EasyEnv
Prompt Engineering
Средний

Prompt Engineering

Получайте надёжные результаты от generative AI. Узнайте, как large language models создают текст, пять принципов за каждым хорошим prompt, few-shot и структурированный вывод, function calling, retrieval-augmented generation, автономные agents, и как модели diffusion превращают prompts в изображения. В конце вы свяжете текст, изображения и agents в одно работающее приложение.

11 уроков6.2h практика11 языков
Начни учиться бесплатноPrompt Engineering курс

11 уроков по порядку

  1. 1

    Что такое промпт

    Скорее всего, вы уже что-нибудь писали в окно чата: задавали вопрос, получали ответ и, может быть, удивлялись, насколько он оказался хорош или,...

    What a prompt isWhat a large language model is, from the outsideThe completion, and why the same prompt can answer differentlyThe conversation: system, user and assistant turnsWhy a prompt is instructions rather than a search query
    20 мин
  2. 2

    Как большие языковые модели генерируют текст

    Вы уже знаете, что такое промпт и что такое ответ модели, и что один и тот же промпт каждый раз может вернуться другими словами. Этот урок...

    Tokens and tokenizationNext-token predictionTemperature and top-p samplingContext windowWhy models hallucinate
    30 мин
  3. 3

    Пять принципов промптинга

    Вы уже знаете, что такое промпт, что такое ответ модели и что модель каждый раз пишет ответ заново, а не пересказывает что-то найденное. Отсюда...

    Giving directionSpecifying formatProviding examplesEvaluating qualityDividing labor
    30 мин
  4. 4

    Стандартные практики генерации текста

    Второй и третий уроки дали почувствовать, как модель на самом деле выдаёт текст по одному токену за раз, и показали пять принципов управления ею....

    Prompt formatting and delimitersSystem, user, and assistant rolesFew-shot promptingParsing structured output like JSON
    35 мин
  5. 5

    Prompt Templates и Function Calling

    В четвёртом уроке вы собирали один промпт руками: разделители, роли, пара примеров. Для одного промпта этого хватает. Но когда тот же промпт нужно...

    Prompt templates with variablesSeparating template from dataFunction calling and tool schemasReading a tool call and returning a result
    35 мин
  6. 6

    Vector-базы данных и Retrieval-Augmented Generation

    В уроке 2 вы видели, почему модель галлюцинирует: она предсказывает вероятные следующие токены, а не ищет факты, и всё, что лежит вне обучающих...

    Embeddings and vector similarityChunking documentsVector databases and nearest-neighbor searchRetrieval-augmented generationGrounding answers with citations
    40 мин
  7. 7

    Autonomous Agents: память (memory) и инструменты (tools)

    В уроке 5 вы дали модели инструменты через вызов функций, а в уроке 6 добавили ей долговременную память через извлечение данных. Этот урок помещает...

    The agent loop of reason, act, observeGiving an agent toolsShort-term and long-term memoryStopping conditions and guardrails
    40 мин
  8. 8

    Как diffusion-модели генерируют изображения

    До сих пор каждый написанный вами промпт порождал текст. Этот урок открывает часть 3, где тот же самый промпт порождает картинку. Носитель меняется,...

    Diffusion as iterative denoisingText conditioning of the imageSeeds and reproducibilitySampling steps and guidance scale
    30 мин
  9. 9

    Стандартные практики генерации изображений

    Предыдущий урок дал интуитивное понимание того, как диффузионная модель превращает текстовый промпт в изображение, постепенно убирая шум из...

    Prompt structure of subject, medium, style, and lightingArt styles and artist or era modifiersComposition and camera modifiersNegative prompts and aspect ratio
    35 мин
  10. 10

    Продвинутые техники работы с изображениями: inpainting, outpainting и ControlNet

    В двух прошлых уроках вы порождали целые изображения из текстового промпта и учились направлять их структурой, стилем и негативными промптами. Такой...

    Image-to-image generationInpainting with masksOutpainting to extend a canvasControlNet for pose, depth, and edge guidance
    35 мин
  11. 11

    Создание приложений на основе ИИ

    Это итоговый проект. Каждый предыдущий урок давал один приём: генерацию текста, структурированный вывод, вызов функций, поиск фактов через RAG,...

    Composing text, images, and agents into a workflowOrchestration and chaining stepsEvaluation and guardrailsCost, latency, and failure handling
    40 мин
Изучайте Prompt Engineering на русском | Prompt Engineering (Russian) | Engineering Courses