monthly learning Efficient AI Practice

content/posts/MonthlyLearning/2409_Efficient_AI_Practice.md

@@ -0,0 +1,36 @@
+---
+title: "Efficient AI Practice"
+date: 2024-09-25
+
+categories: [learning note]
+tags: ["AI"]
+keywords: ["AI", "Prompt"]
+
+description: "Efficient AI Practice"
+---
+
+## 题目
+针对prompt engineering 的特点，描述在使用 gemini 时应该怎么做从而获取更加准确的答案
+
+
+1. 明确且具体的问题
+   - 避免模糊不清的提问：尽量使用明确的动词和名词，避免使用“大概”、“可能”等模糊词语。
+   - 提供背景信息：如果问题涉及到特定的领域或知识，提供相关的背景信息能帮助模型更好地理解你的需求。
+   - 限定回答范围：如果希望得到特定类型的答案（例如：总结、比较、分析），明确提出你的要求。
+2. 多次尝试，微调Prompt
+    - 不断迭代：如果第一次得到的答案不理想，可以尝试修改Prompt，例如调整关键词、改变提问方式等。
+    - 拆分问题：如果问题过于复杂，可以尝试将其拆分成几个小问题，逐一解决。
+    - 提供反馈：如果模型的回答与你的预期不符，可以提供具体的反馈，帮助模型改进。
+3. 充分利用Gemini的优势
+    - 上下文理解：Gemini具有强大的上下文理解能力，你可以将相关信息（例如：文章、对话记录）作为Prompt的一部分，帮助模型更好地理解你的问题。
+    - 多模态能力：如果有图片、视频等多模态信息，可以尝试将它们融入到Prompt中，获取更全面的答案。
+    - 推理能力：Gemini具备一定的推理能力，你可以提出一些需要推理的问题，例如“根据以下信息，你认为……？”
+4. 注意Prompt的技巧
+    - 使用引导词：使用“请”、“告诉我”、“解释一下”等引导词，可以帮助模型更好地理解你的意图。
+    - 使用限定词：使用“简要”、“详细”、“举例说明”等限定词，可以控制答案的长度和风格。
+    - 使用开放式问题：如果希望得到更深入的答案，可以尝试使用开放式问题，例如“你认为……的原因是什么？”
+
+
+
+## 参考
+[what is prompt-engineering](https://aws.amazon.com/what-is/prompt-engineering/)