< 返回筆記列表

瀏覽標記為 prompt engineering 的 7 篇筆記。

#prompt engineering

Structured Output:AI 回了 JSON,接下來呢?

從固定格式、JSON mode 到 schema 約束,整理 Structured Output 的用途與限制;用 metadata 驗證、時間戳與 token 粗估反例,確認資料能否交給程式處理。

Context Placement:重要資料放哪裡,AI 才找得到?

資料貼了,回答卻沒用上?從 Context Placement 與 Lost in the Middle,整理資訊位置、長文件排列、對話摘要,以及怎麼分開驗證。

Core Prompting Techniques:指令寫了,還要給範例嗎?

一句指令不夠,要補規則還是給範例?用 GitHub Issue 分類,整理 Standard、Zero-shot、One-shot 與 Few-shot 的差別。

Standard Prompt:從一句清楚的請求開始

Practical Prompt Engineering 短篇筆記:用電子報訂閱表單的提示改寫,說明 Standard Prompt、必要背景、釐清問題與回答的檢查方式。

Temperature 與 Top P:模型如何選擇下一個 token?

Practical Prompt Engineering 第二篇筆記:用五個 token 的機率表理解 temperature 與 nucleus sampling,釐清 Top P 0.5、temperature 0/2,以及穩定與正確的差別。

Token Limits 與 Context Windows:模型這一輪看得到什麼?

Practical Prompt Engineering 第三篇筆記:釐清 token 與字數、上下文與輸出上限、對話歷史與記憶,以及如何提供足夠又相關的程式碼。

什麼是 Prompt Engineering?從一句問題到能檢查的任務

Frontend Masters《Practical Prompt Engineering》入門筆記:從 LLM 的生成方式理解提示工程,用 JavaScript closure 範例整理任務、背景、輸出要求與驗證。