【[Google 68页干货]Prompt Engineering（提示词工程）：详细介绍了如何通过 Prompt Engineering 来优化大型语言模型（LLM）的输出，包括 LLM 输出配置、输出长度控制、采样控制、温度参数、Top-K 和 Top-P 策略、以及整合这些技术。本文档还涵盖了各种 Prompt 技术，包括通用 Prompt、单次 Prompt、少量 Prompt、系统 Prompt、角色 Prompt、情境 Prompt 等。此外，文档还讨论了自动 Prompt 工程、代码相关 Prompt 技术、多模态 Prompt 技术，并提供了一系列最佳实践指南，以帮助用户更好地设计 Prompt，包括提供示例、简洁设计、明确输出、优先使用指令而非约束、控制最大令牌长度、在 Prompt 中使用变量、实验输入格式和写作风格、在少量 Prompt 中混合类别、适应模型更新以及实验输出格式等】
'Prompt Engineering: A comprehensive guide to optimize LLM interactions'
网页链接：drive.google.com/file/d/1AbaBYbEa_EbPelsT40-vj64L-2IwUJHy/view
AI提示工程 自然语言处理 代码生成 AI创造营
