Chatgpt prompt Engineering Learning Notes For Developers (Chatgpt Frage Engineering Learning Notes für Entwickler)
Der Kurs führt kurz vor, wie Sprachmodelle funktionieren, bietet die besten Tipps für technische Praktiken und zeigt, wie die API des Sprachmodells auf Anwendungen für verschiedene Aufgaben angewendet wird. Darüber hinaus enthält der Kurs Beispiele für Jupyter Notebook -Code, und Sie können den von OpenAI bereitgestellten API -Schlüssel direkt verwenden, um Ergebnisse zu erhalten, sodass Sie ihn ohne Konto erleben können.
In ChatGPT Proportion Engineering für Entwickler können Sie lernen, wie Sie mithilfe von großsprachigen Modellen (LLM) schnell leistungsstarke neue Anwendungen erstellen. Mit der OpenAI -API können Sie schnell die Fähigkeit aufbauen, Innovationen zu lernen und Wert zu schaffen, der bisher teuer, technisch oder einfach unmöglich war.
Dieser kurze Kurs von Isa Fulford (OpenAI) und Andrew NG (DeepLearning.AI) beschreibt, wie LLM funktioniert, Best Practices für sofortige Engineering liefert und zeigt, wie die LLM -API für Anwendungen für eine Vielzahl von Aufgaben verwendet wird, einschließlich:
In diesem Kurs können Sie zwei wichtige Prinzipien zum Schreiben effektiver Tipps erlernen, nämlich , wie Sie Tipps systematisch entwerfen und lernen , benutzerdefinierte Chatbots zu erstellen .
Alle Konzepte werden mit zahlreichen Beispielen veranschaulicht, die direkt in der offiziellen Jupyter-Notebook-Umgebung für praktische Erfahrungen im Echtzeit-Engineering verwendet werden können.
Kurskapitel
Dieses Projekt ist eine Zusammenstellung von Studiennotizen für Chatgpt -Ingenieurwesen für Entwicklerkurse.
1. verwenden Sie ProPT+CHATGPT, um den ursprünglichen Text des Kursinhalts zu übersetzen (der vollständige Text wird von ChatGPT übersetzt und generiert, und jedes Kapitel enthält chinesisch-englisch-Vergleiche).
2. verwenden Sie ProPT+CHATGPT, um die Notizen zusammenzufassen und zu erweitern (am Ende jedes Abschnitts wird der Effekt der CHATGPT -Zusammenfassung beigefügt).
3.. Der entsprechende Jupyterbook -Code im Praxisprozess wurde aussortiert unter: JB_CODE (kann in einer lokalisierten Bereitstellungsumgebung ausgeführt werden);
4. Erstellen Sie ein Shell CLI -Befehlskript basierend auf Notebook -Code (aktualisiert).
python source/cli/cli_py.py --prompt " hello chatgpt " --model " gpt-3.5 "
5. Eine Liste der Projekte zu großartigen Aufforderungsprojekte (unter Update): https://islinxu.github.io/prompt-gineering-note/projects/index.html
6. Spielzeugprojekt: Boot-Chatgpt-Implementierung zum Generieren von Tiny-GPT (implementieren Sie ein einfaches GPT-Modell von Grund auf neu)
... ...