Penyusunan Tahunan Terkini Teknik Kejuruteraan Terbaik

Bagi anda yang mungkin baru dalam lajur saya, saya secara meluas meneroka kemajuan terkini di AI di seluruh papan, termasuk topik seperti yang terkandung AI, penalaran AI, penemuan berteknologi tinggi di AI, kejuruteraan segera, latihan AI, peraturan AI, AI, seni bina dan perkakasan baru untuk AI, tadbir urus AI, dan sebagainya. Ia adalah campuran eklektik.

Saya biasanya memasukkan kejuruteraan segera ke dalam campuran topik AI saya secara bulat-robin dan bertujuan untuk membawa kepada kejayaan terkini dan pendekatan yang mendorong teladan. Liputan saya secara meluas menyelidiki amalan terbaik yang mendorong. Saya lebih suka mengenal pasti dan mengesyorkan hanya amalan kejuruteraan yang cepat yang disokong oleh penyelidikan praktikal dan saya memanfaatkan penggunaan harian saya sendiri.

Kejuruteraan Prompt adalah bidang usaha yang terus menjadi nilai penting. Saya meramalkan bahawa kejuruteraan segera mempunyai kaki yang panjang dan memerlukan kemahiran dan teknik yang mencukupi untuk dilaksanakan dengan mahir dan berkesan. Atas sebab itu saya terus berada di atas di mana kejuruteraan segera diketuai dan membawa teknik -teknik baru yang terbaik kepada perhatian pembaca.

Untuk liputan keseluruhan saya yang berterusan mengenai kemajuan AI, penemuan, dan inovasi AI terkini, lihat pautan di sini.

Pengenalan kepada Penyusunan Kejuruteraan yang cepat ini

Beberapa ucapan sebelum melompat ke dalam kompilasi.

Setiap teknik diringkaskan secara ringkas, dan pautan berguna diberikan kepada liputan terperinci saya yang menerangkan bagaimana teknik itu dilakukan secara aktif dan berhati -hati mencatatkan ins dan out yang diperlukan. Contohnya juga ditunjukkan dalam penyiaran yang mendalam.

Saya mencatatkan kompilasi yang sama pada bulan Mei 2024 (lihat pautan di sini) yang mengandungi, pada masa itu, kira -kira 50 teknik yang mendorong penting. Sejak itu, saya terus kerap meliputi kejuruteraan terkini. Oleh itu, saya telah memasukkan penyiaran kejuruteraan tambahan dari bahagian akhir tahun 2024 dan sehingga kini pada tahun 2025. Jumlah besar jumlah kepada 82 Teknik yang mendorong Keystone. Harap maklum bahawa banyak lagi penyiaran saya juga menyebutkan ad hoc yang mendorong amalan dan memberikan tip dan pandangan di sana sini, sementara yang saya tutup di sini mempunyai seluruh lajur yang dikhaskan untuk keberkesanannya.

Salah satu soalan yang paling kerap saya dapatkan pada persembahan dan ceramah saya ialah bagaimana seseorang boleh menjadi jurutera yang mahir.

Inilah cadangan saya.

Pergi melalui setiap teknik kejuruteraan yang cepat yang saya letakkan di sini. Pastikan untuk menggunakan pautan dalam talian yang disediakan dan membaca sepenuhnya petunjuk terperinci yang menyokong setiap teknik (tidak melangkau, tidak ada bola mata yang terbiar). Cuba secara meluas menggunakan teknik dalam aplikasi AI generatif yang disukai. Kuiz sendiri untuk menyemak semula bahawa anda benar-benar tahu cara menggunakan setiap teknik. Jujur. Jadilah adil dan persegi.

Setelah selesai usaha itu, saya akan mengatakan bahawa anda sedang dalam perjalanan untuk menjadi jurutera segera. Susulan ini adalah untuk mengamalkan menggunakan teknik dan berasa selesa sepenuhnya bahawa mereka berada di hujung jari anda dan mudah terkandung dalam toolkit mental kejuruteraan segera anda.

Teknik kejuruteraan segera yang disyorkan saya

Saya telah menyenaraikan teknik dalam susunan abjad.

Mengenai penamaan setiap teknik, tidak ada konvensyen penamaan industri yang standard, oleh itu, saya telah menggunakan nama atau frasa yang saya percaya paling sering digunakan. Matlamatnya adalah untuk memohon petunjuk umum supaya anda akan segera mendarat di tempat yang betul mengenai apa yang diperlukan oleh setiap teknik.

Di sini kita pergi.

Tambah-on mendorong

Anda boleh menggunakan add-on khas yang memasuki AI generatif dan membantu sama ada menghasilkan arahan atau menyesuaikan arahan. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan tambahan untuk mendorong, lihat liputan saya di pautan di sini.

Agentic AI mendorong

Agentic AI panas. Ideanya ialah anda menggunakan AI generatif, menjalankan tugas secara akhir-ke-akhir. Contoh yang popular akan menggunakan AI generatif yang bukan sahaja menasihatkan tentang perancangan perjalanan tetapi juga meneruskan untuk membuat semua tempahan penerbangan dan hotel diperlukan. Kemunculan Agentic AI juga telah mengeluarkan keperluan untuk teknik kejuruteraan tambahan tambahan untuk bersandar kepada ejen AI. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan AIS AI yang mendorong, lihat liputan saya di pautan di sini.

Penghindaran halusinasi AI mendorong

Salah satu masalah yang paling mendesak tentang AI generatif ialah AI boleh mengira secara falsafah yang kelihatannya digambarkan sebagai kebenaran, yang merupakan isu yang dikenali sebagai halusinasi AI (saya tidak menyangkal kata kunci kerana ia cenderung kepada anrthropomorphize AI, tetapi malangnya ditangkap sebagai frasa sebagai frasa dan kita nampaknya terperinci dengannya). Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat halusinasi AI, lihat liputan saya yang luas di pautan di sini, pautan di sini, dan pautan di sini.

