1.Prompt Engineering 提示詞工程
Prompt 給人工智能模型輸入文本或指令，這些指令引導模型生成特定的輸出
Prompt Engineering：指在使用生成式人工智能模型（比如gpt-4)時，設計優化輸入文本（prompt)的過程，以便獲得期望的輸出
好的Prompt Engineering=提好的問題=包含好答案的上下文（參考）=好的答案
prompt 決定模型的輸出質量

token

1. 什么是 token？
Token 是大模型處理文本的基本單位，可以是一個字、一個詞、一個子詞，甚至是一個標點符號。
例如，英文句子 I love AI! 可能被分成 4 個 token：I、love、AI、!。
中文通常一個漢字就是一個 token，但也可能按詞切分。
2. Token 的作用
模型不會直接處理原始文本，而是先把文本分割成 token，再將 token 轉換為數字（向量），輸入到模型中。
模型的輸入、輸出、最大長度等，都是以 token 為單位計算的。
3. Token 數量的意義
計費：很多大模型的 API（如 OpenAI GPT）按 token 數量計費。
長度限制：模型有最大 token 長度限制（如 4096、8192、32000 等），超出會被截斷或報錯。
推理速度：token 越多，推理越慢，消耗資源越多。

Zero-shot
few-shot

思維鏈（可以說一步一步思考關鍵詞，并且每一步做出解釋可以完成COT）

通用知識Prompt 給出知識庫

Prompt 分片2. chat Completions, memory(記憶）Json Mode
3. Funciton Calling
4. Fine-tunning 實戰
5. 檢索增強生成（RAG Graph Rag)
6. 本地部署開源模型