現在人工智慧產業越來越夯，也造成所謂「prompt 提示工程師」的職缺也慢慢開出來。
跟原本的軟體工程師不同，提示工程是向 AI 問出一系列邏輯嚴謹又具體的好問題來測試系統的有效性。由於現在還在探索初期，知道這方面系統化作法的人並不多，這門課是個開始，重點是完全免費！！！
如果不想轉職成提示工程師也沒關係，這門課程淺顯易懂，也適合單純對 AI 有興趣的人聽聽看，僅花1 個小時就能大概掌握 AI 的威力，也能未來對自身產業發展前景及未來五年的職涯規劃都非常有幫助。
這課程還有詳細的英文講稿逐字稿與對應的程式碼，不用擔心講者全程說英文就聽不懂，別忘了我們還有 ChatGPT 啊，把逐字稿餵給它翻譯就好了 XDD
這門課的講者有兩位，都是人工智慧的重量級專家：
1、講者一：吳恩達 (Andrew Ng)，人工智慧公司Landing.ai的執行長，也是知名線上課程Coursera 的共同創辦人。
2、講者二：Isa Fulford，現職是 OpenAI 的技術工程師。
整個課程分成 9 個章節，不會寫Python程式碼的夥伴們也不用氣餒，先挑自己有興趣的段落聽就好，大概重點如下：
Table of Contents
INTRODUCTION
簡介如何使用所謂的LLM（大型語言模型）技術，用 API（不同軟體間的溝通橋樑）呼叫快速構建應用程式的可能性，如快速摘要龐大內容、推斷人類的情緒、轉換內容、擴展內容，並使用LLM構建聊天機器人。在開發LLM時，通常有兩種類型的LLM，分別是基本LLM和指令調整LLM。本課程將重點介紹指令調整LLM。
GUIDLINES
簡介兩個撰寫提示有效引導工程師的關鍵原則，原則之一是撰寫明確具體的指令，第二個原則是給模型思考的時間。
Iterative
迭代提示開發法，認識疊加指令的重要性。對 AI 問問題時不太可能一次就問出理想的答案，而是邊問邊修正。這個小節展示一個邏輯嚴謹的過程來逐步改善提示讓 AI 一步步抓到工程師真正的需求。
SUMMARY
文本摘要。文中舉了一些例子，例如摘要產品評論串中認知到客戶的情緒，並且可以根據特定目的修改提示來生成更具體的摘要。此外，還介紹了如何使用程式針對字數非常多的內容作摘要。最後，本文介紹如何使用大量評論的簡短摘要來創建一個「儀表板」更快地了解客戶的意見。
INFERRING
推論，幫助我們從一些文字中提取出有用的信息，比如情感、產品名稱和品牌等等。這個方法非常方便，可以用一個模型來完成多種任務，而不需要訓練和部署多個模型。比如可以通過這個方法快速地了解客戶對產品的感受，或者快速地分析一篇文章的主題。此外，這個方法還可以用來進行翻譯，可以幫助我們將一種語言轉換成另一種語言。也就是推論的功能，讓AI能識別商務網站評論區的評論者表達的一系列情緒，這需要使用「監督式學習」。
TRANSFORMING
大型語言模型非常擅長將輸入的內容轉換成不同的格式，例如輸入一段文本，將其轉換或翻譯成不同的語言，或者幫助檢查拼寫和文法錯誤，使得不完全符合文法的文本能得到改正，或者轉換格式，例如將HTML輸入並輸出JSON。因此，有很多應用程式以前必須使用許多正則表達式來編寫，現在使用大型語言模型和幾個提示一定更簡單實現。這些模型可以以不同程度的熟練度掌握數百種語言。 ChatGPT還能幫助生成不同的口氣。 ChatGPT還擅長轉換不同的格式。
EXPANDING
實際用途展示。比如回應Email，快速產生文案等等。
CHATBOX
聊天機器人。ChatGPT是一個網頁介面，讓我們可以透過大型語言模型進行對話，也可以使用大型語言模型來建立自己的聊天機器人，例如這個段落就展示扮演AI客服代表或餐廳點餐的AI點餐員角色。
CONCLUSION
再度簡介兩個提示的關鍵原則：撰寫清晰明確的指示，並在適當時給予模型時間思考，並提出迭代提示開發的方法，以及如何為程式獲得正確的提示，特別是摘要、推斷、轉換和擴展，以及建立自定義聊天機器人。
免費線上課程ChatGPT Prompt Engineering for Developers 連結如下：