Atom-of-Thoughts (AOT) mendorong

Teknik ini memperluaskan teknik rantaian yang terkenal. Ia seperti ini. Anda memberitahu AI untuk melakukan penalaran langkah demi langkah dan berbuat demikian dengan membahagikan masalah ke dalam langkah -langkah yang paling atomnya. Keindahannya adalah bahawa bukan sahaja ini cenderung untuk menjaga AI jujur ​​dari segi memikirkan langkah -langkah yang betul, tetapi AI juga dapat memproses pelaksanaan langkah -langkah selari, dengan asumsi AI ditubuhkan untuk paralelisme. Untuk pelbagai contoh dan tanda-tanda terperinci mengenai sifat dan penggunaan atom-of-shoughts yang mendorong, lihat liputan saya di pautan di sini.

Mengalahkan "laknat terbalik" yang mendorong

AI generatif dikenali kerana mengalami kesulitan berurusan dengan sisi terbalik logik deduktif; Oleh itu, pastikan untuk mengenali pendekatan yang boleh mengurangkan atau mengatasi apa yang dipanggil "laknat terbalik". Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan mengalahkan laknat terbalik yang mendorong, lihat liputan saya di pautan di sini.

"Jadilah jari kaki anda" mendorong

Frasa "berada di jari kaki anda" boleh digunakan untuk menghidupkan AI generatif ke arah menjadi lebih teliti apabila menghasilkan respons, walaupun terdapat kaveat dan batasan yang perlu diingat ketika menggunakan teknik yang mendorong. Untuk pelbagai contoh dan petunjuk terperinci mengenai "Be On Your Founs" yang mendorong, lihat liputan saya di pautan di sini.

Browbeating meminta

Teknik yang disarankan secara umumnya terdiri daripada penulisan yang diminta yang berusaha untuk membakar AI generasi atau pembuli. Anda perlu berhati -hati dalam menggunakan arahan tersebut. Untuk pelbagai contoh dan petunjuk terperinci mengenai penyebaran yang mendorong, lihat liputan saya di pautan di sini.

Katalog atau rangka kerja untuk mendorong

Rangka kerja atau katalog yang berorientasikan cepat untuk mengkategorikan dan membentangkan kepada anda cara-cara asas untuk membuat dan menggunakan arahan. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan kerangka kejuruteraan atau katalog yang cepat, lihat liputan saya di pautan di sini.

Kepastian dan ketidakpastian mendorong

Anda boleh secara jelas menunjukkan dalam prompt anda bahawa anda mahu AI generatif untuk memancarkan tahap kepastian atau ketidakpastian apabila memberikan jawapan kepada soalan anda. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan peranan tersembunyi kepastian dan ketidakpastian apabila mendorong untuk AI generatif, lihat liputan saya di pautan di sini.

Rantaian-Continuous-Thought (CCOT) mendorong

Katakan bahawa bukannya berurusan dengan token yang mengalir di sana sini, kami mengambil kaedah yang mendorong rantaian (COT) dan memindahkannya ke bawah garis. Ia seperti ini. Komponen akan menerima rantaian dari beberapa komponen lain. Komponen yang menerima penggunaan katil itu sebagai grist untuk melakukan apa sahaja komponen yang sepatutnya dilakukan. Hasilnya dari komponen adalah satu lagi rantaian yang baru dirancang yang kemudiannya mengalir di sepanjang garis. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan rantaian-continuous-berfikir yang mendorong, lihat liputan saya di pautan di sini.

Rantai-ketumpatan (COD) mendorong

Kaedah yang bijak untuk merangka ringkasan melibatkan strategi yang bijak yang dikenali sebagai rantai ketumpatan (COD), yang bertujuan untuk meningkatkan AI generasi ke arah mencapai ringkasan yang luar biasa atau sekurang-kurangnya lebih baik daripada biasa. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan COD atau rantai ketumpatan yang mendorong, lihat liputan saya di pautan di sini.

Chain-of-Feedback (COF) mendorong

Variasi pada rantaian-of-sought (COT) terdiri daripada teknik yang mendorong rantaian-maklum balas (COF), yang seolah-olah mengurangkan tahap halusinasi AI generatif. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan rantaian-maklum balas yang mendorong, lihat liputan saya di pautan di sini.

Chain-of-Thought (COT) mendorong

Rantaian yang dipikirkan (COT) telah digelar sebagai salah satu teknik yang paling penting. Apabila anda memasuki dengan cepat, anda memanggil Cot dengan hanya memberitahu AI generatif untuk bekerja dengan fesyen langkah demi langkah. Untuk pelbagai contoh dan tanda-tanda terperinci mengenai sifat dan penggunaan rantai (COT) yang mendorong, lihat liputan saya di pautan di sini.

Penguraian yang difikirkan oleh rantai yang mendorong

Anda boleh menambah rantaian konvensional (COT) yang mendorong dengan arahan tambahan yang memberitahu AI generatif untuk menghasilkan satu siri soalan dan jawapan ketika melakukan generasi rantaian. Matlamat anda adalah untuk menjatuhkan atau menonjolkan AI generatif untuk menghasilkan satu siri sub-soalan dan sub-anwers. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan rantai yang dipikirkan dengan memanfaatkan penguraian yang dipertimbangkan, lihat liputan saya di pautan di sini ..

Rantaian Pengesahan (COV) Menggalakkan

Pengesahan rantai (dikenali sebagai Cove atau Cove, walaupun ada juga yang mengatakan COV) adalah teknik kejuruteraan cepat yang lanjutan yang dalam satu siri cek-dan-baki atau pemeriksaan berganda cuba untuk meningkatkan kesahihan respons AI generatif. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan COV atau rantaian-pengesahan yang mendorong, lihat liputan saya di pautan di sini.

