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。
人工智慧的快速發展催生了一個迷人的領域 - Prompt Engineering。這門學科連結了藝術和科學，致力於透過精心設計的語言提示來優化人類和人工智慧模型之間的互動，然而，該領域的演變也導致了其定義的分歧，引發了人工智慧社群的困惑和激烈爭論。
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。
