第 1 章　認識大語言模型 1.1 大語言模型是什么 1.2 大語言模型的發(fā)展現(xiàn)狀 1.3 大語言模型的重要概念 1.4 大語言模型的使用方式 第 2 章　ChatGPT應(yīng)用體驗 2.1 第一次對話 2.2 設(shè)計特定語境上下文 2.3 模擬 API 參數(shù) 2.4 專業(yè)領(lǐng)域助手 2.5 基于對話繪圖 2.6 場景總結(jié) 第 3 章　ChatGPT API 3.1 準備工作 3.2 ChatGPT API 調(diào)用流程 第 4 章　Python ChatGPT API庫 4.1 Python ChatGPT 開發(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 標準、指令、角色提示 6.2 思維鏈提示 6.3 自洽、知識生成提示 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 語法特征 7.4 Python 變量 7.5 Python 運算符 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、時間數(shù)據(jù)處理 8.10 窗口函數(shù) 8.11 報表分析 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 9.1 應(yīng)用思路 9.2 基本概念 9.3 離散型隨機分布 9.4 連續(xù)型隨機分布 9.5 線性回歸分析 9.6 時間序列分析 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　國產(chǎn)大語言模型 11.1 大語言模型通用提示技巧 11.2 介紹國產(chǎn)大語言模型 11.3 應(yīng)用國產(chǎn)大語言模型 附錄 1　部分國產(chǎn)大語言模型 附錄 2　國產(chǎn)大語言模型的發(fā)展