Senarai semak mendorong

Apabila menggunakan senarai semak yang mendorong, anda memberitahu AI Generatif untuk menghasilkan senarai semak untuk apa -apa soalan atau masalah yang anda mahu AI diselesaikan. Melakukannya membantu AI dalam melakukan pendekatan yang lebih berstruktur untuk perkara itu. Plus sekunder adalah bahawa anda mempunyai AI mengesahkan melalui senarai semak yang diperolehi bahawa semua soalan atau bahagian masalah itu diselesaikan atau sekurang -kurangnya dipertimbangkan oleh AI semasa proses penyelesaian. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan senarai semak yang mendorong, lihat liputan saya di pautan di sini.

Memeriksa perbualan

Bersikap fasih dan interaktif apabila mendorong sambil mengelakkan minda satu-dan-yang dilakukan yang banyaknya kelihatan seperti menggunakan AI generatif. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan perbualan yang mendorong, lihat liputan saya di pautan di sini.

Kejuruteraan Prompt yang diperkuatkan perbualan (CAPE)

Mod lanjutan yang mendorong melibatkan menjalankan perbualan yang berulang-ulang dengan AI generatif untuk mendapatkan niat segera anda yang ditetapkan sepenuhnya. Kadang -kadang, lebih baik menggunakan beberapa arahan daripada hanya satu petikan. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan CAPE, lihat liputan saya di pautan di sini.

Deepfakes to truefakes mendorong

Anda sudah pasti tahu tentang Deepfakes, sementara sudut yang berbeza melibatkan penubuhan melalui generatif AI A TrueFake, iaitu versi palsu diri anda yang "benar" dalam erti kata bahawa anda benar -benar ingin mempunyai kembar digital palsu anda. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan pergi dari Deepfakes ke TrueFakes melalui mendorong, lihat liputan saya di pautan di sini.

Rangsangan Arah Berkesan (DSP) dan Petunjuk

Menggunakan petunjuk halus atau kadang -kadang sangat telus dalam arahan anda secara rasmi dikenali sebagai rangsangan arah yang mendorong (DSP) dan boleh meningkatkan respons AI generatif. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan petunjuk atau rangsangan arah yang mendorong, lihat liputan saya di pautan di sini.

Pengesanan maklumat dan penyingkiran maklumat

Jumlah maklumat disinformasi dan maklumat yang salah yang dihadapi oleh masyarakat terus berkembang dan, merungut, nampaknya tidak dapat dihalang. Cara yang ketara untuk mengatasi terdiri daripada menggunakan AI generatif untuk menjadi penapis pilihan anda untuk mengesan maklumat disinformasi dan maklumat yang salah. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan mendorong untuk mengesan dan mengurangkan aliran maklumat salah dan maklumat, lihat liputan saya di pautan di sini.

Menggandakan rantaian yang menggalakkan

Banyak generasi terkini AI dan LLMS kini mempunyai ciri terbina dalam yang secara automatik memanggil rantaian-pemikiran. Ini baik -baik saja. Tetapi bagi mereka yang digunakan untuk secara langsung memohon rantaian-pemikiran melalui prompt, dilema baru wujud. Masalahnya ialah jika anda meminta pemikiran rantaian, dan AI sudah secara automatik akan melakukan rantaian, dua kali ganda boleh menggabungkan kerja-kerja. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan penggandaan rantaian yang menggalakkan, lihat pautan di sini.

Echo mendorong

Echo menggesa adalah seperti nama yang dikatakan: Anda memberitahu AI untuk mengulangi kembali pertanyaan segera yang telah anda masukkan. Apabila digunakan dengan sesuai, ini menjadikan perbezaan yang ketara dan positif dalam respons yang akan dihasilkan oleh AI. Ia adalah teknik yang mudah dan boleh digunakan apabila keadaan menjaminnya. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan echo yang mendorong, lihat pautan di sini.

Memeriksa secara emosi

Pengguna telah mengetahui bahawa mereka secara emosi dapat menyatakan secara emosi mereka untuk mendapatkan jalan mereka ketika menggunakan AI generatif yang menjalankan sembang perkhidmatan pelanggan dalam talian dan sebagainya. Saya pergi ke kedalaman tambahan tentang emosi yang menyatakan bahawa saya sebelum ini meliputi dan mendedahkan helah terkini yang digunakan oleh mereka yang cuba menipu atau mengarahkan AI ke arah yang dikehendaki. Untuk pelbagai contoh dan tanda -tanda terperinci mengenai sifat dan penggunaan yang mendorong emosi, lihat pautan di sini.

Emosi yang dinyatakan secara emosi

Adakah ia membuat perbezaan untuk menggunakan kata -kata yang dinyatakan secara emosi dalam arahan anda semasa bercakap dengan AI generatif? Jawapannya adalah ya. Dan terdapat alasan yang logik dan sepenuhnya komputasi untuk mengapa AI generatif "bertindak balas" terhadap penggunaan kata -kata emosi anda. Untuk pelbagai contoh dan tanda -tanda terperinci mengenai sifat dan penggunaan kata -kata emosi yang mendorong, lihat liputan saya di pautan di sini.

Akhbar matlamat akhir

Strategi yang sangat disyorkan terdiri daripada mengenal pasti matlamat akhir anda semasa bekerja dalam AI generatif dan bertujuan untuk menyelesaikan atau menyelidiki topik tertentu atau masalah kepentingan tertentu. Untuk pelbagai contoh dan petunjuk terperinci mengenai perancangan akhir, lihat liputan saya di pautan di sini.

Mempresi esei yang mendorong

Kadang -kadang, bukannya mendapat ringkasan, anda ingin mempunyai esei yang dimampatkan, yang bermaksud bahawa ia mengandungi kata -kata yang sama seperti sumber asal tetapi melemparkan kata -kata yang tidak semestinya diperlukan. Untuk pelbagai contoh dan petunjuk terperinci mengenai pemampatan esei yang mendorong, lihat liputan saya di pautan di sini.

