最近，DeepLearning.AI和OpenAI的相关人员合作推出了一门名为《ChatGPT提示工程》的免费在线课程。这门课程由吴恩达（Andrew Ng）教授和伊萨·富尔福德（Isa Fulford）老师联合主讲。
这是一门专为开发者设计的ChatGPT提示工程课程。在这门课程中，吴恩达教授和伊萨·富尔福德老师会介绍基础LLM和指令调谐LLM之间的区别，并重点讲解一些提示工程的关键原则、常见用例以及最佳实践等内容。涉及到迭代、总结、推理、转换和扩展等方面。
这门课程适合初学Python的开发人员，只需要基本的Python知识就可以。同时也适合想要了解最新提示工程并使用LLMs的高级机器学习工程师。当然，我认为普通使用ChatGPT的人也非常适合学习这门课程，相信大家能够从中获得很多新知识。
90分钟的课程让人收获满满、意犹未尽。唯一美中不足的是官方在线课程是纯英文教学，在线字幕也有少许错误（包括一些老师/课程合作方的名字、个别术语）。自学的过程中，我在ChatGPT副驾驶的帮助下，认真校对并制作了中英双语字幕，撰写了思维导图，形成了本项目，方便后来者参考学习。
《ChatGPT提示工程》中英文双语字幕
《ChatGPT提示工程》中英文思维导图
双语字幕
思维导图
需要将《ChatGPT提示工程》英文官方在线课程、本项目字幕下载到本地后，用视频播放器本地播放，播放时选择加载字幕即可。
注：我试图做一个Chrome浏览器字幕插件，《ChatGPT提示工程》英文官方课程在线视频播放时，不开启官方English Transcript，而且启用双语字幕插件。无奈水平有限，未能成功。
课程中，两位老师较多地使用了“so”这个词来开始每句话，实际在翻译过程中发现，so这个词只是老师说话的习惯，并不代表“所以”、“因此”等含义，故省略未翻译。
另外，课程中还涉及到一些术语，而这些术语在中文中尚无公认的对应翻译，故我就按自己的理解做了翻译，例如：
- Instruction-tuned LLM：指令调谐大语言模型
- RLHF：人类反馈强化学习
- Hallucination：幻觉
- Few-shot prompting：少量样本提示
- Zero-shot learning algorithm：零样本学习算法
- Tokenizer：分词器
- Temperature：随机性参数
- Prompt injection：提示注入
错误之处在所难免，我尽量做到用词准确、通顺易懂。
另外，DeepLearning.AI以及Coursera上也有吴恩达教授主讲的其他几门人工智能课程，感兴趣的可以在学完本门《ChatGPT提示工程》课程后继续深入学习。