了解人工智能的特点：完整的即时工程训练营

MP4 |视频：h264，1280×720 |音频：AAC，44.1 KHz，2 Ch
语言：英语 |时长：43 分钟

你将学到什么

• 了解提示设计如何影响 ChatGPT 输出
• 主键 LLM 控制（系统消息、温度、top_p、max_tokens、处罚）。
• 了解不同类型的提示（指令、小镜头、思维链、角色等）。
• 权衡令牌、成本和延迟以提高效率。
• 跨多个用例（摘要、编码、数据提取、客户支持、内容生成）设计、测试和迭代提示。
• 构建可重复使用的提示模板库。
• 应用链接方法将多个 AI 步骤连接到工作流程中。
• 使用工具和 API（ChatGPT Playground、LangChain、PromptLayer）实现工作流程自动化。
• 使用定性和定量指标（准确度、F1、BLEU/ROUGE、用户满意度）衡量提示。
• 运行 A/B 测试来比较提示变化。
• 优化实际部署中的成本和延迟。
• 了解幻觉发生的原因以及如何减轻幻觉。
• 实施防护措施（拒绝提示、风格限制、脏话/PII 过滤器）。
• 在生产中部署 AI 时要考虑法律、隐私和安全因素。
• 添加日志记录、缓存和可观察性以进行扩展。
• 规划故障转移策略和人机交互保障措施。
• 优化标记和示例以提高效率。
• 探索提示调整与指令调整。
• 学习检索增强生成 (RAG) 基础知识。
• 尝试多模式提示（文本 + 图像）。
• 了解 RLHF 和未来法学硕士研究方向的简介。

及时的工程与技术法学硕士生产

掌握快速工程的实用技巧，并学习如何设计、测试和部署可靠的人工智能驱动的工作流程，为实际产品提供支持。这个身临其境的实践课程将引导您从基本原理到生产就绪的系统，重点关注可重复的实践、可衡量的改进和现实世界的集成。无论您是想构建更智能的内容管道、自动化客户支持还是代码生成助手，本课程都会教授您作为 AI 提示工程从业者每天将使用的确切技能、模式和护栏。

这门课程是什么（直接，没有绒毛）

这是一门实用的、以练习为先的即时工程课程，适合那些想要结果（而不仅仅是理论）的人。您将学习如何制作产生一致输出的提示、控制模型行为（温度、top_p、令牌、惩罚）、评估和 A/B 测试提示变体、将提示链接到多步骤管道中，以及使用 API 和工具（如 LangChain 和 PromptLayer）从手动实验转向可靠的自动化。该课程强调安全性、成本效益和可衡量的结果，以便您可以放心地在生产中部署基于提示的功能。

您将获得的关键技能

• 专家级chatgpt提示工程技术：系统/用户/助理角色设计、少量教学和格式实施。
• 稳健的实验实践：假设设计、A/B 测试、日志记录和定量指标（准确性、F1 代理、用户满意度）。
• 生产模式：提示链、映射缩减策略、验证层、缓存和故障转移/人机交互设计。
• 成本与费用性能优化：令牌压缩、重用策略和可测量的延迟/成本权衡。
• 安全与安全合规性：反幻觉模式、拒绝设计、PII 处理以及法律/隐私考虑。
• 工具集成：如何通过 API、Playground、LangChain 操作提示，并使用 PromptLayer 进行提示记录/版本控制。

本课程适合谁

本课程专为希望人工智能产生实际影响的广大学习者而设计：

• 构建 AI 功能的产品经理和工程师。
• 内容创作者和营销人员利用法学硕士实现工作流程自动化。
• 支持领导者自动化一线响应和分类。
• 企业家和创始人将法学硕士融入 SaaS 产品。
• 希望实施 LLM 提示的数据和 ML 从业者
  无需事先具备深厚的 ML 知识，但对 ChatGPT 或类似的 LLM 的基本熟悉以及对简单工具的熟悉将帮助您更快地前进。