Pakar pakar yang mendorong

Teknik yang menggembirakan melibatkan memberitahu AI generatif untuk berpura -pura menjadi pakar dalam domain tertentu. Anda kemudian mempunyai jawapan AI yang mendorong seolah -olah ia adalah pakar. Ini dapat dipertingkatkan lagi dengan mempunyai AI berpura -pura menjadi banyak personas pakar, membahaskan dan mencabar satu sama lain. Untuk pelbagai contoh dan tanda -tanda terperinci mengenai orang -orang pakar yang mendorong, lihat pautan di sini.

Memandang adil

Anda boleh menggunakan petunjuk pintar yang akan mendapat AI generatif untuk bersandar di arah selain daripada bias yang telah dimasak ke dalam AI, yang bertujuan untuk mendapatkan kemiripan yang lebih besar dalam tanggapan yang dihasilkan. Untuk pelbagai contoh dan tanda-tanda terperinci mengenai sifat dan penggunaan pemikiran yang adil, lihat liputan saya di pautan di sini.

Tindak balas sandaran yang mendorong

Sekiranya anda telah menggunakan AI generatif dengan kekerapan, anda tahu bahawa kadang -kadang, AI akan memberitahu anda bahawa ia tidak boleh atau tidak akan menjawab soalan anda dengan segera. Anda akan mendapat sambutan yang disebutkan sebagai AI bahawa AI telah disediakan untuk disediakan. Terdapat cara pintar untuk bertindak balas terhadap tindak balas sandaran. Untuk pelbagai contoh dan petunjuk terperinci mengenai tindak balas sandaran yang mendorong, lihat liputan saya di pautan di sini.

Interaksi yang dibalikkan

Anda boleh membalikkan skrip, seperti yang berlaku, mendapatkan AI generatif untuk bertanya kepada anda daripada anda daripada anda bertanya soalan AI generatif anda. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan interaksi terbalik, lihat liputan saya di pautan di sini.

Gamification mendorong

Gamification adalah cara yang berguna dan menarik untuk meningkatkan kemahiran anda yang mendorong. Sama ada anda seorang pemula atau pakar dalam menulis arahan, ternyata gamification terutamanya dapat meningkatkan keupayaan kejuruteraan segera anda. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan gamification yang mendorong, lihat liputan saya di pautan di sini.

Menjana arahan secara automatik

Daripada secara langsung menyusun arahan anda, anda boleh meminta AI generatif untuk membuat arahan anda untuk anda. Ini memerlukan mengetahui jenis yang mendorong anda akan memberi anda petunjuk yang terbaik. Untuk pelbagai contoh pengenalan dan petunjuk terperinci lanjut mengenai menjana petunjuk yang mendorong, lihat liputan saya di pautan di sini.

Menjana arahan berbanding dengan tangan

Penjana segera pada dasarnya adalah penggunaan AI generatif untuk menghasilkan arahan untuk anda. Idea mudah ialah anda memberitahu AI apa aspek yang ingin anda tanyakan atau menunjukkan masalah yang anda ingin selesaikan, dan petunjuk akan dihasilkan dengan sewajarnya. Adakah penjana segera lebih baik daripada menyusun arahan sendiri? Saya bandingkan apabila setiap pendekatan adalah yang terbaik. Untuk pelbagai contoh dan petunjuk terperinci mengenai penjana segera berbanding komposisi secara langsung, lihat liputan saya di pautan di sini.

Hackathon Prompt-a-thon

Cara yang berguna untuk mempelajari petunjuk baru dan menjalankan ketajaman kejuruteraan segera anda memerlukan mengambil bahagian dalam prompt-a-thon. A prompt-a-thon adalah serupa dengan hackathon pengaturcaraan kecuali bahawa bukannya pengekodan, anda menggunakan arahan. Untuk pelbagai contoh dan petunjuk terperinci mengenai prompt-a-thons, lihat liputan saya di pautan di sini.

Arahan keras mendorong

Gegaran keras adalah satu petikan yang memberikan masalah yang sangat keras atau sukar kepada AI generatif. AI mungkin tidak dapat menyelesaikan masalah sama sekali, tetapi ia sekurang -kurangnya cuba melakukannya. AI mungkin mengambil banyak masa dan kos semasa cuba melakukannya. Lebih buruk lagi, ketika cuba menyelesaikan persoalan atau masalah yang disediakan dengan cepat, ada kemungkinan nyata bahawa halusinasi AI yang dipanggil akan terjadi dan memberikan hasil yang salah. Tradeoffs wujud apabila menyusun arahan keras. Untuk pelbagai contoh dan tanda -tanda terperinci mengenai petunjuk keras yang mendorong, lihat liputan saya di pautan di sini.

Yang tidak dibenarkan atau tidak dibenarkan

Adakah anda tahu bahawa perjanjian pelesenan aplikasi AI yang paling generatif mengatakan bahawa anda hanya dibenarkan menggunakan AI generatif dalam pelbagai cara yang ditetapkan dengan ketat? Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat apa yang dianggap sebagai arahan haram (iaitu, yang anda tidak sepatutnya menggunakan), lihat liputan saya di pautan di sini.

Tidak sempurna

Gambaran yang tidak sempurna boleh berguna dengan bijak. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan arahan yang tidak sempurna, lihat liputan saya di pautan di sini.

Mengimport teks sebagai kemahiran yang mendorong

Terdapat keadaan yang melibatkan mengimport teks ke dalam AI generatif yang memerlukan kemahiran yang teliti dan memerlukan jenis petunjuk yang tepat untuk mendapatkan teks yang sesuai dibawa masuk dan diselitkan dengan betul. Untuk pelbagai contoh dan petunjuk terperinci mengenai pengimportan teks yang mendorong, lihat liputan saya di pautan di sini.

