Foundations of Prompt Engineering (Simplified Chinese)

Aperçu

在本课程中，您将学习设计有效提示的原则、技术和最佳实践。本课程将介绍提示工程的基本知识，然后逐步过渡到高级提示技术。您还将学习如何防止提示误用，以及如何在与基础模型 (FM, Foundation Model) 互动时减少偏差。

• 课程级别：中级
• 时长：4 小时

注意：本课程具有本地化的注释/字幕。旁白保留英语。要显示字幕，请单击播放器右下角的 CC 按钮。

活动

本课程包括在线学习互动。

课程目标

在本课程中，您将学习如何：

• 定义提示工程，以及在与 FM 互动时运用通用最佳实践
• 理解基本类型的提示技术，包括零样本学习和小样本学习
• 在您的使用案例需要时，应用高级提示技术
• 确定哪些提示技术最适合特定模型
• 识别潜在的提示误用
• 分析 FM 响应中的潜在偏差并设计减少这种偏差的提示

培训对象

本课程面向：

• 提示工程师、数据科学家和开发人员

先决条件

我们建议本课程的参加者已经学习过以下课程：

• Introduction to Generative AI - Art of the Possible（1 小时，数字课程）
• Planning a Generative AI Project（1 小时，数字课程）
• Amazon Bedrock Getting Started（1 小时，数字课程）

课程大纲

简介

• 简介
• 基础模型的基本知识
• 提示工程的基础知识

提示类型和技术

• 基本提示技术
• 高级提示技术
• 特定于模型的提示技术
• 解决提示误用问题
• 减少偏差

总结

• 课程总结

课程说明

第 1 课：大语言模型的基本知识

在本课程中，您将学习设计有效提示的原则、技术和最佳实践。本课程将介绍提示工程的基本知识，然后逐步过渡到高级提示技术。您还将学习如何防止提示误用，以及如何在与基础模型 (FM, Foundation Model) 互动时减少偏差。

第 2 课：提示工程的基础知识

在本节课中，您将了解提示工程，这是围绕提示开发、设计和优化的一系列实践，旨在增强 FM 的输出以满足特定业务需求。首先，本节课将定义提示工程，介绍提示工程的关键概念和术语。然后，本节课将通过示例提示来展示提示的不同要素。最后，本节课将提供设计有效提示的通用最佳实践列表。

第 3 课：基本提示技术

在本节课中，您将学习基本的提示工程技术，来帮助您有效地使用生成式 AI 应用程序实现您独特的业务目标。首先，本节课将定义零样本提示技术和小样本提示技术。然后，本节课将定义思维链 (CoT, chain-of-thought) 提示，这是几种高级提示技术的构建块。本节课将提供每种提示

Matières