随着大语言模型的快速发展，语言AI已经进人了新的阶段。这种新型的语言AI模型具有强大的自然语言处理能力，能够理解和生成人类语言，从而在许多领域中都有广泛的应用前景。大语言模型的出现将深刻影响人类的生产和生活方式。本书将介绍提示工程的基本概念和实践，旨在帮助读者了解如何构建高质量的提示内容，以便更高效地利用大语言模型进行工作和学习。
本书内容通俗易懂，案例丰富，适合所有对大语言模型和提示工程感兴趣的读者。无论是初学者还是进阶读者，都可以从本书中获得有价值的信息和实用技巧，帮助他们更好地应对各种挑战和问题。

兰一杰，资深软件工程师、项目经理，对Python大数据、人工智能、深度学习等有深入研究并能灵活整合运用。多年从事通过Python实施自动化运维、主数据项目、大数据分析项目的开发工作，涉及国内各大房地产企业、金融企业、政府机关灯领域。

第1章 认识大语言模型
1.1 大语言模型是什么
1.2 大语言模型的发展现状
1.3 大语言模型的重要概念
1.4 大语言模型的使用方式
第2章 ChatGPT应用体验
2.1 次对话
2.2 设计定语境上下文
2.3 模拟API参数
2.4 业领域助手
2.5 基于对话绘图
2.6 场景总结
第3章 ChatGPT API
3.1 准备工作
3.2 ChatGPT API调用流程
第4章 Python ChatGPT API库
4.1 Python ChatGPT开发环境
4.2 Python示例应用
4.3 解析Python示例应用
第5章 提示工程
5.1 提示工程是什么
5.2 提示内容
5.3 规范化提示
第6章 提示类型
6.1 标准、指令、角色提示
6.2 思维链提示
6.3 自洽、知识生成提示
6.4 总结和建议
第7章 基于提示工程应用Python数据分析
7.1 提示构建思路
7.2 Python是什么
7.3 Python语法征
7.4 Python变量
7.5 Python运算符
7.6 Python字符串
7.7 Python条件控制
7.8 Python循环
7.9 Python复合数据类型
7.10 Python函数
7.11 Python类
7.12 Python模块和
7.13 Python Pandas
7.14 Python Matplotlib
第8章 基于提示工程应用SQL
8.1 应用思路
8.2 构建SQL语境
8.3 查询数据
8.4 数据排序分析
8.5 数据修改
8.6 数据删除
8.7 多表关联分析
8.8 字符串处理
8.9 日期、时间数据处理
8.10 窗口函数
8.11 报表分析
8.12 NULL值处理
8.13 集成Python数据分析
8.14 SQL集成GPT
第9章 基于提示工程应用概率和统计
9.1 应用思路
9.2 基本概念
9.3 离散型随机分布
9.4 连续型随机分布
9.5 线性回归分析
9.6 时间序列分析
第10章 基于提示工程应用生产力工具
10.1 Excel数据处理
10.2 思维导图
10.3 图片编辑
10.4 流程编辑
第11章 国产大语言模型
11.1 大语言模型通用提示技巧
11.2 介绍国产大语言模型
11.3 应用国产大语言模型
附录1 分国产大语言模型
附录2 国产大语言模型的发展