课程结构和内容我们涵盖的内容（模块亮点）

课程被组织成简短、重点突出的模块，结合了讲座、演示和实践练习。

• 模块MP4 |视频：h264，1280×720 |音频：AAC，44.1 KHz，2 Ch
  语言：英语 |时长：43 分钟

  你将学到什么

  • 了解提示设计如何影响 ChatGPT 输出
  • 主键 LLM 控制（系统消息、温度、top_p、max_tokens、处罚）。
  • 了解不同类型的提示（指令、小镜头、思维链、角色等）。
  • 权衡令牌、成本和延迟以提高效率。
  • 跨多个用例（摘要、编码、数据提取、客户支持、内容生成）设计、测试和迭代提示。
  • 构建可重复使用的提示模板库。
  • 应用链接方法将多个 AI 步骤连接到工作流程中。
  • 使用工具和 API（ChatGPT Playground、LangChain、PromptLayer）实现工作流程自动化。
  • 使用定性和定量指标（准确度、F1、BLEU/ROUGE、用户满意度）衡量提示。
  • 运行 A/B 测试来比较提示变化。
  • 优化实际部署中的成本和延迟。
  • 了解幻觉发生的原因以及如何减轻幻觉。
  • 实施防护措施（拒绝提示、风格限制、脏话/PII 过滤器）。
  • 在生产中部署 AI 时要考虑法律、隐私和安全因素。
  • 添加日志记录、缓存和可观察性以进行扩展。
  • 规划故障转移策略和人机交互保障措施。
  • 优化标记和示例以提高效率。
  • 探索提示调整与指令调整。
  • 学习检索增强生成 (RAG) 基础知识。
  • 尝试多模式提示（文本 + 图像）。
  • 了解 RLHF 和未来法学硕士研究方向的简介。

  及时的工程与技术法学硕士生产

  掌握快速工程的实用技巧，并学习如何设计、测试和部署可靠的人工智能驱动的工作流程，为实际产品提供支持。这个身临其境的实践课程将引导您从基本原理到生产就绪的系统，重点关注可重复的实践、可衡量的改进和现实世界的集成。无论您是想构建更智能的内容管道、自动化客户支持还是代码生成助手，本课程都会教授您作为 AI 提示工程从业者每天将使用的确切技能、模式和护栏。

  这门课程是什么（直接，没有绒毛）

  这是一门实用的、以练习为先的即时工程课程，适合那些想要结果（而不仅仅是理论）的人。您将学习如何制作产生一致输出的提示、控制模型行为（温度、top_p、令牌、惩罚）、评估和 A/B 测试提示变体、将提示链接到多步骤管道中，以及使用 API 和工具（如 LangChain 和 PromptLayer）从手动实验转向可靠的自动化。该课程强调安全性、成本效益和可衡量的结果，以便您可以放心地在生产中部署基于提示的功能。

  您将获得的关键技能

  • 专家级chatgpt提示工程技术：系统/用户/助理角色设计、少量教学和格式实施。
  • 稳健的实验实践：假设设计、A/B 测试、日志记录和定量指标（准确性、F1 代理、用户满意度）。
  • 生产模式：提示链、映射缩减策略、验证层、缓存和故障转移/人机交互设计。
  • 成本与费用性能优化：令牌压缩、重用策略和可测量的延迟/成本权衡。
  • 安全与安全合规性：反幻觉模式、拒绝设计、PII 处理以及法律/隐私考虑。
  • 工具集成：如何通过 API、Playground、LangChain 操作提示，并使用 PromptLayer 进行提示记录/版本控制。

  本课程适合谁

  本课程专为希望人工智能产生实际影响的广大学习者而设计：

  • 构建 AI 功能的产品经理和工程师。
  • 内容创作者和营销人员利用法学硕士实现工作流程自动化。
  • 支持领导者自动化一线响应和分类。
  • 企业家和创始人将法学硕士融入 SaaS 产品。
  • 希望实施 LLM 提示的数据和 ML 从业者
    无需事先具备深厚的 ML 知识，但对 ChatGPT 或类似的 LLM 的基本熟悉以及对简单工具的熟悉将帮助您更快地前进。

  课程结构和内容我们涵盖的内容（模块亮点）

  课程被组织成简短、重点突出的模块，结合了讲座、演示和实践练习。

  • 模块