《ChatGPT 提示工程：面向开发者》中英双语字幕

该项目主要用于存放《面向开发者的 ChatGPT 提示词工程》非官方版中英双语字幕。

• 中文视频地址：面向开发者的 ChatGPT 提示词工程
• 英文原视频地址：ChatGPT Prompt Engineering for Developers
• 配套代码与笔记：《ChatGPT Prompt Engineering for Developers》课程中文版 Datawhale

如果你在观看视频的过程中，发现翻译出现错漏、错别字、病句等情况，欢迎向我们提交 Pull Request 以改进字幕翻译质量。

本项目文件夹说明：

• subtitles：核心字幕，里面放置了「中英双语字幕」；
• english_subtitles：从双语字幕中分离出来的「英文字幕」；
• chinese_subtitles：从双语字幕中分离出来的「中文字幕」;
• course_notebooks: 从课程中复制至本地的 Notebook。

字幕效果展示：

课程介绍

ChatGPT 上线至今，已经快 5 个月了，但是不少人还没真正掌握它的使用技巧。

其实，ChatGPT 的难点，在于 Prompt（提示词）的编写，OpenAI 创始人在今年 2 月时，在 Twitter 上说：「能够出色编写 Prompt 跟聊天机器人对话，是一项能令人惊艳的高杠杆技能」。

因为从 ChatGPT 发布之后，如何写好 Prompt 已经成为了一个分水岭。熟练掌握 Prompt 编写的人，能够很快让 ChatGPT 理解需求，并很好的执行任务。

目前你在网上看到的所有 AI 助理、智能翻译、角色扮演，本质上还是通过编写 Prompt 来实现。

只要你的 Prompt 写的足够好，ChatGPT 可以帮你快速完成很多工作，包括写爬虫脚本、金融数据分析、文案润色与翻译等等，并且这些工作还做的比一般人出色。

为了帮助大家能更好的掌握 Prompt 工程，DeepLearning.ai 创始人吴恩达与 OpenAI 开发者 Iza Fulford 联手推出了一门面向开发者的技术教程：《ChatGPT 提示工程》。

吴恩达老师相信大家都有所耳闻，作为人工智能界的重量级大佬，我们经常能在 AI 技术界看到他活跃的身影。

另一位讲师 Iza Fulford，大家可能不太熟悉，这里重点介绍下。

她是斯坦福本硕高材生，ChatGPT 之前在 GitHub 开源的那个文档搜索插件：Retrieval，就是出自她之手。

另外，她还是 OpenAI Cookbook（官方手册）的编撰者，如果你最近有深入了解过 GPT 相关的技术，那这本手册于你而言应该不会陌生。

该手册里面提供了大量 GPT 相关的使用案例，能帮助你快速上手并掌握 GPT 模型的开发与应用。

可以说，这两位大佬联手，推出的教程绝对不会差。更令人振奋的是，这个教程完全对外开放，所有人均可免费学习！

那么，这个教程里面主要讲了什么内容呢？

该教程总共分为 9 个章节，总一个多小时，里面主要涵盖：提示词最佳实践、评论情感分类、文本总结、邮件撰写、文本翻译、快速搭建一个聊天机器人等等。

所有当下 ChatGPT 的流行案例，你都能在这个教程里面找到，十分全面！

除了能在这个教程里面学到如何使用 Prompt，你还能学到 GPT 接口调用开发知识。有需要的话，你甚至能在这个教程之上去延伸扩展，搭建出一款令人惊艳的应用。

目前该教程已经在 DeepLearning.ai 正式上线，官网上线提供了可交互式的 Notebook，让你可以一边学习，一边跟着编写代码实践。

不过当下这个教程只有英文版，为了让看不懂英文的同学也能第一时间学习并掌握这项技术。

我花了一天时间，完整翻译了所有英文字幕，并且将所有视频与字幕同步上传到了 B 站。

大家有时间的话，可以多学一下这个教程，相信整个学习下来，绝对能让你受益匪浅！

贡献者

查看 贡献列表 获取更多信息，感谢所有为项目作为贡献的人！

开源协议

项目基于 CC BY-NC-SA 4.0 协议 发布。

ChatGPT 提示词工程（开发者版）快速上手指南

本项目并非一个需要安装的软件库，而是吴恩达（Andrew Ng）与 OpenAI 专家 Iza Fulford 联合推出的《ChatGPT Prompt Engineering for Developers》课程的中英双语字幕及配套代码资源。本指南将帮助你快速访问视频课程并运行本地练习代码。

环境准备

在开始学习之前，请确保你的开发环境满足以下要求：

• 操作系统：Windows / macOS / Linux
• Python 版本：推荐 Python 3.8 或更高版本
• 前置依赖：
  • pip (Python 包管理工具)
  • git (用于克隆代码仓库)
  • OpenAI API Key：你需要拥有一个有效的 OpenAI API 密钥以运行代码示例（需自行在 OpenAI 官网申请）。
• 运行环境：推荐使用 Jupyter Notebook 或 VS Code (安装 Python 和 Jupyter 插件)。

安装步骤

1. 获取课程代码与笔记

使用 git 克隆配套的中文版代码仓库到本地：

git clone https://github.com/datawhalechina/prompt-engineering-for-developers.git
cd prompt-engineering-for-developers

提示：如果克隆速度较慢，可使用国内镜像源（如 Gitee 镜像，若有）或配置代理加速。

2. 安装 Python 依赖

进入项目目录后，安装课程所需的 Python 库：

pip install -r requirements.txt

注：若项目中未提供 requirements.txt，通常只需安装核心库：

pip install openai jupyter notebook pandas

3. 配置 API 密钥

在运行任何 Notebook 之前，你需要在代码中配置你的 API Key。可以在终端设置环境变量，或在 Notebook 单元格中直接定义（注意不要提交到公共仓库）：

import os
os.environ["OPENAI_API_KEY"] = "sk-你的_API_Key_在这里"

基本使用

本课程的核心在于“观看视频”与“动手实践”相结合。

1. 观看教学视频

访问 Bilibili 观看带有中英双语字幕的课程视频，理解提示词工程的核心概念（如原则、迭代、总结、推断等）：

• 视频地址：面向开发者的 ChatGPT 提示词工程 (Bilibili)

2. 运行第一个示例

进入克隆下来的 course_notebooks 目录，启动 Jupyter Notebook：

cd course_notebooks
jupyter notebook

在浏览器打开的界面中，选择第一章的 Notebook 文件（例如 L1 - Introduction.ipynb 或对应章节文件）。

最简单的使用示例代码（通常在第一个单元格）：

from openai import OpenAI
import os

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

def get_completion(prompt, model="gpt-3.5-turbo"):
    messages = [{"role": "user", "content": prompt}]
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        temperature=0 
    )
    return response.choices[0].message.content

# 测试提示词
prompt = "你好，请介绍一下什么是提示词工程？"
response = get_completion(prompt)
print(response)

运行上述代码，即可看到模型根据你的提示词生成的回复。你可以随后按照视频内容，修改 prompt 变量来实践不同的提示词技巧。