资源介绍
一本聚焦于提示工程领域的专业指南，旨在帮助读者掌握为 GPT、BERT 等大型语言模型（LLMs）设计有效提示词的艺术与科学。无论读者是大型语言模型的新手，还是已熟悉其潜力的从业者，这本书都能通过传授实用策略和高级技巧，助力读者充分释放大型语言模型的能力。
本书假设读者已具备大型语言模型的基础知识和一定的编程概念认知。尽管熟悉 Python、LangChain 或 OpenAI Playground 等工具会有所帮助，但并非必需。书中会逐步引导，确保新手和有经验的从业者都能轻松跟上并有效应用相关技巧。
提示工程是一项前沿技能，能让使用者充分发挥大型语言模型的潜力，将其转变为强大的助手，应用于从生成创意内容、分析数据到自动化工作流程等各类任务。通过学习设计结构化且可复用的提示模式，读者将能够：
减轻大型语言模型的常见问题，如幻觉现象和过度泛化。
为各种现实应用生成精确、准确且具有上下文感知的输出。
探索动态集成，如检索增强生成（RAG）和智能体，以应对需要外部数据或适应性的工作流程。
例如，想象创建一个能总结技术文档或基于公司知识库回答客户查询的智能助手。运用书中介绍的提示模式和技巧，读者能够构建出准确、高效且适应性强的解决方案。
在《人工智能系统的提示工程》中，读者将学习到：
核心概念，如设计有效提示、使用模板和优化响应。
适用于复杂用例的高级模式，如角色模式、游戏玩法模式和配方模式。
管理随机响应、增强稳定性和处理外部集成的实用技巧。
章节内容概览
欢迎辞：介绍本书的创作目的、适用人群及学习提示工程的重要意义，强调提示工程能解决的问题和带来的价值。
提示工程简介：涵盖提示工程基础知识及其重要性、大型语言模型及其工作原理、单模态和多模态提示，以及提示工程因大型语言模型不同而存在的差异和适用的语言与工具等内容。
提示模式：基本类型和模板：讲解提示模式的 fundamentals，通过示例说明有无模式使用提示的区别，概述不同提示模式、核心要素及其在提示工程中的相关性，介绍不同类型的提示模式及其模板，并结合实例说明如何运用这些模式引导模型生成准确相关的响应，以及如何结合实际案例构建有效提示。
提示模式：高级类型和模板：深入探讨高级提示模式及其模板，结合实例说明如何运用这些模式构建有效提示以应对更复杂的场景，包括输出定制、提示改进、交互、上下文控制和错误识别等类别的高级模式。
提示技巧 I：阐述提示技巧的基础知识，通过示例说明如何运用这些技巧与模型交互，介绍在本地环境设置 LangChain 及相关库的方法，深入解析提示技巧及其工作原理，并给出每个技巧的代码示例及结果，分析每种技巧的局限性及其对模型性能的影响，以及如何通过结合多种技巧和提示模式来缓解这些局限性。
提示技巧 II：在前面提示技巧的基础上，介绍更多复杂的提示技巧，包括自动思维链、思维树、生成知识提示、思维图谱提示、多模态提示和自动提示工程等，还会介绍最新的推理模型，如 Open AI 的 o3-mini、谷歌的 Flash thinking 和 DeepSeek-R1，分析每种技巧的局限性及缓解方法，并给出代码示例。
检索增强生成：讲解检索增强生成（RAG）的基础知识，包括其定义、用途和优势，深入分析提示技巧、要素和模式与检索增强生成的结合，详细介绍检索增强生成的架构和工作流程及其组件，通过实际案例展示检索增强生成工作流程在不同阶段的应用。
检索增强生成系统类型：深入探讨：详细介绍朴素检索增强生成、图谱检索增强生成、混合检索增强生成和记忆增强检索增强生成系统，包括它们的组件、工作流程和用例，通过示例帮助读者理解这些系统的运作方式，分析每种系统的异同及适用场景，并提供比较表辅助读者选择适合特定用例的检索增强生成实现。
附录 A：提供补充资料，可能包括安装说明、额外的代码示例等内容，辅助读者更好地理解和应用书中的知识。
读者反馈
作者认为读者的反馈对于将这本书打造成真正满足需求的资源至关重要，建议读者通过 liveBook 讨论论坛分享想法、提问或提出改进建议，这种协作能确保最终版本尽可能有用和全面。
总之，《人工智能系统的提示工程》是一本全面且实用的指南，能帮助读者掌握提示工程的关键技能，从而在实际应用中充分发挥大型语言模型的潜力，开发、测试和部署基于最新生成式人工智能工具的现实世界应用。