Agents 基石|提示词结构化方法论和实践
输入“/”快速插入内容
4️⃣Agents 基石|提示词结构化方法论和实践
Agents 基石|提示词结构化方法论和实践
飞书用户61002024年5月15日修改
本文介绍了 LangGPT 设计的缘起和方法论思考，为在《AI超级个体见面会，Al Agent 高端交流》——北京站 第一期 的发言内容分享。
发言稿正文
Hello, 大家好，我是云中江树，谢谢占总 (占总) 为大家提供这么好的一个交流机会，很高兴今天能为带来提示词方面的分享。
今天的分享分为四个方面内容，自我介绍，提示词基础， LangGPT 结构化提示词，最后是一些实践和思考。
首先向大家自我介绍一下，我本名是刘远忠，云中江树是我的笔名。大家可以称呼我为江树，简单记忆——可以理解为江边的树。我本科毕业于电子科大，研究生毕业于武大， AI 相关专业硕士。今年毕业后，成为了一名自动驾驶算法工程师。我是一名科幻迷，曾经获得 2021年全国科普科幻之星荣誉。同时，我也是一个玩 AI 的爱好者。
我曾经探索过好几百个 AI 项目，整理成 ChatGPT 中文指南开源后，连续好几天登上了 GitHub 全球热榜。我发现这些项目的 核心在于如何更好的调用大模型能力，即提示工程，在观察学习了诸多提示词，尤其是 AutoGPT, 麋鹿先生这两个项目的提示词后，我形成了结构化提示词写作方法，在 5 月份将其开源为 LangGPT 项目，吸引了许多朋友的关注。
以此为契机，我认识了许多对 AI 抱有巨大热情的朋友，其中就包括 Broke 框架作者陈财猫。为了能更好的专注于探索（AI）的无限可能，激发和支持更多的人创新创造，我和陈财猫联合创建了 EmbraceAGI 社区，欢迎大家关注支持！
我21年就开始提示词工程的学习，为什么会研究提示工程呢？
作为一名 AI 算法工程师，22 年之前的许多 AI 应用都是使用的微调完成。先预训练，然后用数据集微调模型的输出层，这是一种通用做法。实际微调多少层，多少参数等等都是可以变化的，甚至可以全参微调。微调有很多好处，缺点也很明显，依赖高质量标注数据，需要调试训练超参数，常常训练失败，甚至性能不如预训练模型。