前百度首席科学吴恩达联合OpenAI发布全新大模型学习课程，Datawhale团队中文化并复现代码

6月19日报道 |DeepLearning.ai的创始人吴恩达与OpenAI再次合作推出了全新的大模型学习课程，为开发者提供了更全面的学习资源。这次推出的三门课程包括了构建问答系统、应用开发和扩散模型原理等内容，帮助学习者深入了解大模型的应用。

之前，吴恩达老师已经联合OpenAI发布了《ChatGPT Prompt Engineering for Developers》课程，重点介绍了如何构造Prompt并利用OpenAI的API实现总结、推断和转换等常用功能。这次推出的三门新课程进一步扩展了学习的范围，涵盖了更多领域的知识。

同时，国内的Datawhale团队在课程上线当天就积极参与学习，并将两门课程翻译成中文版，并复现了课程中的代码。他们希望通过中文化的课程和复现的代码，帮助更多的学习者更好地掌握基于大模型的应用开发。

除了翻译和复现课程内容，Datawhale团队还在课程基础上进行了探究，特别是关于中文Prompt的实现和调优。他们对每门课程实现了中英双语Prompt的效果对比，以帮助学习者更深入地理解在中文语境下使用大模型的方法和技巧。这些工作已经在GitHub上获得了3.2k的star，受到了广泛关注。

对于有兴趣学习大模型应用开发的人来说，这些课程提供了难得的学习资源。通过吴恩达和OpenAI的指导，以及Datawhale团队的翻译和复现工作，学习者们可以更轻松地掌握和应用大模型的技术。

课程的学习网址为：https://github.com/datawhalechina/prompt-engineering-for-developers

可以现完整地看一下课程大纲，了解一下具体要学习的内容。

一、面向开发者的 Prompt Engineering

吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版

目录：

简介 IntroductionPrompt 的构建原则 Guidelines如何迭代优化 Prompt Itrative文本总结 Summarizing文本推断 Inferring文本转换 Transforming文本扩展 Expanding聊天机器人 Chatbot总结附1 使用 ChatGLM 进行学习

二、搭建基于 ChatGPT 的问答系统

注：吴恩达《Building Systems with the ChatGPT API》课程中文版

目录：

简介 Introduction模型，范式和 token Language Models, the Chat Format and Tokens检查输入-分类 Classification检查输入-监督 Moderation思维链推理 Chain of Thought Reasoning提示链 Chaining Prompts检查输入 Check Outputs评估（端到端系统）Evaluation评估（简单问答）Evaluation-part1评估（复杂问答）Evaluation-part2总结 Conclusion

三、使用 LangChain 开发应用程序

注：吴恩达《LangChain for LLM Application Development》课程中文版

目录：

简介 Introduction模型，提示和解析器 Models, Prompts and Output Parsers存储 Memory模型链 Chains基于文档的问答 Question and Answer评估 Evaluation代理 Agent总结 Conclusion

四、Prompt 高级技巧（暂未完成）

目录：

上下文学习 In-context Learning思维链 Chain of ThoughtPrompt 模板 TemplatePrompt 集成 Ensembling自我一致性 Self-consistency对抗性提示 Adversarial Prompting可靠性 Reliability自动 Prompt 工程 Automatic Prompt Engineer

吴恩达老师与 OpenAI 联合推出的官方教程，在可预见的未来会成为 LLM 的重要入门教程，但是目前还只支持英文版且国内访问受限，打造中文版且国内流畅访问的教程具有重要意义；同时，GPT 对中文、英文具有不同的理解能力，本教程在多次对比、实验之后确定了效果大致相当的中文 Prompt，支持学习者研究如何提升 ChatGPT 在中文语境下的理解与生成能力。

课程的学习网址为：https://github.com/datawhalechina/prompt-engineering-for-developers

本文章节选自Datawhale团队