我們人類和ChatGPT的對話技巧也是需要學習的，有鑑於此，我想要一天分享一點「和ChatGPT對話的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
從本質上講，Prompt Engineering是製作、測試和完善Prompt的藝術和科學，指導人工智慧模型產生特定的結果。
- 一方面，它需要對人工智慧有複雜的理解，深入研究自然語言處理技術，這是科學面。
- 另一方面，它需要無與倫比的語言技巧、能夠產生共鳴的查詢、預測人工智慧行為以及充分利用LLM，這是藝術面。
正是這種微妙的平衡使Prompt Engineering成為一門充滿活力且引人注目的學科。
理解Prompt Engineering的旅程分為兩個不同的敘述：
- 傳統定義：這種觀點歷史上植根於程式設計師和電腦科學家的世界，將 Prompt Engineering 視為對 GPT 等大型語言模型的深入研究。主要目標是提取對自然語言查詢的所需回應。該定義強調「Prompt-Based Learning」方法，將任務轉換為圍繞Prompt構建的結構化資料集，這裡的重點是大型語言模型的內部機制、其架構以及Prompt設計的技術面。
- 近代定義：隨著大型語言模型變得無所不在，一種新的觀點出現了，它將Prompt Engineering視為在日常場景中有效利用這些大型語言模型的藝術。這個定義沒有深入研究技術細節，而是專注於有效使用這些大型語言模型所需的實用技能，它是關於製作能引起共鳴、預測人工智慧行為並為不同應用程式產生最佳結果的Prompt。
