Prompt Engineering Guide提示工程课程提示工程课程服务服务关于关于
GitHubGitHub (opens in a new tab) (opens in a new tab)
  • 提示工程指南
  • 提示工程简介
    • 大语言模型设置
    • 基本概念
    • 提示词要素
    • 设计提示的通用技巧
    • 提示词示例
  • 提示技术
    • 零样本提示
    • 少样本提示
    • 链式思考(CoT)提示
    • 自我一致性
    • 生成知识提示
    • 链式提示 (Prompt Chaining)
    • 思维树(ToT)
    • 检索增强生成 (RAG)
    • 自动推理并使用工具(ART)
    • 自动提示工程师
    • 主动提示 (Active-Prompt)
    • 方向性刺激提示
    • 程序辅助语言模型 (PAL)
    • ReAct 框架
    • 自我反思 (Reflexion)
    • 多模态思维链提示方法
    • 基于图的提示
  • 提示应用
    • 数据生成
    • 解决生成数据集的多样性
    • 代码生成
    • 毕业生工作分类案例研究
    • 提示函数
    • 使用 Gemini 1.5 Flash 进行上下文缓存
    • 使用 LLM 生成数据以训练新一代的 LLM / 检索器 / 其他模型
    • LLM 中自定义函数的调用
  • Prompt Hub
    • 分类
      • 情感分类
      • 小样本情感分类
    • 代码生成
      • 测试 LLM 的响应能力
      • 生成 MySQL 查询语句能力
      • Draw TiKZ Diagram
    • 创造力
    • 评价力
    • 信息提取
    • 图像生成
    • 数学
      • 计算复合函数
      • 奇数相加
    • 问答
    • 推理
    • 文本摘要
    • 真实性
      • 识别 LLM 回答中的幻觉
    • 对抗性提示
      • 提示词注入
      • 提示词泄露
      • 模型越狱
  • 模型
    • Flan
    • ChatGPT
    • LLaMA
    • GPT-4
    • Mistral 7B
    • Gemini
    • Gemini Advanced
    • Gemini 1.5 Pro
    • Phi-2
    • Mixtral
    • Code Llama
    • OLMo
    • Sora
    • Model Collection
  • 风险和误用
    • 对抗性提示
    • 真实性
    • 偏见
  • 主要研究方向
    • 代理 (LLM Agents)
    • 检索增强生成 (RAG)
    • 利用 RAG 减少幻觉
    • RAG 的效果评估
    • 模型推理能力 (Reasoning)
    • 上下文记忆能力 (In-Context Recall)
    • 合成数据 (Synthetic Data)
    • 超长文本 (Infini-Attention)
    • 小模型引导的思维链 (LM guided CoT)
    • 标记化(Tokenization)
    • 大模型的可性度评估
    • 基于图的自我修订与搜索推理框架 ThoughtSculpt
    • 芯片加速
  • 论文
  • 工具和库
  • Prompt Engineering 笔记本
  • 数据集
  • 阅读推荐
Question? Give us feedback → (opens in a new tab)Edit this page
Prompt Hub
代码生成

使用 LLM 代码生成

本节包含一系列用于测试 LLM 代码生成能力的提示。

小样本情感分类测试 LLM 的响应能力

Copyright © 2024 南昌大学人工智能工业研究院 & NCUHOME