初探PE-Prompt Engineering

背景

chatgpt已经火了很久，一直没太塌下心来研究下，趁着五一宅着学习了一下PE，总结一下心路历程，学习的过程和一些认识。

我的参考资料

1.课程，吴恩达xOpenAI的大概1小时视频课，B站上有翻译版。
https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/
2.模型，(GPT-3.5)
找了一个可以用的模型，不是官方的chatgpt不过可以凑合用一下。
3.小伙伴
中间和axin讨论一下，了解了一些知识，他分享一篇参考文章，感觉很不错
https://zhuanlan.zhihu.com/p/395115779

初识的印象

一开始大家很震惊ChatGPT的神奇，我没怎么用过。直观的感觉上，编程语言可能会因为LLM的成熟，从目前的类似自然语言更近一步变成自然语言（prompt）。devloper从原来自己编写程序，变成由模型编写程序。那么编程的门槛进一步降低，生产力进一步提高。
而prompt可能就是下一代的python/golang，我需要像学习新语言一样开始学习prompt。

模型擅长做什么，它的边界和缺点在于？

当学一门新语言时，最重要的就是知道它的特点，优点，缺点，这样才能发挥其威力。
那么对于LLM呢？
在课程中，演示了模型的4个用法
总结-扩展-推理-转化。
总结：例如生成一段文字的摘要，生成会议纪要等，简单来说，可以把长文字变短。
扩展：例如根据一些关键词扩写，写回信等，简单来说，可以把短文字变长。
推理：提取信息，比如分析文字中的情绪等。
转换: 可以进行翻译，比如多种语言，文风的语气变化等。
这是它的几种常见用法，也是比较适合的场景。
概括一下，主要是NLP相关场景。

那么模型对于一个普通开发者来说不擅长什么，或者说缺点呢？

1.计算
我一开始没有意识到这个，在看课的过程中，让模型作为一名数学老师来完成批改数学题这个任务，后来很快发现模型做的并不好，搜索了一下，发现模型并不适合计算类任务。
当然目前也有相关的研究在提升其数学能力（例如https://www.kuxai.com/article/899），但目前看来如果作为一个普通开发者&#x