Perbualan interlaced yang mendorong

Kebanyakan aplikasi AI generatif yang popular memerlukan setiap perbualan berbeza dan terpisah dari perbualan anda yang lain dengan AI. Trend terkini memerlukan yang membolehkan interlacing perbualan dan memerlukan pemikiran semula bagaimana anda menyusun arahan anda. Untuk pelbagai contoh dan petunjuk terperinci mengenai perbualan yang disambungkan, lihat liputan saya di pautan di sini.

Kickstart mendorong

Langkah bijak apabila menggesa adalah untuk menyusun skid atau perdana pam, yang juga dikenali sebagai kickstart yang menggesa, yang melibatkan melakukan prompt awal yang mendapat AI generatif ke dalam alur apa pun topik atau masalah yang anda ingin selesaikan. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat kickstart yang mendorong, lihat liputan saya di pautan di sini.

Penyulingan pengetahuan mendorong

Apabila anda ingin menggunakan data AI, anda boleh menggunakan AI lain yang pada dasarnya membantu dalam memindahkan data atau "pengetahuan" dari sumber AI ke sasaran AI. Ini dikenali sebagai penyulingan pengetahuan. Terdapat banyak kerumitan yang terlibat. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat penyulingan pengetahuan yang mendorong, lihat liputan saya di pautan di sini.

Model Konsep Besar (LCM) mendorong

Ada yang percaya bahawa asas konvensional AI generatif perlu berubah, seperti memeluk penggunaan "konsep" dan bukannya hanya memberi tumpuan kepada kata -kata dan token. Pendekatan baru ini menggunakan model konsep besar (LCM). Kami masih pada hari -hari awal sama ada LCMS akan menjadi pelarian atau tidak baik. Mengetahui tentang LCM akan memberi anda gambaran apabila mendorong dengan pendekatan sedemikian. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat LCM, lihat liputan saya di pautan di sini.

Paling tidak boleh diminta

Pencegahan paling sedikit (LTM) adalah teknik yang melibatkan pembimbing AI generatif untuk bekerja pada bahagian yang paling sukar terlebih dahulu dan kemudian meneruskan ke bahagian yang lebih keras (pendekatan alternatif paling banyak atau MTL yang mendorong). Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat LTM dan MTL yang mendorong, lihat liputan saya di pautan di sini.

Logik-of-shought (lot) mendorong

Logik-of-Thought melibatkan memberitahu AI generatif untuk bekerja melalui soalan atau masalah dalam fesyen yang sangat logik dan bersandar kepada penalaran logik sebanyak mungkin. Apabila berbuat demikian, terdapat tiga elemen penting: (1) pengekstrakan logik, (2) memperoleh penyelesaian menggunakan proposisi, dan (3) menghasilkan penjelasan dalam bahasa biasa. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat logik yang dipikirkan, lihat liputan saya di pautan di sini.

Makro dalam arahan

Sama seperti menggunakan makro dalam spreadsheet, anda boleh menggunakan makro dalam arahan anda semasa bekerja di AI generatif. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan makro cepat, lihat liputan saya di pautan di sini.

Personas mega-mega mendorong

Mega-orang yang mendorong kini telah diperluaskan lagi ke dalam mega-mega personas yang mendorong. Manakala orang-orang mega secara konvensional berada di beribu-ribu personas, mega-mega memerlukan berjuta-juta atau bahkan berbilion-bilion personas. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan persona mega-mega yang mendorong, lihat liputan saya di pautan di sini.

Mega-orang mendorong

Orang-orang mega terdiri daripada penyisihan multi-orang yang mendorong. Anda meminta AI generatif untuk mengambil berpura -pura beribu -ribu personas berpura -pura. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan mega-orang yang mendorong, lihat liputan saya di pautan di sini.

Meta-prompts

Meta-Prompt adalah jenis prompt khas yang memberikan arahan atau tanda-tanda tentang sifat arahan dan mendorong. Dalam kegunaannya yang paling mudah, meta-prompts amat berguna jika anda tidak biasa dengan selok-belok teknik-teknik lanjutan yang maju. AI boleh dengan mudah melakukan mengangkat berat untuk anda dan menambah kata -kata penting yang meningkatkan prompt asal anda. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan meta-prompts, lihat liputan saya di pautan di sini.

Multi-orang mendorong

Melalui Multi-Persona yang mendorong, anda boleh mendapatkan AI generatif untuk mensimulasikan satu atau lebih personas. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan orang-orang yang mendorong, lihat liputan saya di pautan di sini.

Memori berhampiran tak terhingga

Terdapat spekulasi yang berterusan bahawa kita sedang menuju ke ingatan berhampiran untuk AI dan LLM generatif. Idea ini adalah bukannya batasan -batasan yang ada pada berapa banyak LLM "tahu" seketika ketika berbual dengan AI, ia boleh mempunyai akses siap ke memori sebanyak yang diperlukan. Pemeriksaan semasa memerlukan anda untuk mengetahui batasan memori yang berlaku, sementara jika kita mencapai memori berhampiran, anda harus menyesuaikan dengan sewajarnya. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan memori berhampiran tak terhingga, lihat liputan saya di pautan di sini.

Mengatasi "dumbing down" yang mendorong

Mengetahui kapan menggunakan kata -kata ringkas atau tersesat (tidak adil dilambangkan sebagai "merendahkan" yang mendorong), berbanding dengan menggunakan kata -kata yang lebih verbose atau fasih adalah kemahiran yang ada yang berpengalaman dalam kejuruteraan segera dalam skillet mereka. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan menghindari dumbing ke bawah, lihat liputan saya di pautan di sini.

Konteks berterusan dan arahan tersuai mendorong

Anda boleh dengan mudah mewujudkan konteks yang akan berterusan dan memastikan bahawa AI generatif mempunyai kepala mengenai apa yang anda percaya penting, sering ditubuhkan melalui arahan tersuai. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan konteks berterusan dan arahan tersuai, lihat liputan saya di pautan di sini.

