
对本书的赞誉
本书在“如何将人类经验融入AI决策过程”这一关键议题上,从独特的视角进行了细致的阐述,为AI原生应用开发者提供了一份宝贵的系统学习指南。
在长期探索灌溉智能化的过程中,我深刻体会到将人类经验与先进AI技术相结合的重要性。智能化过程中的难题是如何量化人类复杂多变的经验,以及如何将其融入AI系统的决策体系。可喜的是,大语言模型凭借其强大的学习能力和丰富的知识储备,不仅能够吸收并整合人类海量的经验,还能在决策过程中灵活运用这些信息,生成更加精准、高效的决策方案。这为我当前的研究工作提供了新的灵感,也让我看到了AI技术在未来灌溉管理及其他领域中的应用前景。
我强烈推荐本书给所有对AI原生应用开发感兴趣的读者。它不仅能够帮助我们深入理解提示工程的原理与实践,更能激发我们对如何将人类智慧与AI技术相融合以推动行业创新和发展的思考。相信在本书的启发下,我们能够共同开创AI技术应用的新篇章。
——罗玉峰 武汉大学教授、博士生导师,国家科学技术进步奖一等奖获得者
在过去的20多个月里,大模型技术以惊人的速度实现了前所未有的飞跃,引领了AI领域的深刻变革。然而,AI原生应用落地千行百业的征途仍然充满挑战。
本书作者深耕于AI原生应用的前沿,将提示工程这一关键领域的宝贵经验系统地呈现给读者,十分难得。本书从开发者的视角出发,围绕提示工程进行了深入而细致的剖析,探讨了影响大语言模型输出效果与行为的“秘籍”,介绍了如何打造高效、安全、可控、可落地的AI原生应用。
本书通过丰富的案例分析、实战技巧及前瞻性的展望,为AI原生应用的开发者、研究人员、产品经理及技术经理等提供了新颖的思路。我强烈推荐本书给所有关注AI原生应用的读者。
——郑海超 阿里云智能集团AI解决方案总监
企业创新除了依赖天才人物的引领,更应发动一线员工的创新力,尤其发挥那些接近客户、接近业务实践的员工的创造力。加速全面创新需要3个基础条件:允许即时实验、降低创新成本、成功后可扩大规模或迭代。提示工程,可以更有效地创造这些基础条件,为企业快速找到合适的AI技术奠定坚实基础。
本书系统讲解了提示工程,为企业创新提供了良好的工具支持,是AI时代下实施企业创新不可或缺的指南。
——陈华 亚马逊云科技数字化创新总监