1 简介
互联网上有很多有关提示的材料，例如《30 prompts everyone has to know》之类
的文章。这些文章主要集中在 ChatGPT Web 用户界面上，许多人在使用它执行
特定的、通常是一次性的任务。但是吴恩达教授认为 LLM 或大型语言模型作为
开发人员的更强大功能是使用 API 调用到 LLM，以快速构建软件应用程序。
随着大型语言模型（LLM）的发展，LLM 大致可以分为两种类型，即基础 LLM 和
指令微调 LLM。
基础 LLM 是基于文本训练数据，训练出预测下一个单词能力的模型，其通常是
在互联网和其他来源的大量数据上训练的。例如，如果你以“从前有一只独角兽”
作为提示，基础 LLM 可能会继续预测“生活在一个与所有独角兽朋友的神奇森林
中”。但是，如果你以“法国的首都是什么”为提示，则基础 LLM 可能会根据互联
网上的文章，将答案预测为“法国最大的城市是什么？法国的人口是多少？”，因
为互联网上的文章很可能是有关法国国家的问答题目列表。
许多 LLMs 的研究和实践的动力正在指令调整的 LLMs 上。指令调整的 LLMs
已经被训练来遵循指令。因此，如果你问它，“法国的首都是什么？”，它更有可
能输出“法国的首都是巴黎”。指令调整的 LLMs 的训练通常是从已经训练好的基
本 LLMs 开始，该模型已经在大量文本数据上进行了训练。然后，使用输入是指
令、输出是其应该返回的结果的数据集来对其进行微调，要求它遵循这些指令。
然后通常使用一种称为 RLHF（reinforcement learning from human feedback，人
类反馈强化学习）的技术进行进一步改进，使系统更能够有帮助地遵循指令。
因此，本课程将重点介绍针对指令调整 LLM 的最佳实践，这是我们建议您用于
大多数应用程序的。
2 编写 Prompt 的原则
2.1 环境配置
前提： 使用百度的 notebook jupyter(aistudio.baidu.com/)，也可以使用阿里云或…
安装库：
!mkdir /home/aistudio/external-libraries
!pip install openai -t /home/aistudio/external-libraries
!pip install python-dotenv -t /home/aistudio/external-libraries
import sys
sys.path.append('/home/aistudio/external-libraries')复制代码
openai 的 API：
!export OPENAI_API_KEY='api-key'
import openai
