核心知識點腦圖如下：
上圖展示了兩種大型語言模型（LLMs）的對比：基礎語言模型（Base LLM）和指令調整語言模型（Instruction Tuned LLM）。
基礎語言模型（Base LLM）
功能：基礎語言模型能夠預測下一個單詞，這種預測是基于文本訓練數據。
例子：圖中提供了一個故事的開頭：“Once upon a time, there was a unicorn that lived in a magical forest with all her unicorn friends（中文釋義：從前，有一只獨角獸和她所有的獨角獸朋友住在魔法森林里）”，這展示了模型如何根據給定的文本繼續生成故事。問答能力：它能夠回答基礎的問題，例如“法國的首都是什么？”，但它可能會產生問題文本，如有害輸出，這些輸出與基礎語言模型的性質有關，因為它們僅基于預測下一個最可能的單詞，而不是遵循特定的指令。
指令調整語言模型（Instruction Tuned LLM）
功能：這種模型試圖遵循指令，它通過在指令上進行微調（fine-tuning，周鴻祎大佬經常講），并在嘗試遵循這些指令時進行優化。
微調方法：使用RLHF（Reinforcement Learning with Human Feedback，中文釋義：人類反饋強化學習）進行微調，即結合強化學習和人類反饋。
三H原則：幫助（Helpful）、誠實（Honest）、無害（Harmless）。
例子：當問到“法國的首都是什么？”時，指令調整的模型會更準確地回答“法國的首都是巴黎”。
總結來說，圖中的主要區別在于基礎模型側重于文本數據的下一個詞預測，而指令調整模型則側重于理解和遵循指令，提供更準確、更有用、更安全的輸出。
指令必須清晰的三個核心原因：
核心一——避免歧義：清晰的指令讓機器沒有猜測的空間，可以直接執行。
核心二——提高效率：清晰的指令可以讓機器快速理解并采取行動，節約時間。
核心三——確保結果準確：指令清晰可以確保機器提供的結果是我們所期待的。
要點2所說的“給大模型思考的時間”，其實是在指導我們如何更高效地與大型語言模型（如我）進行交互。
下面是三個核心要點的解讀：
（1）等待模型回應：
模型需要時間處理你的請求和生成回答，就像你向朋友提問后要等待他們思考并回答一樣。
（2）避免打斷：
在模型回答之前不要急于提出新問題，這就像不打斷別人說話，給對方完成表達的機會。
這個一般模型也不允許。
（3）逐步提問：
如果有復雜的問題，可以分步驟提問，讓模型逐一解決，就像解難題一樣，一步一個腳印來解答。
這是最核心的，大問題務必精準拆解成小問題，且根據回復逐步調優。
吳恩達老師“這幅圖展示了一個名為“迭代式提示開發”的循環流程圖，它代表一個反饋循環，用于改進和完善提示（可能是編程、數據輸入或任何需要精確指示的場合）的質量。流程由四個主要部分組成：
1、Idea（想法）: 這是流程的開始階段，你需要有一個初始想法或設計，這將成為你的起始點。
2、Implementation (code/data) Prompt（實現（代碼/數據）提示）: 根據想法，你會創建一個初步的提示，如果是編程領域，可能是編寫代碼或準備數據輸入。
3、Experimental result（實驗結果）: 使用你的提示進行實驗后，你將獲得某些結果，這些結果可能會或不會符合你的預期。
4、Error Analysis（錯誤分析）: 如果結果不符合預期，你需要進行錯誤分析，查找為什么會出現這樣的結果，可能是提示不夠清晰、具體或存在邏輯錯誤。
這個過程是迭代的，意味著你會不斷重復這個循環，每一次都根據之前的反饋來調整和改進你的提示，直到實驗結果符合你的預期。
圖下方的“Prompt guidelines”列出了優化提示時應遵循的指導原則：
1、Be clear and specific（要清晰和具體）: 提示需要有足夠的詳細信息，避免歧義——這點反復強調過了。
2、Analyze why result does not give desired output（分析為什么結果不符合預期輸出）: 當結果不如意時，深入分析原因（模型會分析，咱們也不要坐等，要結合經驗進行分析），理解導致結果偏差的因素。
3、Refine the idea and the prompt（改進想法和提示）: 根據分析結果調整你的想法和提示。
4、Repeat（重復）: 不斷重復這一過程（反復迭代），每次都嘗試提高提示的有效性。
這個流程是設計思維和敏捷開發的典型，強調持續改進和適應性。
為大段文本形成摘要，以便我們快速的獲取信息。
新版GPT4最多能讓用戶輸入3萬2千token（大概50頁英文文字長度，網上說法大約25000字）。
省去了早期開發需要自己訓練模型的工作，現在一個API搞定！
Html 轉 JSON等各種轉換：原來咱們用復雜的正則，現在大模型API快速搞定。
校對寫的所有內容：論文、評論、文稿等。
支持各種語言的翻譯
GPT4 的圖片轉文本，文本轉圖片功能也非常強大。
Chatgpt可以作為頭腦風暴的伙伴，基于我們的提示詞展開文本擴寫。
建議負責任的使用，比如：不要生成垃圾郵件。
可用于文檔助理，比如：郵件助理。
用途舉例：
AI 客服助理；
餐廳AI接單員
等等......
注意：角色的設定很重要。
1、寫出清晰和具體指令的重要性
2、給予模型足夠的時間來“思考”。
這是一種通過不斷優化和細化提示來改進模型響應的方法。
總結
推斷
轉換
擴展信息。
這些能力在構建聊天機器人時尤為重要，它們使得機器人能夠處理各種任務，從理解和回應用戶輸入到生成新的內容。
模型非常有趣，可以放心去玩！！——咱們就是得多用，才能知道怎么更好得使用用！
https://www.bilibili.com/video/BV1s24y1F7eq
