Prompt Enginering
1.Prompt Engineering 提示词工程
Prompt 给人工智能模型输入文本或指令，这些指令引导模型生成特定的输出
Prompt Engineering：指在使用生成式人工智能模型（比如gpt-4)时，设计优化输入文本（prompt)的过程，以便获得期望的输出
好的Prompt Engineering=提好的问题=包含好答案的上下文（参考）=好的答案
prompt 决定模型的输出质量
token
1. 什么是 token？
Token 是大模型处理文本的基本单位，可以是一个字、一个词、一个子词，甚至是一个标点符号。
例如，英文句子 I love AI! 可能被分成 4 个 token：I、love、AI、!。
中文通常一个汉字就是一个 token，但也可能按词切分。
2. Token 的作用
模型不会直接处理原始文本，而是先把文本分割成 token，再将 token 转换为数字（向量），输入到模型中。
模型的输入、输出、最大长度等，都是以 token 为单位计算的。
3. Token 数量的意义
计费：很多大模型的 API（如 OpenAI GPT）按 token 数量计费。
长度限制：模型有最大 token 长度限制（如 4096、8192、32000 等），超出会被截断或报错。
推理速度：token 越多，推理越慢，消耗资源越多。
Zero-shot
few-shot
思维链（可以说一步一步思考关键词，并且每一步做出解释可以完成COT）
通用知识Prompt 给出知识库
Prompt 分片
2. chat Completions, memory(记忆）Json Mode
3. Funciton Calling
4. Fine-tunning 实战
5. 检索增强生成（RAG Graph Rag)
6. 本地部署开源模型
