吴恩达和OpenAI携手推出了一门免费的Prompt Engineering（提示工程师）课程，旨在为AI开发者们提供一个全面而

吴恩达和OpenAI携手推出了一门免费的Prompt Engineering（提示工程师）课程，旨在为AI开发者们提供一个全面而深入的学习平台。该课程内容涵盖了如何书写高质量的AI提示词，以及如何利用GPT-3的先进技术开发一个高效、智能的AI聊天机器人。无论你是初学者还是经验丰富的专业人士，该课程都将为你提供一种系统而有效的学习方法。 课程地址： 网友归藏（）翻译了双语字幕：

面向开发人员的 ChatGPT 提示工程

面向开发人员的 ChatGPT 提示工程 吴恩达和OpenAI携手推出了一门免费的Prompt Engineering（提示工程师）课程，旨在为AI开发者们提供一个全面而深入的学习平台。 该课程内容涵盖了如何书写高质量的AI提示词，以及如何利用GPT-3的先进技术开发一个高效、智能的AI聊天机器人。 无论你是初学者还是经验丰富的专业人士，该课程都将为你提供一种系统而有效的学习方法。 ||| #教程

《吴恩达.面向开发人员的 ChatGPT 提示工程师课程》

《吴恩达.面向开发人员的 ChatGPT 提示工程师课程》 简介：本书系统解析吴恩达.面向开发人员的 ChatGPT 提示工程师课程的核心内容，并结合实用案例帮助读者加深理解。内容涵盖其发展历程、关键概念及实际应用，提供深入的知识探索路径。适合对该主题有兴趣的学习者，帮助拓宽视野并提高专业素养。 标签： #吴C提 #吴恩达. #知识 #学习 文件大小：NG 链接：

面向开发者的 LLM 入门课程 | 这个库存放吴恩达大模型系列课程中文版，包括《Prompt Engineering》、《Bui

面向开发者的 LLM 入门课程 | 这个库存放吴恩达大模型系列课程中文版，包括《Prompt Engineering》、《Building System》和《LangChain》 。 《ChatGPT Prompt Engineering for Developers》、《Building Systems with the ChatGPT API》、《LangChain for LLM Application Development》等教程 作为由吴恩达与 OpenAI 联合推出的官方教程，在可预见的未来会成为 LLM 的重要入门教程，但是目前还只支持英文版且国内访问受限，打造中文版且国内流畅访问的教程具有重要意义；同时，GPT 对中文、英文具有不同的理解能力。本教程在多次对比、实验之后确定了效果大致相当的中文 Prompt，支持学习者研究如何提升 ChatGPT 在中文语境下的理解与生成能力。

发现了好登西，吴恩达prompt工程笔记，帮宣传（CX）一下，声明一下不是我的笔记，欢迎给他github一个star

发现了好登西，吴恩达prompt工程笔记，帮宣传（CX）一下，声明一下不是我的笔记，欢迎给他github一个star 连肝两天，学以致用，基本搞完！也许是第一份完整的中文笔记了！ 在线阅读：prompt-engineering-note 提示工程笔记… Github链接：https://islinxu/prompt-engineering-note/ 求个 完成笔记的过程，也是实践练习 Andrew 课程内容的过程。我的工作流如下，在这个过程中也的确加深了对课程学习内容的理解。 ▶ 课程全文翻译：Prompt + ChatGPT，并且提供了中英文对照 ▶ 笔记总结扩展：Prompt + ChatGPT，并且附上了 ChatGPT 总结的效果 ▶ 本次实践代码：位于 source/jb_code，运行对应Jupyter Notebook文档，可以用于本地复现 ▶ 拓展 (更新中)：基于 notebook 代码制作 shell 的 cli 命令脚本 ▶ 拓展 (更新中)：提示工程相关的 Awesome 项目清单 感谢 Isa Fulford 和 AndrewNg，感谢 OpenAI 和提供的精彩课程！ 课程笔记持续完善中，也会持续整理全网学习者对这门课程的学习和实践。

看完了吴恩达的视频教程《ChatGPT Prompt Engineering for Developers》，虽然很短但内容

看完了吴恩达的视频教程《ChatGPT Prompt Engineering for Developers》，虽然视频很短但内容非常精华，每一个开发者都应该看看。 文中提出了一个很好的原则：给模型以思考的时间。意思是如果模型直接给的结果不够好，可以让模型一步一步地给出，甚至可以先让模型给一次中间结果，再根据中间结果给出新的结果。 不过它确实是面向开发者的，因为要实现高级的功能，不仅需要prompt写好，还需要一些分步操作，比如先检测对方的情绪再根据情绪写回复邮件，比如一些批量处理用到了 for 循环。这些不会 python 的话是搞不定的。 中文版的视频地址：