Plagiarisme mendorong

Gambaran anda boleh, dengan reka bentuk atau oleh kejadian, stoke generatif AI ke arah menghasilkan respons yang mengandungi kandungan plagiarized. Berhati -hati kerana anda mungkin berada di cangkuk untuk sebarang liabiliti kerana plagiarisme. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan petikan yang mungkin menggerakkan plagiarisme, lihat liputan saya di pautan di sini dan pautan di sini.

Kesopanan mendorong

Wawasan yang mengejutkan dari penyelidikan mengenai AI generatif adalah yang mendorong penggunaan sila dan terima kasih boleh menggerakkan AI untuk menghasilkan hasil yang lebih baik. Pastikan untuk menggunakan kesopanan sambil mendorong, walaupun tidak pergi ke laut dan bijak dalam kata -kata sedemikian. Untuk pelbagai contoh dan petunjuk terperinci mengenai kesopanan yang mendorong, lihat liputan saya di pautan di sini.

Pengesanan preemptive mendorong

Penyelidikan menunjukkan bahawa anda sering berjaya memberitahu AI generatif untuk mencuba dan mengelakkan diri daripada menjana halusinasi AI, dan, terutamanya, AI biasanya akan mematuhi. Oleh itu, ia membayar untuk berhati -hati dengan AI untuk tidak menghasilkan konfabulasi AI dengan jelas mengatakan demikian dalam arahan anda. Ini dikenali sebagai pengesanan preemptive yang mendorong. Untuk pelbagai contoh dan petunjuk terperinci mengenai pengesanan preemptive yang mendorong, lihat liputan saya di pautan di sini.

Perlindungan privasi mendorong

Adakah anda menyedari bahawa apabila anda memasukkan arahan ke dalam AI generatif, anda biasanya tidak dijamin bahawa data atau maklumat anda yang dimasukkan akan disimpan secara peribadi atau sulit? Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan Gambaran yang mungkin memberikan privasi atau kerahsiaan, lihat liputan saya di pautan di sini.

Siklus Kehidupan Pembangunan Segera (PDLC)

Akin bagaimana pengaturcaraan atau kejuruteraan perisian mempunyai Sistem Pembangunan Hayat Pembangunan Sistem (SDLC), yang sama boleh dikatakan mengenai kejuruteraan segera. Biasanya dirujuk sebagai kitaran hayat pembangunan segera (PDLC), terdapat banyak variasi yang terdapat di pasaran. Mengetahui apa yang dimiliki oleh PDLC dan bagaimana ia dapat meningkatkan kemahiran anda adalah suatu keharusan. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan PDLC, lihat liputan saya di pautan di sini.

Perisai segera dan sorotan mendorong

Kemunculan perisai cepat dan sorotan yang mendorong telah timbul kerana pelbagai usaha penggodaman yang cuba mendapatkan AI generatif untuk melampaui penapis dan perlindungan biasa. Inilah rundown berguna yang perlu anda ketahui. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat perisai cepat dan menyoroti mendorong, lihat liputan saya di pautan di sini.

Prompt-to-code mendorong

Anda boleh memasukkan arahan yang memberitahu AI generatif untuk menghasilkan kod pengaturcaraan konvensional dan pada dasarnya menulis program untuk anda. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan mendorong untuk menghasilkan kod pengaturcaraan, lihat liputan saya di pautan di sini.

Tujuan yang mendorong

Sistem AI yang tidak mempunyai tujuan yang terikat secara dalaman mungkin akan bersiar -siar dengan cara yang sama yang manusia akan bersiar -siar tanpa tujuan. Kita harus memastikan bahawa sistem AI sentiasa mempunyai tujuan yang dikodkan. AI kemudian dapat merujuk kepada tujuan ketika mengambil tindakan atau melakukan apa -apa kapasiti yang dapat dikumpulkan. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan tujuan yang mendorong, lihat liputan saya di pautan di sini.

Model pemikiran mendorong

Salah satu perubahan terbesar dalam lelaran terkini generasi AI dan LLMS adalah bahawa pembuat AI telah memilih untuk memasukkan peruntukan rantaian (COT) yang secara langsung dalam mekanisme dalaman AI. Ini adalah perubahan yang monumental dan perhatian yang layak. Sifat arahan anda perlu mencerminkan bahawa AI akan secara automatik melakukan penalaran langkah secara automatik. Untuk pelbagai contoh dan petunjuk terperinci mengenai sifat dan penggunaan model pemikiran yang mendorong, lihat liputan saya di pautan di sini.

Rephrase-and-responden mendorong

Sekiranya anda tidak pasti bagaimana untuk membuat frasa dengan cepat, anda boleh memasukkannya "seperti" dan memberitahu AI untuk melakukan tindak balas dan responden. Ini memaklumkan bahawa AI bahawa bukannya mentafsirkan prompt anda secara langsung, ia harus mula -mula menyusun semula prompt yang dimasukkan, yang diharapkan dapat meningkatkan prompt, dan kemudian teruskan untuk memberi respons kepada prompt yang lebih baik ini. Untuk pelbagai contoh dan tanda-tanda terperinci mengenai sifat dan penggunaan represif semula dan responden, lihat liputan saya di pautan di sini.

Re-membaca semula

Kebanyakan aplikasi AI generatif yang popular hari ini cenderung melakukan satu pas pada petikan yang dimasukkan. Menjalankan lulus kedua berpotensi membantu dalam melakukan pemeriksaan terperinci mengenai soalan itu. Satu jenis pembersihan apa sahaja yang mungkin telah terlepas atau salah perhitungan mengenai soalan itu. Anda boleh memohon pas kedua dengan menggunakan teknik yang dibaca semula. Untuk pelbagai contoh dan tanda-tanda terperinci mengenai sifat dan penggunaan semula yang dibaca semula, lihat liputan saya di pautan di sini.

