Prompt Engineering für Large Language Models: LLM-basierte Anwendungen entwickeln, steuern und optimieren - Tapa blanda

Sinopsis

LLM-Anwendungen effektiv steuern: von der Prompt-Optimierung bis zur Workflow-Integration - LLMs als leistungsstarke Bausteine für Anwendungen nutzen - Den richtigen Prompt und Kontext für nützliche Ergebnisse gestalten - Von der Erfahrung der GitHub-Copilot-Entwickler profitieren - Fortgeschrittene Konzepte wie Conversational Agency und Workflow-Steuerung meistern Large Language Models (LLMs) revolutionieren die Welt. Sie bieten die Möglichkeit, Aufgaben zu automatisieren und komplexe Probleme zu lösen. Eine neue Generation von Softwareanwendungen nutzt diese Modelle als zentrale Bausteine und erschließt in praktisch allen Bereichen völlig neues Potenzial. Um zuverlässig auf diese Funktionen zugreifen zu können, sind jedoch neue Fähigkeiten erforderlich. Mit diesem Buch eignen Sie sich die Kunst und die Techniken des Prompt Engineering an und schöpfen die Möglichkeiten von LLMs voll aus. Die Branchenexperten John Berryman und Albert Ziegler erklären, wie man effektiv mit KI kommuniziert und Ideen in ein sprachmodellfreundliches Format umwandelt. Durch das Erlernen der konzeptionellen Grundlagen und der praktischen Techniken erwerben Sie das Wissen und die nötige Sicherheit, um die nächste Generation von LLM-basierten Anwendungen zu entwickeln. Aus dem Inhalt: - Verstehen Sie die LLM-Architektur und erfahren Sie, wie Sie am besten mit ihr interagieren können. - Entwerfen Sie eine umfassende Strategie zur Erstellung von Prompts für eine Anwendung. - Sammeln, sortieren und präsentieren Sie Kontextelemente, um eine effiziente Eingabeaufforderung zu erstellen. - Erlernen Sie spezifische Techniken, um Prompts zu erstellen, wie Few-Shot-Prompting, Chain-of-Thought-Prompting und RAG.

"Sinopsis" puede pertenecer a otra edición de este libro.