AI提示工程实战：从零开始利用提示工程学习应用大语言模型

随着大语言模型的快速发展，语言AI已经进入了新的阶段。这种新型的语言AI模型具有强大的自然语言处理能力，能够理解和生成人类语言，从而在许多领域中都有广泛的应用前景。大语言模型的出现将深刻影响人类的生产和生活方式。本书将介绍提示工程的基本概念和实践，旨在帮助读者了解如何构建高质量的提示内容，以便更高效地利用大语言模型进行工作和学习。 本书内容通俗易懂，案例丰富，适合所有对大语言模型和提示工程感兴趣的读者。无论是初学者还是进阶读者，都可以从本书中获得有价值的信息和实用技巧，帮助他们更好地应对各种挑战和问题。

兰一杰 ---------------------------- 兰一杰，资深软件工程师、项目经理，出版图书《Python大数据分析分析从入门到精通》《从零开始利用Excel与Python进行数据分析》。 于辉 ---------------------------- 于辉，曾组织参与20余项大数据、物联网、区块链等IT软件领域发明专利的研发，在云网边端、数据要素化和数字政府建设领域具有深入的研究和实践经验。

第 1 章　认识大语言模型 1.1 大语言模型是什么 1.2 大语言模型的发展现状 1.3 大语言模型的重要概念 1.4 大语言模型的使用方式 第 2 章　ChatGPT应用体验 2.1 第一次对话 2.2 设计特定语境上下文 2.3 模拟 API 参数 2.4 专业领域助手 2.5 基于对话绘图 2.6 场景总结 第 3 章　ChatGPT API 3.1 准备工作 3.2 ChatGPT API 调用流程 第 4 章　Python ChatGPT API库 4.1 Python ChatGPT 开发环境 4.2 Python 示例应用 4.3 解析 Python 示例应用 第 5 章　提示工程 5.1 提示工程是什么 5.2 提示内容 5.3 规范化提示 第 6 章　提示类型 6.1 标准、指令、角色提示 6.2 思维链提示 6.3 自洽、知识生成提示 6.4 总结和建议 第 7 章　基于提示工程应用Python数据分析 7.1 提示构建思路 7.2 Python 是什么 7.3 Python 语法特征 7.4 Python 变量 7.5 Python 运算符 7.6 Python 字符串 7.7 Python 条件控制 7.8 Python 循环 7.9 Python 复合数据类型 7.10 Python 函数 7.11 Python 类 7.12 Python 模块和包 7.13 Python Pandas 包 7.14 Python Matplotlib 包 第 8 章　基于提示工程应用SQL 8.1 应用思路 8.2 构建 SQL 语境 8.3 查询数据 8.4 数据排序分析 8.5 数据修改 8.6 数据删除 8.7 多表关联分析 8.8 字符串处理 8.9 日期、时间数据处理 8.10 窗口函数 8.11 报表分析 8.12 NULL 值处理 8.13 集成 Python 数据分析 8.14 SQL 集成 GPT 第 9 章　基于提示工程应用概率和统计 9.1 应用思路 9.2 基本概念 9.3 离散型随机分布 9.4 连续型随机分布 9.5 线性回归分析 9.6 时间序列分析 第 10 章　基于提示工程应用生产力工具 10.1 Excel 数据处理 10.2 思维导图 10.3 图片编辑 10.4 流程编辑 第 11 章　国产大语言模型 11.1 大语言模型通用提示技巧 11.2 介绍国产大语言模型 11.3 应用国产大语言模型 附录 1　部分国产大语言模型 附录 2　国产大语言模型的发展