Memeriksa masa tindak balas yang mendorong

Several clever approaches can be used to speed up the response time to your prompts. The wording of your prompt makes a significant difference in the amount of processing time that will be consumed by the AI when generating a response. These techniques aim to reduce latency or delays in getting generated responses, thus essentially speeding up your response time. For various examples and further detailed indications about the nature and use of response time speed-up prompting, see my coverage at the link here.

Retrieval-Augmented Generation (RAG) Prompting

Retrieval-augmented generation (RAG) is hot and continues to gain steam. You provide external text that gets imported and, via in-context modeling, augments the data training of generative AI. For various examples and further detailed indications about the nature and use of retrieval-augmented generation (RAG), see my coverage at the link here.

Self-Ask Prompting

Self-ask prompting consists of you telling generative AI to solve problems by pursuing an internal question-and-answer divide-and-conquer approach that is to be made visible to you during the solving process. The AI is performing a stepwise self-ask that is an added-value version of chain-of-thought (CoT). For various examples and further detailed indications about the nature and use of self-ask prompting, see my coverage at the link here.

Self-Reflection Prompting

You can enter a prompt into generative AI that tells the AI to essentially be (in a manner of speaking) self-reflective by having the AI double-check whatever generative result it has pending or that it has recently produced. For various examples and further detailed indications about the nature and use of AI self-reflection and AI self-improvement for prompting purposes, see my coverage at the link here.

Sensitivities Prompting

Research shows that there are three keystone sensitivities about generative AI that you need to be aware of when composing your prompts. The sensitivity has to do with the scale or size of the underlying AI model, the aspect of whether topics-based data training of the AI has occurred, and whether you opt to use an example in your prompt (a so-called one-shot). For various examples and further detailed indications about the nature and use of AI sensitivities prompting, see my coverage at the link here.

Show-Me Versus Tell-Me Prompting

Show-me consists of devising a prompt that demonstrates to the generative AI an indication of what you want (show it), while tell-me entails devising a prompt that gives explicit instructions delineating what you want to have done (tell it). For various examples and further detailed indications about the nature and use of the show-me versus tell-me prompting strategy, see my coverage at the link here.

Sinister Prompting

People are using sinister prompts to get generative AI to do foul things, such as scams and the like. I don't want you to do this, but I also think it is valuable for you to know what sinister prompts do and how they work, alerting you to avoid them and not inadvertently fall into the trap of one. For various examples and further detailed indications about the nature and use of sinister prompting, see my coverage at the link here.

Skeleton-of-Thought (SoT) Prompting

Via a prompt akin to Chain-of-Thought (CoT), you tell the generative AI to first produce an outline or skeleton for whatever topic or question you have at center stage, employing a skeleton-of-thought (SoT) method to do so. For various examples and further detailed indications about the nature and use of the skeleton-of-thought approach for prompt engineering, see my coverage at the link here.

Small Language Model (SLM) Prompting

If you've not heard about small language models (SLMs), that's perfectly understandable since they are still not quite up to par. There are a wide variety of experimental SLMs, and some are very handy while others are clunky and less appealing. You need to adjust your prompting approach when using SLMs versus conventional LLMs. For various examples and further detailed indications about the nature and use of prompting for SLMs, see my coverage at the link here.

Star Trek Trekkie Lingo Prompting

An unusual discovery by researchers showcased that using Star Trek Trekkie lingo in your prompts can improve generative AI results. Downsides exist and can undercut your efforts by inadvertent misuse or overuse of this technique. For various examples and further detailed indications about Trekkie prompting, see my coverage at the link here.

Step-Around Prompting Technique

At times, the prompts that you seek to use in generative AI are blocked by the numerous filters that the AI maker has put in place. You can use the step-around prompting technique to get around those blockages. For various examples and further detailed indications about step-around prompting, see my coverage at the link here.

“Take A Deep Breath” Prompting

The prompting phrase of “Take a deep breath” has become lore in prompt engineering, but it turns out that there are limitations and circumstances under which this wording fruitfully works. For various examples and further detailed indications about the nature and use of the take a deep breath prompting, see my coverage at the link here.

Target-Your-Response (TAYOR) Prompting

Target-your-response (TAYOR) is a prompt engineering technique that entails telling generative AI the desired look and feel of to-be-generated responses. For various examples and further detailed indications about the nature and use of TAYOR or target-your-response prompting, see my coverage at the link here.

Temperature Settings Prompting

The temperature setting for generative AI determines how varied the responses by generative AI will be. You can either have the AI produce relatively straightforward and somewhat predictable responses (that's via the use of a low temperature), or you can heat things up and use high temperatures to prod AI toward producing seemingly more creative and less predictable responses. Some AI allows you to modify the temperature settings on your own via prompts. For various examples and further detailed indications about the nature and use of temperature settings, see my coverage at the link here.

Thinking Time Prompting

The latest iterations of generative AI and LLMs now have logical reasoning built directly into the AI architecture, which has led to new options about how much so-called thinking time you want the AI to undertake when responding to a prompt. This processing time will determine the depth and likely aptness of the response. Various prompting avenues arise when specifying the thinking time aspects. For various examples and further detailed indications about the nature and use of thinking time prompting, see my coverage at the link here.

Tree-of-Thoughts (ToT) Prompting

Tree-of-thoughts (ToT) is an advanced prompting technique that involves telling generative AI to pursue multiple avenues or threads of a problem (so-called “thoughts”) and figure out which path will likely lead to the best answer. For various examples and further detailed indications about the nature and use of ToT or tree-of-thoughts prompting, see my coverage at the link here.

Trust Layers For Prompting

Additional components outside of generative AI are being set up to do pre-processing of prompts and post-processing of generated responses, ostensibly doing so to increase a sense of trust about what the AI is doing. For various examples and further detailed indications about the nature and use of trust layers for aiding prompting, see my coverage at the link here.

