之前介绍了很多在本地部署远程大模型以及本地大模型的教程，但是对于 AI 的使用尤其是如何让 AI 准确理解并执行下达的任务也是一个技术活，所以又诞生了 Prompt 提示词工程这个概念。
上周，iOS 18 测试版发布，部分用户提前试用了苹果在 WWDC 宣布的一系列 Apple Intelligence（苹果智能）的功能，更多的功能会在未来几个月内陆续发布。
不会写 prompt 的看过来。
去年 11 月 8 日，新加坡政府科技局（GovTech）组织举办了首届 GPT-4 提示工程（Prompt Engineering）竞赛。数据科学家 Sheila Teo 最终夺冠，成为最终的提示女王（Prompt Queen）。
当下，如果我们希望通过 ChatGPT 得到有用的信息，就必须知道如何向它发出清晰的指令。为了指导用户写一个好的 prompt，OpenAI 官方曾上线了 Prompt engineering，谷歌和微软也有类似的动作。
人类设计 prompt 的效率其实很低，效果也不如 AI 模型自己优化。2022 年底，ChatGPT 上线，同时引爆了一个新的名词：提示工程（Prompt Engineering）。
近年来，大语言模型（LLMs）由于其通用的问题处理能力而引起了大量的关注。现有研究表明，适当的提示设计（prompt enginerring），例如思维链（Chain-of-Thoughts），可以解锁 LLM 在不同领域的强大能力。
无论是 Google 翻译、DeepL 翻译还是 ChatGPT，翻译大段英文的时候，“机翻感”（机器翻译的感觉）都很强，一看就是机器翻译的，很生硬，但是自己手动润色又太费时间。
随着大型语言模型（LLM）技术日渐成熟，提示工程（Prompt Engineering）变得越来越重要。一些研究机构发布了 LLM 提示工程指南，包括微软、OpenAI 等等。
不会，prompt engineering 仍然是一个基本技能。GPTs 就是一个简化版的 Agent，这段提示词就是你能用来控制这个 Agent 最重要指令。
