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 уроков по порядку
- 120 мин
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 - 230 мин
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 - 330 мин
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 - 435 мин
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 - 535 мин
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 - 640 мин
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 - 740 мин
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 - 830 мин
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 - 935 мин
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 - 1035 мин
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 - 1140 мин
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
Изучай Prompt Engineering на своём языке
Каждый урок, тест и ответ наставника показывается на вашем языке. AI-наставник отвечает на том языке, на котором вы пишете.