1. 提示库与存储库简介

第一课：什么是提示库与提示存储库？

1.1 提示库的定义

提示库是指经过精心整理的预定义输入（提示）集合，主要用于与AI模型（尤其是像OpenAI的GPT这样的大型语言模型）进行交互。这些提示可以设计为引导AI生成特定响应、执行任务或朝预期输出方向发展。

• 目的：
  • 提供与AI互动的结构化方式。
  • 通过利用可重复使用的提示模式提升生产力。
  • 促进AI社区内的有效提示共享。

1.2 提示存储库的定义

提示存储库是集中存储系统，通常托管在像GitHub这样的平台上，供不同的提示库使用。这些存储库促进了协作、版本控制，并为AI用户提供了广泛的提示访问渠道。

• 目的：
  • 促进社区驱动的提示开发。
  • 确保提示贡献得到良好组织和文档化。
  • 通过共享知识推动学习和改进。

---

第二课：提示库的结构

2.1 常见的提示结构

一个典型的提示结构包括以下组成部分：

• 任务定义：明确陈述预期结果。
• 上下文：帮助模型理解领域或问题的信息。
• 指令：详细步骤或任务完成的约束条件。
• 输入数据：模型用来生成输出的变量或数据。
• 预期输出：模型生成的输出形式或类型。

{
  "task": "生成摘要",
  "context": "用户提供了一篇科学文章",
  "instructions": "将文章总结成3句话，着重于关键发现。",
  "input_data": "文章主题为气候变化及其对海洋生物的影响。",
  "expected_output": "简短的总结应提及气候变化对海洋生态系统的关键影响。"
}

2.2 提示存储库的组成

提示存储库通常包含：

• 文件夹：按任务（如总结、代码生成）等类别组织。
• 元数据：每个提示的相关信息，包括目的、作者和版本。
• 文档：有关如何贡献、使用和适应提示的说明。
• 版本控制：保持提示的历史版本，允许用户跟踪更改。

---

第三课：构建自己的提示库

3.1 创建提示库的步骤

步骤1：定义目的

• 决定提示库的重点（例如写作辅助、代码生成等）。

步骤2：组织提示

• 根据任务或领域（例如医疗、金融、教育）对提示进行分组。

步骤3：定义元数据

• 添加关键信息如作者、版本、标签和用途。

步骤4：测试和优化提示

• 确保每个提示在AI模型中生成稳定且一致的结果。

步骤5：编写文档

• 提供关于如何使用和调整提示的明确说明。

3.2 简单提示库的示例

📁 Writing-Prompts/
   ├── 📝 story-generation.json
   ├── 📝 blog-outline.json
   └── README.md

// story-generation.json
{
  "task": "生成短篇故事",
  "context": "根据用户提供的主题生成创意短篇故事。",
  "instructions": "故事应为300字左右，并包含一个出人意料的转折。",
  "input_data": "主题：太空探索"
}

# 写作提示库

## 概述
此库包含专注于创意写作任务的提示。使用这些提示，可以使用GPT模型生成故事、文章或大纲。

### 提示列表
- **story-generation.json**：生成创意短篇故事。
- **blog-outline.json**：生成博客文章的大纲。

## 使用方法
1. 克隆此存储库。
2. 将提示加载到您选择的AI模型中。
3. 输入所需数据，让模型生成结果。

---

第四课：开源提示存储库

4.1 流行的提示存储库

1. Awesome-ChatGPT-Prompts

   • 该存储库包含为ChatGPT设计的提示，包括客户支持、研究等任务的提示。
   • GitHub 存储库链接

2. Prompt-Engineering-Guide

   • 一个全面的提示工程资源，涵盖策略和示例。
   • GitHub 存储库链接

4.2 使用开源存储库的优势

• 协作：鼓励社区贡献和共享学习。
• 版本控制：跟踪更新，确保使用最新有效的提示。
• 文档：清晰的说明帮助新用户快速入门。
• 种类繁多：访问各种任务提示，如编程、摘要和创意写作。

---

第五课：提示存储库中的版本控制与协作

5.1 提示的版本控制

使用Git和类似GitHub的平台可以确保每个提示版本都被跟踪，这在以下情况下尤为有用：

• 添加新功能或更新。
• 需要引用或恢复先前版本。

Git工作流程示例：

1. 创建新的提示分支：

   git checkout -b new-prompt

2. 添加并提交提示：

   git add prompt.json
   git commit -m "添加了故事生成提示"

3. 推送分支到存储库：

   git push origin new-prompt

4. 创建拉取请求（Pull Request）：
   合作者可以审查并将更改合并到主分支中。

5.2 协作开发

提示存储库通过以下方式促进协作：

• 拉取请求：贡献者提出更改或新的提示。
• 审查：其他用户审查代码更改，确保提示质量。
• 讨论：用户可以提供反馈并建议改进。

---

第六课：提示库的高级技巧

6.1 动态提示

动态提示指的是根据输入参数进行调整的提示。这提高了提示在各种任务中的灵活性和实用性。

示例：

{
  "task": "生成定制化的问候语",
  "instructions": "为[姓名]，[年龄]岁的[城市]居民创建一个问候语。",
  "input_data": {
    "name": "Alice",
    "age": 30,
    "city": "New York"
  },
  "expected_output": "嗨，Alice，一位来自纽约的30岁人士！欢迎！"
}

6.2 提示链

在某些情况下，任务需要多个步骤或提示来实现预期结果，这被称为提示链。

流程图：

graph TD;
    A[用户输入] --> B[初始提示：询问主题];
    B --> C[第二提示：生成大纲];
    C --> D[第三提示：扩展各部分];

---

第七课：管理提示库的资源与工具

7.1 提示工程的工具

• GitHub：用于提示库的版本控制和协作。
• 提示工程平台：用户可以创建、测试和优化提示的在线平台。
  • PromptBase：一个买卖AI生成提示的市场。

7.2 参考资料

• 书籍：
  • Python深度学习，作者：François Chollet，涵盖了有助于创建有效提示的AI基础知识。
• 课程：
  • 大型语言模型提示工程（Coursera，edX），教授如何优化提示以获得更好的AI输出。

---

结论

提示库和存储库是与AI系统进行有效交互的关键工具。通过创建结构化的提示库，在开源平台上协作，并运用高级技术，用户可以利用AI执行广泛的任务。随着AI领域的发展，提示工程将在最大化大型语言模型的潜力方面发挥越来越重要的作用。