人人都是提示工程师（套装共2册）

《Prompt魔法：提示词工程与ChatGPT行业应用》
这是一本能指引我们每个人赢在AI时代的著作，它将教会我们在各种场景中熟练使用ChatGPT等AI工具和编写提示词，大幅提升我们的工作效率，让我们实现AI普惠，成为AI高手。
本书的几位作者都是AI领域的技术专家和应用布道者，本书是他们丰富实践经验的总结。阅读本书，你将获得以下知识和技能：
认识AIGC将给社会和个体带来的深刻影响及其背后的本质，包括AIGC如何引发生产效率革命、如何重新定义脑力劳动、如何调整社会分工、如何重新分配社会价值等；
ChatGPT/GPT-4、文心一言、Midjourney、Stable Diffusion、DALL·E3等主流AIGC工具的配置、使用和选型；
提示词（Prompt）编写的入门指南、基本原则、黄金公式和进阶技巧；
AIGC辅助文案写作、文稿翻译、数据分析、邮件撰写、PPT制作、工作总结、知识整理、图片生成等；
程序设计、艺术设计、游戏开发与设计、自媒体、市场营销、产品和运营、金融、教育、科研、咨询、学习等10余个行业和领域的AIGC应用场景和提示词写作技巧；
用好AI工具，成为AI时代的超级个体。
全书有200余个案例，200余个提示词模板，人人一看就懂，一学就会。

《提示工程：方法、技巧与行业应用》
本书是揭示大语言模型背后技术奥秘的“金钥匙”，从宏观到微观全方位解读AI创新世界，帮助读者释放创造力、解放生产力、提升技术力。

本书的第1章和第2章聚焦大语言模型本身以及提示工程的兴起，能够让读者对大语言模型技术的发展背景、概念以及应用场景等有较为全面的了解。第3章，则是结合当下火热的AIGC话题展开介绍，为读者提供AIGC图像生成的实战体验，帮助读者快速上手，更好地感受和理解当前AIGC和提示工程的强大威力。第4章和第5章，从实操角度为读者提供丰富的提示工程基本技巧和进阶技巧，并探索大语言模型的高阶玩法，如编程、插件、函数调用等，帮助读者解锁大语言模型深层次的应用潜力。第6章、第7章和第8章，针对提示工程在搜索、Microsoft 365，以及法律、金融、医疗等多个领域及行业的具体应用展开介绍。

本书的每一章都可独立成话题，相信通过阅读本书，您将对大语言模型、提示工程技术有更加全面的了解

张祺博士现任微软全球资深副总裁，负责微软互联网业务及人工智能平台团队，服务微软全球的业务和用户。他在人工智能、机器学习、大数据、大语言模型、分布式计算等领域成绩斐然，领导建立了微软广告、必应搜索、Edge浏览器、大数据、知识图谱、商用人工智能、人工智能平台团队，为Office和Azure产品的数据化和智能化奠定了坚实基础，并建立了微软搜索商业化体系，在短短数年即创造了数百亿美元的业务营收。在人才培养和团队发展方面，张祺博士注重成长型思维和开拓型创新，为微软培养了一支多元化和充满创新活力的优秀团队。

张祺博士于2002年加入微软美国总部，2014年成为微软全球合伙人，2018年被授予“微软全球杰出工程师”荣誉，成为微软中国首位获此技术专家荣誉的工程师。

丁博生
AIGC技术专家和布道者，南洋理工大学博士，专业方向是深度学习和自然语言处理，对Stable Diffusion和ChatGPT等有较深的理解，使用经验丰富。为招商银行总部、上海交大新加坡校友会、思否编程、阿里云印度尼西亚和越南BD团队、广东番禺职业技术学院做了ChatGPT的报告和培训，深受欢迎。
曾在新加坡普华永道咨询担任咨询师，服务客户包括新加坡、泰国、菲律宾、马来西亚、南非、澳大利亚等多国大型金融机构。新加坡社科大学数字营销客座讲师。在很好人工智能会议上发表多篇论文，并曾多次担任过各种人工智能会议的评审员，包括EMNLP、ACL和WSDM。
张似衡
本科就读于清华大学自动化系，博士毕业于中科院自动化所，研究方向包括深度学习和自然语言处理。目前在广州视源电子科技股份有限公司从事NLP算法研发工作，负责大语言模型和知识工程。
海南三亚学院计算机学院客座讲师。参与过若干国家重点课题研发，主持国家自然科学青年基金一项，研究论文发表在SCI期刊Knowledge and Information Systems、Neural Processing Letters和很好人工智能会议Interspeech等。
卢森煌
毕业于北京邮电大学自动化专业，曾就职于阿里巴巴，现为啊喔科技CEO，公司18个月完成3轮融资，公司旗下有基于ChatGPT的应用“万能AI助手”“天天口语”。
三节课、量子教育、起点学院、逆行求职、爱思益、圣商商学院、实践家总裁班等机构受欢迎的导师或讲师，为超过65家企业提供过互联网化转型方面的服务。合著有畅销书《产品经理面试攻略》（机械工业出版社出版）。

