Promise Engineering，系統地居間Promise Engineering相關技術，包括法學碩士的基礎知識、激勵技能和許多最佳實踐。
這是一份關於 提示工程 白皮書作者 李·邦斯特拉時間是 2025年2。核心內容是系統地解釋如何為大型語言模型（LLM，如Google Gemini、GPT、Claude、LLaMA等）設計高質量提示以獲得更準確、更穩定或更有創意的輸出。
主要內容包括：
1.基本概念
- 提示（提示）：輸入到大型語言模型中的文本或多模式信息。
- 提示工程：設計和優化的過程提示，以便模型產生預期的結果。
- LLM配置：例如輸出長度、溫度、top-K、top-P等參數對結果的影響。
2.各種技巧和技能
- 零發射、一次發射、少發射 提示。
- 系統提示：設置模型的一般方向和輸出格式（例如強制SON輸出）。
- 角色提示：賦予模特一個角色（例如老師、導遊），使其風格和知識更適合場景。
- 上下文提示：提供背景信息以使模型能夠生成更適合上下文的內容。
- 後退提示：先從上級提出問題，然後逐步完善。
- 思想鏈（CoT）：引導模型逐步推理。
- 自我和諧：多次生成推理路徑，然後投票選出最一致的答案。
- 思想之樹（ToT）：讓模型探索多個推理路徑。
- React（Reason + Act）：讓模型在調用外部工具（例如搜索API）時進行推理。
- 自動提示工程（APT）：使用模型自動生成和優化提示。
3.代碼提示
- 編寫代碼、解釋代碼、翻譯代碼（例如Bash-Python）、調試和審查代碼。
- 提供了一些實際的例子（比如批量重命名文件的Bash腳本）。
4.多模式提示
- 說明不限於文字，還可以結合圖片、音頻等進行提示。
5.最佳做法
- 提供示例（一次/幾次）。
- 簡潔明了，不要使用複雜多餘的語言。
- 明確指定輸出格式（例如SON、Markdown）。
- 嘗試使用 指令(What要做），不要太多 限制(What不做）。
- 使用變量使提示可重複使用。
- 不斷實驗，記錄提示版本，並根據模型更新進行調整。
6.高級技能
- 楊森修復和架構約束。
- 團隊合作下推動實驗。
- 如何避免模型進入重複循環錯誤。
摘要：本文件是 谷歌雙子座Vertex AI 官方團隊編寫的開發人員即時工程指南非常系統性和實用性，適合開發人員、數據科學家以及想要將大語言模型應用到實際產品中的人們。
Google在線磁碟地址：https://drive.google.com/file/d/1AbaBYbEa_EbPelsT40-vj64L-2IwUJHy/view
輸油管：