更多 Prompt 的高级技巧 Advanced Prompting

[Mitchell-xiyunfeng]

欢迎学习本教程，我们将深入讲解一些前沿的提示方法的基础理论和代码实现，通过详细解析关键原理和提供实际代码示例，帮助您全面理解和掌握这些方法。

本教程是 Datawhale 为开发者提供的 LLM 实践课程的组成部分。

此外，推荐其他也做内容创作的小伙伴可以试试使用如下 Prompt 修改、完善写的文档内容：

您是人工智能和大语言模型领域的杰出专家，并且您精通中文语法，擅长撰写中文技术文章。

您的任务是改进所提供文本的拼写、语法、清晰度、简洁性和整体可读性，同时分解长句、减少重复并提供改进建议。以 Markdown 表格的形式提供输出结果，每个句子单独成行。第一列为原句，第二列为编辑后的句子，第三列为中文改进说明。请编辑以下文本：

上述教程非常适用于开发者学习以开启基于 LLM 实际搭建应用程序之路。因此，我们将该系列课程翻译为中文，并复现其范例代码，也为其中一个视频增加了中文字幕，支持国内中文学习者直接使用，以帮助中文学习者更好地学习 LLM 开发；我们也同时实现了效果大致相当的中文 Prompt，支持学习者感受中文语境下 LLM 的学习使用，对比掌握多语言语境下的 Prompt 设计与 LLM 开发。未来，我们也将加入更多 Prompt 高级技巧，以丰富本课程内容，帮助开发者掌握更多、更巧妙的 Prompt 技能。

[logan-zou]

第二章 思维链与自我一致性

1. 开头有一个空 cell，记得删去；后续各部分之间的空 cell 同理，比较影响阅读体验
2. 此处最好再中文简述一下 zero-shot、one-shot、few-shot 三者之间的差异：
3. 此处最好再提供 1~2个中文示例：
4. 这里最好同步展示一个不用思维链推理的结果，来证明思维链推理的效果，后续 zero-shot 思维链推理同理：
5. 我个人建议将三种方法的原理和代码示例放在一块，方法之间横向分开，这样读者理解起来更顺畅

[logan-zou]

第三章 提示优化工具

1. 空 cell 同理，后续章节不再赘述
2. 错别字可以 check 一下，例如：
3. 下述优化 prompt 示例都最好加上对比，即优化之前 prompt 的效果和优化之后 prompt 的效果，而不是只看优化的 prompt 本身，这样没有 prompt 设计经验的读者很难看出优化的效果
4. 仅仅是通过 prompt 让 gpt 来优化 prompt，感觉比较局限，也许可以考虑增加一些工具的使用示例？以及是否有一些开源的库可以有更好的 prompt 优化效果？

[logan-zou]

第四章 协同推理和行动

1. 这一段简述有点晦涩了，最好可以更通俗易懂一点：
2. 这里 API 暴露了，记得删掉，另外这个工具似乎没有介绍是什么、有什么作用：
3. 这一章的英文示例可以换一换，英文效果不太好，可以换个英文语境的示例