1. 核心概念 提示工程：通过精心设计输入文本（提示词）来引导大语言模型（LLM）产生期望输出的技术与实践。 核心思想：将任务要求转化为LLM能理解的指令和上下文，引导模型的预测朝着我们期望的方向进行。 1.2 为什么需要提示工程？ LLM具有强大能力但需要正确引导 同样的模型，不同的提示会产生截然不同的结果 成本效益：好的提示可以减少API调用次数和token消耗 可控性：使输出更符合业务需求和 …

阅读更多

基础概念 大语言模型（Large Language Model, LLM）是基于深度学习技术构建的人工智能系统。它通过在海量文本数据上进行训练，学习语言的统计规律、语法结构、语义关系以及世界知识，从而具备处理和生成人类语言的能力。 核心原理：以Transformer架构为计算引擎，通过海量文本数据上的自监督学习，基于“预测下一个词元（token）”的任务目标，最终构建出一个能处理和生成语言的复杂概 …

阅读更多

1. AI基础概念 人工智能（Artificial Intelligence, AI）：最宏观的概念，一个庞大的科学领域，致力于创造能够执行通常需要人类智能的任务的机器系统。（AI不一定需要学习，早期AI大多基于预设的规则和逻辑。） 机器学习（Machine Learning, ML）：实现AI的一种核心方法。其理念是：从数据中“学习”规律，而不是硬编码规则。其性能随着经验（数据）的增加而提高。 …

阅读更多