提示工程指南提供深入了解及应用大型语言模型的全面资源，从基础概念到高级实操，涵盖研究进展、模型风险和创新应用，助力研究员和开发者精进技能与知识。

ChatGPT Prompts提供了经过精心整理的ChatGPT使用示例，旨在优化用户与聊天模型的互动体验。通过这个开源项目，您可以探索多种对话提示，增强与AI的交流，同时有机会贡献自己的创意。适合所有级别的用户，无论是基础互动还是求索深度话题。

本指南涵盖系统化的提示工程方法，帮助研究人员和开发人员优化与大型语言模型（LLMs）的互动。内容包括基础与高级提示、应用实例、最新研究论文、实用工具和数据集，同时提供相关讲座和课程资源。学习提示工程能提升LLMs在问答和算术推理等复杂任务中的性能，充分发挥模型潜力。

本项目汇总了ChatGPT和OpenAI相关的资源和工具，包括文档、示例、用户界面、集成、SDK库和框架以及基于ChatGPT的应用程序等。用户可以找到适用于桌面应用、浏览器扩展、移动应用和命令行界面的软件。项目还收录了关于大语言模型和知识图谱的论文和资源，适合开发者、研究者和AI爱好者使用。

DSPy是一个语言模型编程框架，通过分离程序流程和参数，实现了提示词和权重的自动优化。该框架引入了新型优化器，能根据特定指标调整参数，有效提升GPT-3.5、GPT-4等模型的性能。DSPy为开发者提供了系统化方法，以更高效地解决复杂AI任务，显著改善了语言模型在各种应用中的可靠性。

promptbase是一个持续更新的开源资源库,致力于优化GPT-4等基础AI模型的性能。该项目集成了Medprompt方法的实例代码,并将相关提示技术拓展至非医疗领域。通过动态少样本选择、自生成思维链和选择洗牌集成等策略,promptbase显著提升了模型在多项基准测试中的表现。未来,该项目将提供更多关于提示工程科学流程的案例分析和专业访谈。

Chain-of-ThoughtsPapers项目收集了大型语言模型推理能力研究的关键论文。涵盖从基础到前沿的多个主题，如零样本推理、多模态推理和模型自我改进等。这些研究揭示了语言模型在复杂推理任务中的潜力，推动了自然语言处理领域的发展。项目持续更新，反映领域最新进展，为研究人员和开发者提供重要参考资料。

ICL_PaperList是一个收录上下文学习(In-context Learning)研究论文的开源项目。内容涵盖模型预训练、提示调优、分析评估等方面,并对Survey、Model Training、Prompt Tuning等领域进行了分类整理。该项目为研究人员提供了全面的上下文学习文献资源,有助于了解该领域的最新进展和发展方向。

本项目提供全面的AI提示和破解指南，涵盖编程、营销、学术、求职、游戏、创意、提示工程、商业和生活方式等领域。所有提示可在GPTOS平台使用，并通过完全自主的AI软件工程师App Creator实现自动化任务。探索功能和示例视频，充分利用这些AI工具提升生产力和创意。