Anjhon, 但行好事,莫问前程

  • 首页
  • 周刊
  • 搜索
PD (1)
分布式训练 (1)
单机多卡 (1)
Docker (2)
LLM (3)
Cursor (1)
python (2)
logging (1)
OpenAI (1)
思考 (4)
pandas (2)
内存溢出 (1)
Mac (1)
定时任务 (1)
死亡 (2)
方法 (1)
大数据 (6)
Spark (3)
SparkSQL (1)
SparkCore (1)
Spark部署 (2)
Hive (1)
MapReduce (1)
Hadoop (2)
YARN (1)
集群部署 (2)
HDFS (1)
Linux (2)
hadoop安装 (1)
flink安装 (1)
zookeeper安装 (1)
SQL (1)
人生 (1)
人生七年 (1)
机器学习 (9)
推荐系统 (1)
双塔模型 (1)
问题记录 (1)
读书笔记 (6)
纳瓦尔宝典 (1)
LLMs (2)
大语言模型 (3)
RAG (2)
检索增强生成 (2)
文档问答 (1)
Llama (1)
ChatGLM (1)
娱乐至死 (1)
深度学习 (2)
transformers (2)
Prompt (2)
提示词 (2)
如何阅读一本书 (1)
notionic (1)
Blog (1)
技术精要 (1)
张俊林 (1)
蛤蟆先生去看心理医生 (1)
心理学 (4)
电子榨菜 (1)
感想 (5)
docker (1)
艾滋病 (1)
HIV (1)
预训练模型 (1)
hugging face (1)
导航地图 (1)
样本不平衡 (1)
SMOTE (1)
欠采样 (1)
过采样 (1)
特征工程 (2)
数据预处理 (2)
异常值 (1)
箱型图 (1)
异常检测 (1)
四分位 (1)
实战 (1)
lightgbm (1)
分类算法 (5)
算法大赛 (1)
Python数据处理三板斧 (3)
matplotlib (1)
seaborn (1)
可视化 (1)
模型评估 (1)
模型选择 (1)
Quora (1)
Chrome (1)
日落 (1)
扫街 (1)
摄影 (2)
周末 (1)
pytorch (1)
速查 (4)
框架 (1)
前端 (2)
CSS (1)
JS (1)
JavaScript (1)
numpy (1)
Mac软件 (2)
开源 (1)
博客 (1)
Notion (2)
GitHub (3)
GitHub Desktop (2)
博客搭建 (1)
随想 (1)
随便一说 (2)
AI绘画 (1)
SD (1)
stable-diffusion-weiui (1)
Stable Diffusion (1)
Sklearn (2)
模型调用 (1)
调参 (1)
相机 (1)
Z30 (1)
尼康 (1)
简悦 (1)
阅读插件 (1)
吐槽 (1)
ChatGPT (1)
AI (1)
伦理 (1)
AI写作 (1)
英语 (12)
阅读 (1)
工具 (1)
成长 (5)
社交 (1)
对话 (1)
教育 (1)
办公 (2)
自动化 (2)
Excel (2)
评分 (1)
熵权法 (1)
层次分析法 (1)
AHP (1)
评分算法 (1)
python-docx (1)
Word (1)
词根词缀 (1)
记单词 (1)
爬虫 (1)
蜘蛛 (1)
Selenium (1)
Scrapy (1)
戒烟 (1)
幸福感 (1)
Alfred (1)
效率提升 (1)
进度条 (1)
notion (1)
Vscode (1)
代码冲突 (1)
插件 (1)
豆瓣读书 (1)
豆瓣电影 (1)
项目排期 (1)
岸见一郎 (1)
古贺史健 (1)
斯科特派克 (1)
ARIMA (1)
时序模型 (1)
预测模型 (2)
Holt-Winters (1)
指数平滑 (1)
十大词类 (10)
语法 (1)
聚类 (1)
optics (1)
树模型 (4)
XGBoost (1)
GBDT (1)
boosting (3)
Adaboost (1)
RF (1)
决策树 (1)
ID3 (1)
C4.5 (1)
CART (1)
集成学习 (1)
bagging (1)
贝叶斯 (1)
朴素贝叶斯 (1)
Bayesian (1)
KNN (1)
K近邻 (1)
SVM (1)
支持向量机 (1)
逻辑回归 (1)
logistic (1)
线性回归 (1)
LR (1)
回归算法 (1)
损失函数 (1)
正则化 (1)
优化函数 (1)
向量矩阵 (1)
git (1)
虚拟环境 (1)
python基础 (3)
进程 (1)
线程 (1)
面向开发者的提示工程

面向开发者的提示工程

之前写过《面向使用者的提示工程》,主要是面向普通用户,在日常使用大语言模型聊天或对话的时候应该如何书写提示词,来改善大模型输出的效果。而本篇主要是面向开发者,介绍在开发 RAG 类基于大模型的应用时应该如何优化和改善提示词,针对特定任务构造能充分发挥大模型能力的 Prompt 的技巧

面向使用者的提示工程

面向使用者的提示工程

自ChatGPT发布以来,如何有效的与大语言模型沟通是一个随之而来的问题,这方面的研究也是雨后春笋般的出现,本文整理了一些常用的Prompt编写原则和方法,仅供参考学习。

  • 关于
  • 友链
  • 书架
  • 听歌
  • 牢骚
© 2021 - 2025 | Anjhon

本站原创内容基于 CC BY-SA 4.0 共享, 转载注明出处.