第 1 章　認(rèn)識(shí)大語(yǔ)言模型 1.1 大語(yǔ)言模型是什么 1.2 大語(yǔ)言模型的發(fā)展現(xiàn)狀 1.3 大語(yǔ)言模型的重要概念 1.4 大語(yǔ)言模型的使用方式 第 2 章　ChatGPT應(yīng)用體驗(yàn) 2.1 第一次對(duì)話 2.2 設(shè)計(jì)特定語(yǔ)境上下文 2.3 模擬 API 參數(shù) 2.4 專業(yè)領(lǐng)域助手 2.5 基于對(duì)話繪圖 2.6 場(chǎng)景總結(jié) 第 3 章　ChatGPT API 3.1 準(zhǔn)備工作 3.2 ChatGPT API 調(diào)用流程 第 4 章　Python ChatGPT API庫(kù) 4.1 Python ChatGPT 開(kāi)發(fā)環(huán)境 4.2 Python 示例應(yīng)用 4.3 解析 Python 示例應(yīng)用 第 5 章　提示工程 5.1 提示工程是什么 5.2 提示內(nèi)容 5.3 規(guī)范化提示 第 6 章　提示類型 6.1 標(biāo)準(zhǔn)、指令、角色提示 6.2 思維鏈提示 6.3 自洽、知識(shí)生成提示 6.4 總結(jié)和建議 第 7 章　基于提示工程應(yīng)用Python數(shù)據(jù)分析 7.1 提示構(gòu)建思路 7.2 Python 是什么 7.3 Python 語(yǔ)法特征 7.4 Python 變量 7.5 Python 運(yùn)算符 7.6 Python 字符串 7.7 Python 條件控制 7.8 Python 循環(huán) 7.9 Python 復(fù)合數(shù)據(jù)類型 7.10 Python 函數(shù) 7.11 Python 類 7.12 Python 模塊和包 7.13 Python Pandas 包 7.14 Python Matplotlib 包 第 8 章　基于提示工程應(yīng)用SQL 8.1 應(yīng)用思路 8.2 構(gòu)建 SQL 語(yǔ)境 8.3 查詢數(shù)據(jù) 8.4 數(shù)據(jù)排序分析 8.5 數(shù)據(jù)修改 8.6 數(shù)據(jù)刪除 8.7 多表關(guān)聯(lián)分析 8.8 字符串處理 8.9 日期、時(shí)間數(shù)據(jù)處理 8.10 窗口函數(shù) 8.11 報(bào)表分析 8.12 NULL 值處理 8.13 集成 Python 數(shù)據(jù)分析 8.14 SQL 集成 GPT 第 9 章　基于提示工程應(yīng)用概率和統(tǒng)計(jì) 9.1 應(yīng)用思路 9.2 基本概念 9.3 離散型隨機(jī)分布 9.4 連續(xù)型隨機(jī)分布 9.5 線性回歸分析 9.6 時(shí)間序列分析 第 10 章　基于提示工程應(yīng)用生產(chǎn)力工具 10.1 Excel 數(shù)據(jù)處理 10.2 思維導(dǎo)圖 10.3 圖片編輯 10.4 流程編輯 第 11 章　國(guó)產(chǎn)大語(yǔ)言模型 11.1 大語(yǔ)言模型通用提示技巧 11.2 介紹國(guó)產(chǎn)大語(yǔ)言模型 11.3 應(yīng)用國(guó)產(chǎn)大語(yǔ)言模型 附錄 1　部分國(guó)產(chǎn)大語(yǔ)言模型 附錄 2　國(guó)產(chǎn)大語(yǔ)言模型的發(fā)展