随着生成式AI的迅猛发展，提示工程已经成为AI领域的重要技能之一。谷歌近日推出了一个长达9小时的提示工程课程，深入浅出地介绍了如何通过有效的提示设计，充分释放AI的潜力。本篇文章将带你快速了解该课程的核心思想，帮助你提升在实际工作中的AI使用效率。

1. 谷歌提示工程课程的四大模块

谷歌的提示工程课程涵盖了四大模块，从基础到进阶，逐步提高你的提示设计能力。以下是每个模块的精要：

• 模块1：像专业人士一样写提示
  本模块介绍了核心的T.C.R.E.I框架、迭代方法和多模态概念。你将学到如何定义任务、提供上下文、引用参考资料、评估AI输出并进行迭代，以达到最佳的提示效果。

• 模块2：为日常工作任务设计提示
  本模块通过示例讲解了如何为日常工作任务（如写电子邮件、总结文档和创建表格）设计有效的提示。通过这些常见任务的示例，学习如何让AI更好地帮助你完成工作。

• 模块3：数据分析与报告制作
  这个模块展示了如何为数据分析任务设计提示，尤其是在处理电子表格和制作PowerPoint演示文稿时的应用技巧。通过学习这些示例，帮助你在工作中利用AI高效生成报告和分析结果。

• 模块4：将AI作为创造性或专家伙伴使用
  本模块深入讲解了高级提示技巧，如提示链式、思维链和思维树提示技术，还介绍了如何创建AI代理来完成复杂任务或提供专家反馈。

2. 提示工程的5个关键步骤

提示工程的核心在于如何设计有效的提示，从而让AI能准确地完成预期任务。课程中提出了五个关键步骤，帮助你逐步优化提示：

2.1 五个关键步骤

1. 任务（Task）
   明确任务定义，告诉AI你希望它执行的具体操作。

   示例：“为我推荐一份生日礼物，主题为动漫。”

2. 上下文（Context）
   提供足够的背景信息，帮助AI理解任务背景并生成更相关的内容。

   示例：“我的朋友即将29岁，喜欢这些特定的动漫。”

3. 参考资料（References）
   提供示例或参考资料，使AI能够根据已有信息进行输出。

   示例：“去年我送的礼物是手办和动漫周边。”

4. 评估（Evaluate）
   评估AI输出是否符合预期，并根据反馈进行优化。

5. 迭代（Iterate）
   这是提示工程的循环过程。基于评估结果，调整提示内容以获得更优输出。

   引用：“提示设计是一个循环过程，需要不断根据反馈进行调整。”

2.2 4个增加提示有效性的迭代方法

• 重新审视框架：在设计提示时，不断回顾T.C.R.E.I框架，确保每个环节都覆盖到。

• 分开句子：将长句拆分成简单、直接的短句，确保提示清晰明确。

  示例：“为生日礼物提供建议。” → “建议一份生日礼物。” → “礼物的主题是动漫。”

• 类比任务：通过类比任务来重新定义提示，以期获得更好的输出。

  示例：“以轻松、友好的语气向朋友解释。”

• 引入约束条件：为任务添加限制条件，集中注意力以获得精确结果。

  示例：“为我的路途旅行生成一个播放列表。”

3. 课程核心技巧

在课程的核心技巧部分，谷歌着重介绍了几项能够提升提示效果的先进方法：

3.1 多模态（Multimodality）

多模态技术使AI能够处理和生成不同类型的数据，如文本、图像、音频、视频和代码。虽然多模态不会改变提示设计的基本框架，但你需要在提示中更明确地指定输入和输出的类型。例如，在生成图像时，明确说明“生成一张动漫风格的礼物图像”会让AI更好地理解你的需求。

引用：“你可以与许多AI模型（如Gemini）通过不同的模态进行交互，这不会改变你在提示设计时的思维方式，但你需要更加小心地指定输入和输出类型。”

使用多模态提示

3.2 负责任的AI使用（Responsible AI Use）

在使用AI时，确保其输出的准确性和客观性至关重要。课程强调了两大挑战：

• AI幻觉（Hallucinations）：AI生成的输出可能不准确、无关或毫无逻辑。

  引用：“幻觉是指AI提供的输出不准确、不一致甚至无意义。”

