生产AI系统的提示工程需要一种超越简单演示的结构化方法,侧重于可靠性和特定任务的需求。工程师必须根据任务的复杂性、推理需求以及对外部数据或工具的需求,选择合适的提示模式,例如零样本(Zero-shot)、少样本(Few-shot)、思维链(Chain-of-Thought)或ReAct。核心原则是将选定的模式与精心策划的上下文(包括指令、示例、模式或检索到的文档)相结合,形成一个提示,经过验证后输入到应用程序中。 AI
影响 为工程师提供了一个框架,用于选择和应用最有效的提示策略,以实现可靠的生产AI系统。
排序理由 该集群讨论了生产AI系统的提示工程模式和策略,提供了指导和框架,而不是宣布新的模型或研究突破。
- Few-shot learning
- JSON
- Prompt Chaining for Complex Logic
- React
- retrieval-augmented generation
- Schema-driven construction of future autobiographical traumatic events: The future is much more troubling than the past
- self-critique
- SQL
- Tree of Thoughts: Deliberate Problem Solving with Large Language Models
- zero-shot learning
- Anthropic
- Azure
- Claude 3
- Gemini
- GPT-4
- LangChain
- LlamaIndex
- Microsoft
- OpenAI
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →