相信Chatgpt對於大部分人來說已經是離不開日常工作的一個專家知識庫小助理了， 但我們常常發現Chatgpt會答非所問或者無中生有，甚至給錯答案，這些狀況很可能是我們問的問題太過廣泛，導致Chatgpt無法正確給予我們想要的答案，因此在問問題之前我們不妨思考一下，要怎麼讓Chatgpt理解我們，並設身處地的為我們著想，而這些是有邏輯的，也是Generative AI面臨的一些問題，就讓我們一步步的來調校AI，讓AI成為我們最強大的助手吧！
它可以是一個問題、一段程序、甚至是一個案例，生成式AI模型(GPT…)會根據這些提示試圖理解並生成文本或者圖片。
比如說我們輸入了「什麼是零知識證明?」，這個問題就是Prompt，提示AI回答零知識證明的知識。
而Prompt Engineering提示工程是一種透過設計、引導、改進、優化的方式來提升AI產生出來的結果，使其更加的準確，並可靠的執行我們的任務。
我們可能常常使用Chatgpt，或許覺得只要向它問問題就能得到答案，這種心電感應非常棒對不對！ 但事實上我們在使用的過程中會漸漸發現其實不管怎麼樣的問法，幾乎都能得到一個答案，但總感覺有些回答是盲猜的，此時又追問更多細節，漸漸的引導才能回應到我們真正需要的答案，但你知道嗎？ 這其實是一個具有邏輯的工程，為什麼很難一次就懂呢？
就目前來講，我們一直以來都在設法讓機器讀懂我們的心，這也是「自然語言處理(NLP)」一直以來在努力的方向，但確實還沒辦法很好的理解人類說的話，部分邏輯問題我們需要給出明確的指令讓其回答，舉例來說，我們給一段簡單的數學運算並交由偉大的Chatgpt3.5來幫我們計算一下：
很明顯100800/85，答案應該是:
100*800=80000
80000/8 = 10000
10000*5 = 50000
會造成這個結果呢？ 其實也不全然是Chatgpt的問題，因為我們給它的提示太過廣泛了，它會自動推斷怎麼算，而算法有百百種，我們又沒有給一些上下文，對於AI來說會推斷一個最有可能的算法來進行回答，因此才會有這種錯誤的狀況。
沒關係…，可能我們描述的不夠精確，這次我們用括號來期望計算的先後順序再給它一次機會：
這次就能精準的計算出正確結果了，看到這邊有沒有覺得很危險，萬一給錯提示得到錯誤的回應，導致我們認知偏差造成決策錯誤就容易引發不可收拾的後果了…，因此一個好的提示非常的重要。
假設我們設計一套AI產品，但卻很容易出錯，我想這個產品應該會大幅度降低品牌的價值吧！ 雖然我們都知道Prompt很重要，但要如何寫出一個好的Prompt提示指令，我想對於開發AI產品中的企業來說會是非常重要的一個環節。
隨著技術的演進，這些AI模型被訓練的也越來越精準，或許未來我們也不需要太嚴謹的提示就能得到正確的答案了，但至少現在來看還沒到達該階段，因此「Prompt Engineering」是我們進入AI領域的一門必學學科。
接下來的幾個篇章，我們將介紹如何聰明的設計我們的提示案例，並以實戰的方式來加深印象，過程也會將邏輯說明清楚，期待我們一起前往AI領域之路。
