链接：https://pan.baidu.com/s/146dyy1hLN67uYypzHLEUWg?pwd=5ygk 

提取码：5ygk

第1章 认识ChatGPT

1.1 ChatGPT是什么

1.1.1 什么是语言模型

1.1.2 什么是GPT

1.2 ChatGPT的能力

1.2.1 GPT-4有多强

1.2.2 大语言模型的“涌现”能力

1.2.3 “GPT们”会抢走我们的工作吗

1.3 ChatGPT的局限

1.3.1 大语言模型的“幻觉”现象

1.3.2 有限的上下文：ChatGPT的“失忆症”

1.3.3 隐私漏洞与安全隐患

1.3.4 大语言模型的偏见

第2章 人机共舞的艺术：提示工程简介

2.1 什么是提示与提示工程

2.1.1 什么是提示

2.1.2 什么是提示工程

2.2 提示工程的巨大威力：从Let’s think step by step说起

2.3 我们与ChatGPT的沟通模型

2.4 从人工智能学科角度看提示工程

2.4.1 技术奇点与智能增强：人类需要学会与人工智能合作

2.4.2 对齐：如何避免人工智能毁灭世界

2.4.3 弥达斯国王问题：我们想要的就是我们的真实需求吗

2.5 拆解、标准化、流程化：如何用AI改造工作

第3章 使用ChatGPT的基础技巧

3.1 使用文本分隔符分割指令和上下文

3.2 使用标记语言标记输入格式

3.3 使用有序列表与无序列表列出不同的项

3.4 量化你的要求

3.5 不要说“不要做什么”，要说“要做什么”

3.6 利用ChatGPT“接龙”的特性引导下一步动作

3.7 多轮对话：ChatGPT“越用越聪明”的秘诀

3.8 使用ChatGPT插件

第4章 使用ChatGPT完成自然语言处理任务

4.1 什么是自然语言处理任务

4.2 文本摘要：提炼文本精华

4.2.1 文本摘要的提示公式

4.2.2 用文本摘要+ChatGPT进行论文阅读

4.2.3 用文本摘要+ChatGPT做会议记录

4.3 文本纠错：检测和修正文本错误

4.4 情感分析：挖掘文本中的情感倾向

4.4.1 情感分析任务的提示公式

4.4.2 场景示例：批量分析外卖评论，寻找经营改进点

4.5 实体识别：抽取特定实体

4.5.1 实体识别任务的提示公式

4.5.2 示例：从简历中提取关键信息

4.5.3 ChatGPT+实体识别+5W1H快速阅读复杂文本

4.6 机器翻译：跨语言的文本转换

4.6.1 机器翻译任务的提示公式

4.6.2 用ChatGPT翻译诗歌

4.7 关键词抽取：从文本中识别主题

4.7.1 关键词抽取任务的提示公式

4.7.2 用ChatGPT抽取论文摘要关键词

4.8 问题问答：用ChatGPT学知识

4.8.1 用类比学习复杂概念

4.8.2 小朋友也能听得懂的故事解释法

4.8.3 如何减少ChatGPT的“幻觉”

4.9 生成式任务：用ChatGPT做内容创作

4.9.1 生成式任务的提示设计维度

4.9.2 用ChatGPT写深度评论文章

第5章 使用BROKE框架设计ChatGPT提示

5.1 BROKE框架

5.1.1 BROKE框架的基本内容

5.1.2 用BROKE框架让ChatGPT介绍BROKE框架

5.2 背景（Background）：信息传达与角色设计

5.2.1 让ChatGPT向使用者提问，分析问题背景

5.2.2 给ChatGPT尽可能多的原始信息

5.2.3 用符合直觉与经验的方式设计问题背景

5.3 角色（Role）：AI助手的角色扮演游戏

5.4 目标与关键结果（Objectives&Key Results）：给ChatGPT“打绩效”

5.4.1 如何设计目标

5.4.2 如何设计关键结果

5.5 改进（Evolve）：进行试验与调整

5.6 示例：写自动驾驶出租车试乘报告框架

5.7 从认知心理学角度看BROKE框架的设计

第6章 使用ChatGPT的进阶技巧

6.1 使用分治法让ChatGPT完成大而复杂的任务

6.1.1 如何将分治法应用到ChatGPT提示设计中

6.1.2 用ChatGPT+分治法写长篇科幻小说

6.1.3 示例：使用ChatGPT完成复杂程序代码

6.2 上下文学习：为ChatGPT提供范例

6.2.1 上下文学习的基本步骤

6.2.2 示例：规定回复格式，让ChatGPT当英语外教陪聊

6.3 用链式思维提高ChatGPT的逻辑能力

6.4 自一致性：利用“投票”获得可靠答案

6.5 知识生成提示

第7章 如何用ChatGPT进行创新

7.1 组合式创新

7.2 ChatGPT+领域知识

7.2.1 ChatGPT+心理学：设计更容易被填写的问卷

7.2.2 ChatGPT+逻辑学：用谓词逻辑提取文字中的命题

7.2.3 ChatGPT+管理学+心理学+社会学：用多领域理论优化管理策略

7.3 ChatGPT+工具

7.3.1 ChatGPT+Mermaid：用ChatGPT画时序图

7.4 ChatGPT+其他AI工具

7.5 用ChatGPT做数据分析

7.5.1 用ChatGPT做数据分析可以利用的工具

7.5.2 用ChatGPT做数据分析的注意事项

7.5.3 示例：使用ChatGPT选择算法并设计数据集

第8章 基于ChatGPT进行开发

8.1 ChatGPT API：利用ChatGPT制作自己的应用

8.1.1 什么是API

8.1.2 API的参数：如何造就疯癫赛博诗人

8.2 LangChain：大语言模型开发框架

第9章 ChatGPT的替代品们

9.1 Claude：ChatGPT的孪生姐妹

9.2 PaLM 2：来自谷歌的实力对手

9.3 HuggingChat：“抱抱脸”聊天机器人

9.4 ChatGLM：来自清华大学的语言模型

9.5 Alpaca&Vicuna：语言模型之羊驼家族

9.6 其他大语言模型

9.6.1 文心一言：百度的聊天机器人

9.6.2 讯飞星火：科大讯飞的聊天机器人

9.6.3 通义千问：阿里巴巴的聊天机器人

参考文献

查看全部↓

前言/序言

人类一直在寻找、制造并使用工具，以扩展我们的能力，适应我们的环境，甚至超越我们的生物限制。我们所掌握的每一项工具都在某种程度上塑造了我们的生活和社会——从火和轮子，到印刷术和电力，再到计算机和互联网。现在，我们正站在一个历史性的分水岭之上，迎来人工智能（ArtificialIntelligence，AI）的时代。
如今，以ChatGPT为代表的人工智能已经成为一种无法忽视的力量。它们正在迅速地重塑我们的世界，改变我们的生活方式和思考模式。无论你是否愿意接受，这已经成为世界的现状，也将是未来的发展趋势。
以ChatGPT为代表的大语言模型（LargeLanguageModel，LLM）是非常强大的工具。然而，同其他工具一样，其真正的价值取决于我们如何使用它们。