文章讨论了Agent工程的三次进化：Prompt Engineering、Context Engineering和Harness Engineering。Prompt关注与模型的沟通，Context强调模型接收到的信息，而Harness则管理Agent的生命周期和资源调度。这三者相互嵌套，解决不同层面的问题，理解其关系有助于优化AI系统。
本文介绍了BMAD v6，这是一种基于Prompt Engineering的LLM工作流框架，旨在提升开发流程的结构化和可重复性。BMAD通过定义不同角色的Agent，结合敏捷开发理念，优化了代码生成的可控性。尽管在头脑风暴和文档生成方面表现出色，但在小型项目中可能导致流程冗余。建议根据项目规模调整流程，以确保人类在关键环节的介入，从而提高开发质量和可维护性。
Prompt Engineering是为AI对话设计提示词的过程，旨在确保AI准确理解用户需求。该过程包括明确目标、设计提示、优化测试和处理意外情况。随着AI技术的发展，Prompt Engineering逐渐成熟，广泛应用于各个领域，提高AI生成内容的相关性和准确性。
Prompt Engineering是为AI对话设计提示词，以确保AI准确理解用户需求。该过程包括明确目标、设计提示词、优化测试和处理意外情况。随着AI技术的发展，Prompt Engineering逐渐成熟，广泛应用于各领域，如京东物流通过不同提示词提高商品件型判断的准确率。
本文介绍了使用AI大模型ChatGPT进行prompt engineering的方法，以有效训练AI为用户工作。讨论了LLM参数温度、Top P、最大长度、停止序列、频率惩罚和存在惩罚等概念。还解释了Token的概念和用法，以及语言模型的输入输出限制。最后，提到了TRIRO框架和Prompt Engineering的重要性。
Prompt Engineering的核心是逻辑，将复杂任务拆分成科学合理的步骤，并让每一步的结果成为后续步骤的基础。只有这样才能得到最佳效果。
DataCamp提供Generative AI课程，帮助个人快速入门。他们有初学者课程，涵盖AI和Generative AI概念，还有中级课程，讲解Large Language Model（LLM）概念和使用OpenAI API。此外，他们还提供专家级课程，教授开发者prompt engineering技巧。DataCamp旨在普及数据技能，为个人提供在现实世界中处理数据所需的技能。
OpenAI和Deep Learning提供了关于prompt engineering和generative AI的指南和课程。Prompt Engineering Masterclass和DeepLearning.AI提供了免费的内容和课程。PromptingGuide.AI创建了一个高级技术的prompt engineering指南。掌握prompt engineering可以带来丰厚的工作机会。
OpenAI发布了Prompt Engineering指南，分享了从GPT-4等大型语言模型获得更好结果的策略。指南提供了六项策略，包括写下清晰的指示、提供参考文字、将复杂任务拆分为简单子任务、给模型时间思考、使用外部工具和系统地测试变更。这些策略可以帮助用户获得更准确和可靠的模型输出。
完成下面两步后，将自动完成登录并继续当前操作。
