推荐文章8
七种提示工程技术全解析
OpenMMLab
AI 摘要
搬砖程序员带你飞:提示工程有七种优化模式。简单任务选Zero-Shot;复杂推理用CoT或ToT;需外部知识选ReAct;长期学习考虑Reflexion;结构化流程任务用Graph Prompting,还可组合使用。
阅读原文 · OpenMMLab
提示工程实战指南:从Zero-Shot到Graph Prompting,7大核心技术全解析
随着大型语言模型发展,提示工程成关键技能。文章介绍零样本提示、少样本提示等七种提示优化模式,分析适用场景、优缺点,还给出示例,最后总结各技术适用场景及最佳实践。

关注公众号
扫码关注
第一时间收到每日精选
相关文章
推荐文章9
拉开Agent差距的是上下文工程
本文梳理AI Agent从Prompt工程、ReAct范式到上下文工程的演进路径,系统讲解上下文工程核心原理、设计方法与落地方案,解决生产级Agent长任务质量退化痛点。
腾讯技术工程
算法论文7
720美元套出大模型隐藏思维链
研究人员发现,将大模型返回的加密推理块扔给同厂小模型让其复述,就能破解大模型隐藏的思维链。如Anthropic、OpenAI、Google的模型均中招,还会带来隐私、安全等风险,虽已打补丁,但仍有难题。
量子位
新闻资讯7
AI大厂系统提示词泄露,藏提示工程秘诀
GitHub上`system_prompts_leaks`仓库扒出Claude、GPT等AI系统提示词。这些提示词像事故档案,规则具体,其结构排序暴露优先级。普通使用者可借鉴,提升对AI提要求的质量。
AI Reading Hub
新闻资讯7
Lun Wang:评估是模型能力飞跃瓶颈
谷歌DeepMind研究员Lun Wang离职后发文指出,当下评估体系难以应对新模型,制约模型能力飞跃。现有评估多针对当前模型,新能力出现时往往无法预测,需构建能自我进化的评估系统。
机器之心