Vagueness Prompting

The use of purposefully vague prompts can be advantageous for spurring open-ended responses that might land on something new or especially interesting. For various examples and further detailed indications about the nature and use of vagueness while prompting, see my coverage at the link here.

Making A Checklist Of The Prompting Techniques

I mentioned earlier that you might consider trying out the prompt engineering techniques that I've listed, especially ones that you don't already know.

To help you with that fruitful exercise, here's my suggestion. Create a spreadsheet that contains the checklist shown below of the listed prompting techniques. Make a column that you can mark as to whether you are familiar with the specific technique, do so by using a score ranging from 0 to 5, wherein 0 is that you don't know it at all, while the highest score of 5 is that you know it like the back of your hand. Be straightforward and don't give a fake score. Put your real score. This list is solely for your own benefit.

Make another column that has a score showing what you want to become in that technique. For example, suppose that right now, you start as a self-rated 1 on a particular technique and want to end up at a self-rated 4. Finally, include an additional column that will contain a target date of when you hope to attain the heightened score.

You can now use that spreadsheet as your career planning guide for prompt engineering purposes. Keep it updated as you proceed along in your adventure as a prompt engineer who wants to do the best that you can.

Whether you undertake that treasured challenge or not, here's the list with numbers shown as an easy reference (the numbering doesn't represent priority or ranking; they are just a handy reference number), and the list is still in the same alphabetical order as shown above.

Here's the numbered list:

1. Add-On Prompting
2. Agentic AI Prompting
3. AI Hallucination Avoidance Prompting
4. Atom-of-Thoughts (AoT) Prompting
5. Beat the “Reverse Curse” Prompting
6. “Be On Your Toes” Prompting
7. Browbeating Prompts
8. Catalogs Or Frameworks For Prompting
9. Certainty And Uncertainty Prompting
10. Chain-of-Continuous-Thought (CCoT) Prompting
11. Chain-of-Density (CoD) Prompting
12. Chain-of-Feedback (CoF) Prompting
13. Chain-of-Thought (CoT) Prompting
14. Chain-of-Thought Factored Decomposition Prompting
15. Chain-of-Verification (CoV) Prompting
16. Checklist Prompting
17. Conversational Prompting
18. Conversational-Amplified Prompt Engineering (CAPE)
19. DeepFakes To TrueFakes Prompting
20. Directional Stimulus Prompting (DSP) And Hints
21. Disinformation Detection And Removal Prompting
22. Doubling-Up Chain-of-Thought Prompting
23. Echo Prompting
24. Emotionally Deceptive Prompting
25. Emotionally Expressed Prompting
26. End-Goal Prompting
27. Essay-Compression Prompting
28. Expert Personas Prompting
29. Fair-Thinking Prompting
30. Fallback Response Prompting
31. Flipped Interaction Prompting
32. Gamification Prompting
33. Generating Prompts Automatically
34. Generating Prompts Versus By-Hand
35. Hackathons Prompt-A-Thon
36. Hard Prompts Prompting
37. Illicit Or Disallowed Prompting
38. Imperfect Prompting
39. Importing Text As Prompting Skill
40. Interlaced Conversations Prompting
41. Kickstart Prompting
42. Knowledge Distillation Prompting
43. Large Concept Model (LCM) Prompting
44. Least-to-Most Prompting
45. Logic-of-Thought (LoT) Prompting
46. Macros In Prompts
47. Mega-Mega Personas Prompting
48. Mega-Personas Prompting
49. Meta-Prompts
50. Multi-Persona Prompting
51. Near-Infinite Memory Prompting
52. Overcoming “Dumbing Down” Prompting
53. Persistent Context And Custom Instructions Prompting
54. Plagiarism Prompting
55. Politeness Prompting
56. Preemptive Detection Prompting
57. Privacy Protection Prompting
58. Prompt Development Life Cycle (PDLC)
59. Prompt Shields and Spotlight Prompting
60. Prompt-To-Code Prompting
61. Purpose Prompting
62. Reasoning Model Prompting
63. Rephrase-and-Respond prompting
64. Re-Read Prompting
65. Response Time Speed-up Prompting
66. Retrieval-Augmented Generation (RAG) Prompting
67. Self-Ask Prompting
68. Self-Reflection Prompting
69. Sensitivities Prompting
70. Show-Me Versus Tell-Me Prompting
71. Sinister Prompting
72. Skeleton-of-Thought (SoT) Prompting
73. Small Language Model (SLM) Prompting
74. Star Trek Trekkie Lingo Prompting
75. Step-Around Prompting Technique
76. “Take A Deep Breath” Prompting
77. Target-Your-Response (TAYOR) Prompting
78. Temperature Settings Prompting
79. Thinking Time Prompting
80. Tree-of-Thoughts (ToT) Prompting
81. Trust Layers For Prompting
82. Vagueness Prompting

I realize this might seem like a daunting list.

I can hear the trolls commenting that this is way too much and that there is no possible way for someone to spend the time and energy needed to learn them all. We each have our daily jobs to deal with and work-life balances that need to be balanced.

Yes, I get that.

My suggestion is that you prioritize the ones that seem to best fit your likely needs as a prompt engineer and focus on those as your mainstay priority. The others you can get around to trying out in your spare time (well, if you ever can squeeze out any spare time).

Prompt Engineering And Ongoing Learning

Lifelong learning.

That's what everyone is talking about these days. We are told time and again that we need to be lifelong learners. I wholeheartedly agree. This comes up here because the latest and greatest in prompt engineering is constantly changing. There are new ideas brewing. New AI research efforts are pending. It is a glorious time to be using generative AI.

I will keep covering prompt engineering and bringing you the newest prompts.

Keep your eyes and ears open, and I'll do my best to make sure you can be a lifelong learner, authentically and profitably.

Atas ialah kandungan terperinci Penyusunan Tahunan Terkini Teknik Kejuruteraan Terbaik. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!