提示工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。 掌握了它的奥秘，你便能洞悉LLM的无限潜能与潜在限制，从而更好地驾驭它。
研究人员运用提示工程的魔力，为LLM注入了处理复杂任务场景的新活力。问答、算术推理，这些曾让LLM头疼不已的挑战，如今在精心设计的提示词引导下，变得游刃有余。开发人员则借助提示工程，设计出令人惊叹的工程技术，实现了与LLM或其他生态工具的无缝对接。
然而，提示工程远不止于此。它更像是一门融合了各种技能与技术的综合艺术，涉及与大语言模型的深度交互和研发。它如同一座桥梁，连接着人与LLM的世界，让我们能够更深入地理解LLM的能力与局限。通过提示工程，我们不仅可以提升LLM的安全性，还能为其赋能，注入专业领域知识和外部工具的力量，使其变得更加强大。
为了满足大家对大型语言模型的浓厚兴趣，我们精心编写了这份全新的提示工程指南。它汇聚了LLM相关的论文研究、学习指南、模型介绍、精彩讲座、宝贵参考资料以及LLM的各项能力概览。此外，还特别收录了与其他提示工程相关工具的精彩内容。这份指南将带你踏上一段充满奇幻与探索的旅程，让你在提示工程的世界里畅游无阻。
提示工程是一个较新的学科，应用于开发和优化提示词（Prompt），帮助用户有效地将语言模型用于各种应用场景和研究领域。掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。研究人员可利用提示工程来提高大语言模型处理复杂任务场景的能力，如问答和算术推理能力。开发人员可通过提示工程设计和研发出强大的技术，实现和大语言模型或其他生态工具的高效接轨。
本指南介绍了提示词相关的基础知识，帮助用户了解如何通过提示词和大语言模型进行交互并提供指导建议。
使用提示词时，您会通过 API 或直接与大语言模型进行交互。你可以通过配置一些参数以获得不同的提示结果。
Temperature：简单来说，temperature 的参数值越小，模型就会返回越确定的一个结果。如果调高该参数值，大语言模型可能会返回更随机的结果，也就是说这可能会带来更多样化或更具创造性的产出。我们目前也在增加其他可能 token 的权重。在实际应用方面，对于质量保障（QA）等任务，我们可以设置更低的 temperature 值，以促使模型基于事实返回更真实和简洁的结果。 对于诗歌生成或其他创造性任务，你可以适当调高 tempera