• 偏见（Bias）：AI模型可能会继承其训练数据中的偏见。

  引用：“由于AI是基于人类内容训练的，它可能会反映出性别、种族等方面的偏见。”

在使用 AI 时，负责任的使用方式是至关重要的，尤其是当涉及到可能影响决策、个人隐私或数据安全时。课程强调了以下几点，以确保 AI 输出的质量和公正性：

1) 评估适用性：确保 AI 工具适合特定任务，并不会加剧有害的偏见或不良影响。正确评估 AI 的能力和适用范围，避免其用于不合适的场景，以免引发误导或不公正的结果。

2) 获取批准：在将 AI 应用于项目之前，必须获得公司的同意。这不仅是对公司政策的遵守，也有助于确保使用 AI 的过程符合公司道德和法律规范。

3) 保护隐私：在使用 AI 工具时，要确保使用安全的工具和平台，避免暴露敏感数据。这意味着要在数据处理、存储和共享过程中保持高度的隐私保护意识，防止个人信息泄露。

4) 验证输出结果：所有由 AI 生成的内容都需要经过人工审核，确保其准确性、合法性和道德性。在分享 AI 输出的内容之前，必须对其进行仔细审查，避免错误或不当的内容流出。

5) 透明度：在团队和客户中披露 AI 的使用情况，确保所有相关方都了解 AI 的参与程度及其对决策的影响。这样可以增强信任，并确保在需要时能够对 AI 的输出进行适当的追溯。

这些注意事项不仅能帮助避免 AI 使用中的潜在风险，还能推动 AI 发展更加公平、透明和负责任。通过采取这些措施，我们能够最大化地发挥 AI 的潜力，同时减少它可能带来的负面影响。

3.3 高级提示技巧（Advanced Prompting Techniques）

课程中还介绍了几种高级提示技巧，用于解决复杂任务：

• 提示链（Prompt Chaining）：通过一系列相互连接的提示，逐步增加任务复杂度。

  引用：“提示链是通过一系列相互关联的提示，逐步引导AI完成复杂任务。”

• 思维链提示（Chain of Thought Prompting）：要求AI逐步解释其推理过程。

  引用：“思维链提示要求AI逐步解释其推理过程。”

• 思维树提示（Tree of Thought Prompting）：在面对复杂问题时，探索多个推理路径。

  引用：“思维树提示允许你同时探索多个推理路径。”

• 元提示（Meta Prompting）：利用AI帮助生成提示，进一步优化提示设计。

3.4 AI智能体（AI Agents）

AI智能体是为特定任务或问题设计的智能工具。课程介绍了两种常见的AI智能体类型：

• 智能体模拟（Agent Sim）：模拟场景进行练习和学习。

  引用：“Agent SIM可以模拟场景，进行面试或角色扮演。”

  

  智能体模拟示例

• 代理专家（Agent X）：提供专家级反馈，帮助解决特定问题。

  引用：“Agent X可以为你提供任何主题的专家反馈，像是个私人导师。”

专家智能体提示词示例

创建AI智能体的框架包括：

• 角色（Persona）：定义代理所扮演的角色（如健身教练）。

• 上下文（Context）：提供任务的背景信息。

• 对话（Conversation）：设定与代理的互动方式。

• 停止语（Stop Phrase）：设定停止对话的条件。

• 反馈（Feedback）：结束后提供总结和建议。

示例：

1. 上下文和情景细节：

• “我想改善整体健康，采取更健康的生活方式。”

3. 角色：

• “扮演一个成功的个人健身教练和有才华的营养师。”

5. 对话类型：

• “询问我的锻炼和饮食计划，并给出反馈。”

7. 停止语：

• “当我想结束对话时，我会写 ‘no pain, no gain’。”

9. 请求的结果：

• “在我们对话结束时，提供你给出的建议总结。”

4. 总结

通过谷歌的提示工程课程，你可以掌握如何设计有效的AI提示，并且在实际应用中不断优化提示效果。核心技巧如多模态、负责任的AI使用、以及高级提示方法，将帮助你解决更复杂的任务。同时，AI代理的应用也为你提供了更加个性化的助手，帮助你提高工作效率。无论是日常任务，还是数据分析、创意生成，学习并掌握这些提示工程技巧，都能让你在AI领域占据优势。

通过不断迭代提示并将高级技巧与责任AI结合，你将能够更高效地与AI协作，提升工作效率，释放AI的最大潜力。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