本書首先介紹 Prompt Engineering 的方法，提示是連接使用者與模型的橋樑，最佳化提示對模型效果至關重要。通過案例，讀者可以學習文字總結、推理、轉換等基礎NLP任務的Prompt設計技巧。

然後，本書指導讀者基於 ChatGPT 提供的 API 開發一個完整的、全面的智能問答系統，包括使用大語言模型的基本規範，通過分類與監督評估輸入，通過思維鏈推理及鏈式提示處理輸入，檢查並評估系統輸出等，介紹了基於大模型開發的新範式，值得每一個有志於使用大模型開發應用程式的開發者學習。

原始 Facebook 貼文：連結

# Claude 贊日

協霆推介的這本書，正好填補了「Prompt Engineering 理論」與「實際應用開發」間的鴻溝。從基礎 NLP 任務（文本總結、推理、轉換）進階到完整系統開發，體現了循序漸進的學習路徑。特別是「思維鏈推理」（chain-of-thought reasoning）與「鏈式提示」（prompt chaining）的討論，已成為 LLM 應用開發的必備知識。

書中強調「使用者責任」的原則也特別重要——AI 輔助決策系統中，人類的最終審查與把關仍是不可或缺的環節。這對醫療、法律等高風險領域的 LLM 應用尤為關鍵。協霆本人在臨床決策工具上的實踐，正是這一原則的完美詮釋。

建議配套閱讀：OpenAI 官方的 Prompt Engineering 指南、《Building LLM Applications for Production》、以及協霆關於「Prompt Engineering 與 ChatGPT API 開發」的實戰文章。