《提示工程：方法、技巧与行业应用》
序言

前言

第1章  认识大语言模型和ChatGPT 1

1.1  大语言模型基础 1

1.1.1  什么是语言模型 1

1.1.2  语言模型的历史 4

1.1.3  基础语言模型的种类 5

1.1.4  基础语言模型的训练和评估 10

1.1.5  什么是大语言模型 14

1.2  大语言模型的类型 15

1.2.1  从左到右大语言模型 15

1.2.2  掩码语言模型 16

1.2.3  前缀语言模型和编码器–解码器结构 17

1.3  初识ChatGPT 18

1.3.1  ChatGPT的原理 18

1.3.2  ChatGPT的应用 24

1.3.3  ChatGPT的挑战 27

1.4  其他大语言模型 29

第2章  人工智能范式的变迁与提示工程 32

2.1  人工智能范式的变迁 32

2.1.1  人工智能模型及其训练 32

2.1.2  人工智能范式的变迁详解 34

2.2  提示工程的兴起 40

2.2.1  提示学习 41

2.2.2  提示学习的研究领域 44

2.2.3  蓬勃发展的提示工程 52

2.2.4  提示工程的特点与优势 56

2.2.5  提示工程的局限、挑战及探索 57

第3章  AIGC中的提示工程 59

3.1  全面认识AIGC 59

3.1.1  AIGC的诞生和发展 60

3.1.2  AIGC引起内容生成范式的变迁 61

3.1.3  提示词与AIGC 61

3.2  AIGC的类别、原理及工具 62

3.2.1  文本生成 63

3.2.2  代码生成 64

3.2.3  图像生成 65

3.2.4  视频生成 67

3.3  AIGC的影响 68

3.3.1  AIGC对各行各业的影响 68

3.3.2  提示工程师的诞生 69

3.4  AIGC图像生成与提示工程 70

3.4.1  Stable Diffusion的提示工程 70

3.4.2  Midjourney的提示工程 79

3.4.3  实战：利用ChatGPT和Midjourney完成广告文案和图像的生成 81

第4章  提示工程的基本思路和技巧 85

4.1  提示工程基础知识 85

4.1.1  提示工程的基本思路 85

4.1.2  提示工程的特点 87

4.1.3  提示调试涉及的因素 90

4.1.4  提示效果评估 92

4.1.5  工具和资源 93

4.2  提示工程基本技巧 94

4.2.1  上下文信息和指令 95

4.2.2  角色扮演 99

4.2.3  从零样本到少样本 101

4.3  提示工程进阶技巧 104

4.3.1  思维链 104

4.3.2  自洽性 106

4.3.3  由少到多 109

4.3.4  生成知识提示法 111

4.3.5  自动提示生成 114

4.3.6  其他进阶方法简介 115

第5章  ChatGPT中的提示工程 119

5.1  ChatGPT的基本模型设置 120

5.2  提示词的基础知识回顾 120

5.2.1  提示词格式 121

5.2.2  提示词要素 122

5.2.3  设计提示的通用技巧 122

5.3  文本任务 124

5.3.1  文本概括 124

5.3.2  信息提取 125

5.3.3  文本分类 126

5.3.4  问答 127

5.3.5  对话 127

5.4  编程 128

5.4.1  代码生成 129

5.4.2  代码调试 130

5.4.3  单元测试 131

5.5  插件 132

5.5.1  ChatGPT插件功能使用 132

5.5.2  ChatGPT插件功能开发 135

5.5.3  代码解释器 138

5.6  函数调用 142

5.6.1  函数调用功能使用 143

5.6.2  函数调用应用场景 146

第6章  搜索领域的提示工程应用 148

6.1  新必应及其聊天体验 148

6.1.1  新必应简介 148

6.1.2  全新的聊天体验 150

6.1.3  必应普罗米修斯模型 156

6.2  检索增强的大语言模型 158

6.2.1  大语言模型的幻觉问题 158

6.2.2  检索增强的大语言模型框架 160

6.2.3  开源实例 161

6.3  大语言模型增强检索 168

6.3.1  神经向量检索 168

6.3.2  相关性重排 171

6.3.3  数据标注 173

6.4  搜索新场景 174

6.4.1  必应故事 174

6.4.2  必应知识卡片2.0 176

第7章  Microsoft Copilot中的提示工程 178

7.1  Microsoft 365 Copilot概览 178

7.1.1  Copilot中的提示 178

7.1.2  Copilot系统 179

7.2  Word Copilot 181

7.2.1  Word Copilot基本功能 183

7.2.2  Word Copilot提示交互的基本原理 184

7.2.3  典型交互类型与提示实例