在本課程中,您將學到設計有效提示的原則、技巧和最佳實務。本課程將介紹提示工程設計的基礎知識,並隨著課程進展介紹進階提示技巧。您也會學習如何防範提示濫用,以及如何減輕與 FM 互動時的偏見。
- 課程等級:中級
- 持續時間:4 小時
注意:本課程具有本地化的註釋/字幕。旁白保留英語。 要顯示字幕,請按一下播放器右下角的 CC 按鈕。
活動
本課程包括線上學習互動。
課程目標
在本課程中,您將學習:
- 定義提示工程設計,以及在與 FM 互動時應用一般最佳實務
- 識別提示技巧的基本類型,包括零樣本和小樣本學習
- 視您的使用案例需要,應用進階提示技巧
- 識別特定模型最適合哪些提示技巧
- 識別潛在的提示濫用
- 分析 FM 回應中的潛在偏見,並設計可減輕該偏見的提示
目標對象
本課程適合:
- 提示工程師、資料科學家和開發人員
先決條件
建議參加此課程的人修習過下列課程:
- Introduction to Generative AI - Art of the Possible (1 小時,數位課程)
- Planning a Generative AI Project (1 小時,數位課程)
- Amazon Bedrock Getting Started (1 小時,數位課程)
課程大綱
簡介
- 簡介
- 基礎模型的基礎知識
- 提示工程設計的基礎知識
提示類型與技巧
- 基本提示技巧
- 進階提示技巧
- 特定模型提示技巧
- 應對提示濫用
- 減輕偏見
結論
- 課程摘要
課程說明
第 1 課:大型語言模型的基礎知識
在本課程中,您將學到設計有效提示的原則、技巧和最佳實務。本課程將介紹提示工程設計的基礎知識,並隨著課程進展介紹進階提示技巧。您也會學習如何防範提示濫用,以及如何減輕與 FM 互動時的偏見。
第 2 課:提示工程設計的基礎知識
本課程將帶您認識提示工程設計,這是專注於開發、設計和最佳化提示的一套實務,可針對您的特定商業需求強化 FM 的輸出。本課程會先定義提示工程設計,並說明提示工程設計的重要概念和術語。接著,課程會使用範例提示來說明提示的不同元素。最後,課程將提供設計有效提示的一般最佳實務清單。
第 3 課:基本提示技巧
在本課程中,您將學習基本提示工程設計技巧,協助您有效地使用生成式 AI 應用程式,以達成獨特的商業目標。首先,本課程將定義零樣本和小樣本提示技巧。接著,課程會定義關聯思考 (CoT) 提示,這是數種進階提示技巧的建構區塊。本課程提供各個提示技巧類型的祕訣與範例。
第 4 課:進階提示技巧
本課程將向您介紹數種進階技巧,包括自我一致性、思維樹、檢索增強生成 (RAG)、自動推理與工具使用 (ART),以及推理與執行動作 (ReAct)。提供的範例可說明如何實際使用各種技巧。
第 5 課:特定模型提示技巧
在本課程中,您將學習如何針對一些最熱門的 FM (包括 Amazon Titan、Anthropic Claude 和 AI21 Labs Jurassic-2) 設計提示。您將學習可用來從模型取得自訂結果的不同參數。接著,您將學習各種模型的提示工程設計最佳實務。
第 6 課:應對提示濫用
本課程將介紹對抗提示,也就是用來刻意誤導模型的提示。您將學習兩種對抗提示類型:提示注入和提示洩漏。您會看到各個類型的範例。
第 7 課:減輕偏見
在本課程中,您將了解模型如何在訓練階段引入偏見,以及在 FM 所生成的回應中如何重現該偏見。您將學習如何藉由更新提示、增強資料集和使用訓練技巧等方法來減輕有偏見的結果。