ChatGPT提示开发人员的工程：安德鲁·吴培训计划的综合概述—2

这是一系列文章的第二篇文章，全面总结了免费的在线培训计划“面向开发者的Chat GPT Prompt Engineering”。该计划是由Deeplearning.ai与OpenAI合作，由AI专家Andrew NG和OpenAI技术人员Isa Fulford指导。有关更多详细信息，请访问第一篇文章。

在本文中，“斜体引用的内容”并用引号括起来”表示选自该课程的源材料。其余的内容是我从该课程中获得的知识解释。所有样本代码都是该程序的原材料。

节目内容：

提示原则

- 写清楚明确的指示

给模特留一些时间思考。

2. 迭代提示

3. 总结文本（例如为简洁起见总结用户评论）

4. 根据文本推断（如情感分类、主题提取）

5. 文本转换（例如翻译、拼写和语法纠正）

6. 扩展文本（例如自动编写电子邮件）

7. 构建自定义聊天机器人

本文涵盖了第三和第四个话题。有关第一和第二话题，请访问第一篇文章。

Python安装设置

在开始之前，我们需要进行一些Python设置。有关设置和get_completion Python函数的定义的更多详细信息可以在第一篇文章中再次找到。

1. 导入“openai”库并设置ChatGPT API密钥：

在整个课程中，使用“openai”Python库来访问OpenAI的API。你可以使用pip install进行安装。下一步是导入库并设置API密钥。（请参见此文章以了解如何获取ChatGPT API密钥。）

!pip install openai

import openai
openai.api_key= "sk-"

2. 定义 Python 函数：“get_completion”

接下来，定义了一个辅助Python函数，并在课程中使用它来获取ChatGPT在给定提示后的响应。

def get_completion(prompt, model="gpt-3.5-turbo"):
    messages = [{"role": "user", "content": prompt}]
    response = openai.ChatCompletion.create(
        model=model,
        messages=messages,
        temperature=0, # this is the degree of randomness of the model's output
    )
    return response.choices[0].message["content"]