处理。
4．致谢
本书的出版融汇了许多人的辛勤劳动。全书由万欣策划、编写和统稿。角志浩和徐栋对本书的内容架构、案例分析给了许多宝贵意见，并对部分内容进行了修改、增加和编写；角志浩还对全书进行了精心的版面设计，以增加本书的易读性。本书的出版得到了武汉纺织大学管理学院领导和同事们的大力支持，在此一并表示感谢。作者特别感谢电子工业出版社的王二华老师对本书出版的大力支持。
限于作者的学识水平，书中难免存在不足和疏漏之处，敬请读者批评指正。

作者

本书配套资源下载

对不起，暂无音视频资源！

AI提示工程——基础 ?应用?实例