Foundations of Prompt Engineering (Traditional Chinese)

在本課程中，您將學到設計有效提示的原則、技巧和最佳實務。本課程將介紹提示工程設計的基礎知識，並隨著課程進展介紹進階提示技巧。您也會學習如何防範提示濫用，以及如何減輕與 FM 互動時的偏見。

• 課程等級：中級
• 持續時間：4 小時

注意：本課程具有本地化的註釋/字幕。旁白保留英語。 要顯示字幕，請按一下播放器右下角的 CC 按鈕。

活動

本課程包括線上學習互動。

課程目標

在本課程中，您將學習：

• 定義提示工程設計，以及在與 FM 互動時應用一般最佳實務
• 識別提示技巧的基本類型，包括零樣本和小樣本學習
• 視您的使用案例需要，應用進階提示技巧
• 識別特定模型最適合哪些提示技巧
• 識別潛在的提示濫用
• 分析 FM 回應中的潛在偏見，並設計可減輕該偏見的提示

目標對象

本課程適合：

• 提示工程師、資料科學家和開發人員

先決條件

建議參加此課程的人修習過下列課程：

• Introduction to Generative AI - Art of the Possible (1 小時，數位課程)
• Planning a Generative AI Project (1 小時，數位課程)
• Amazon Bedrock Getting Started (1 小時，數位課程)

課程大綱

簡介

• 簡介
• 基礎模型的基礎知識
• 提示工程設計的基礎知識

提示類型與技巧

• 基本提示技巧
• 進階提示技巧
• 特定模型提示技巧
• 應對提示濫用
• 減輕偏見

結論

• 課程摘要

課程說明

第 1 課：大型語言模型的基礎知識

在本課程中，您將學到設計有效提示的原則、技巧和最佳實務。本課程將介紹提示工程設計的基礎知識，並隨著課程進展介紹進階提示技巧。您也會學習如何防範提示濫用，以及如何減輕與 FM 互動時的偏見。

第 2 課：提示工程設計的基礎知識

本課程將帶您認識提示工程設計，這是專注於開發、設計和最佳化提示的一套實務，可針對您的特定商業需求強化 FM 的輸出。本課程會先定義提示工程設計，並說明提示工程設計的重要概念和術語。接著，課程會使用範例提示來說明提示的不同元素。最後，課程將提供設計有效提示的一般最佳實務清單。

第 3 課：基本提示技巧

在本課程中，您將學習基本提示工程設計技巧，協助您有效地使用生成式 AI 應用程式，以達成獨特的商業目標。首先，本課程將定義零樣本和小樣本提示技巧。接著，課程會定義關聯思考 (CoT) 提示，這是數種進階提示技巧的建構區塊。本課程提供各個提示技巧類型的祕訣與範例。

第 4 課：進階提示技巧

本課程將向您介紹數種進階技巧，包括自我一致性、思維樹、檢索增強生成 (RAG)、自動推理與工具使用 (ART)，以及推理與執行動作 (ReAct)。提供的範例可說明如何實際使用各種技巧。

第 5 課：特定模型提示技巧

在本課程中，您將學習如何針對一些最熱門的 FM (包括 Amazon Titan、Anthropic Claude 和 AI21 Labs Jurassic-2) 設計提示。您將學習可用來從模型取得自訂結果的不同參數。接著，您將學習各種模型的提示工程設計最佳實務。

第 6 課：應對提示濫用

本課程將介紹對抗提示，也就是用來刻意誤導模型的提示。您將學習兩種對抗提示類型：提示注入和提示洩漏。您會看到各個類型的範例。

第 7 課：減輕偏見

在本課程中，您將了解模型如何在訓練階段引入偏見，以及在 FM 所生成的回應中如何重現該偏見。您將學習如何藉由更新提示、增強資料集和使用訓練技巧等方法來減輕有偏見的結果。