---
title: "Public Cloud Learning Sessions (OpenText) - Generative AI & Prompt Engineering - 20241112"
type: source
tags:
  - Generative-AI
  - Prompt-Engineering
  - AWS
  - OpenText
date: 2024-11-12
---

## Source File
- [[raw/Cloud & DevOps/Public-Cloud-Learning-Sessions/09_Serverless_AI/public-cloud-learning-sessions-opentext-generative-ai-prompt-engineering-2024111.md]]

## Summary
- 核心主题：AWS 生成式 AI 服务与提示词工程基础
- 问题域：企业如何利用生成式 AI 创造业务价值
- 方法/机制：检索增强生成（RAG）、微调（Fine-tuning）、持续重训练；提示词工程组件与技巧
- 结论/价值：数据是企业差异化的关键，通过 RAG/微调/重训练技术，结合提示词工程，可构建特定领域的生成式 AI 应用

## Key Claims
- 生成式 AI 通过创造新体验、提升员工生产力、提取洞察和促进创造力来创造价值
- 你的数据是通用应用与能够带来业务价值的特定应用之间的差异点
- RAG 是最便宜和最简单的技术，连接多个数据源无需重训练模型
- 提示词工程是创建、设计和优化提示词以引导 LLM 响应的过程
- 提示词由指令、上下文、用户输入和输出指示器组成

## Key Quotes
> "Your data is your differentiator and it is what makes the difference between generic application to a specific application that can actually bring business to your value."

> "None of your data nor the prompts, not the data that you are using for customizing the model is being shared with the model providers."

## Key Concepts
- [[生成式 AI]]：能够创造新内容（文本、图像、音频）的 AI 技术
- [[RAG]]：检索增强生成，连接多个数据源无需重训练模型
- [[Fine-Tuning]]：使用标记示例重新训练模型
- [[Prompt Engineering]]：创建、设计和优化提示词的过程
- [[Amazon Bedrock]]：全托管服务，提供对多种基础模型的访问
- [[Amazon SageMaker]]：用于构建、训练和部署模型的托管服务
- [[Amazon Q]]：AI 助手，面向业务和开发者
- [[Foundation Model]]：基础模型，具有数十亿参数的大规模预训练模型

## Key Entities
- [[Shikad Holtzman]]：AWS 技术客户经理（以色列），本次分享讲师
- [[OpenText]]：主办 Public Cloud Learning Sessions 的企业内容管理公司
- [[Amazon]]：云服务提供商，提供 AWS 生成式 AI 堆栈

## Connections
- [[Public Cloud Learning Sessions]] ← hosts ← [[生成式 AI]]
- [[Amazon Bedrock]] ← provides_access_to ← [[Foundation Model]]
- [[RAG]] ← cheaper_than ← [[Fine-Tuning]]
- [[Amazon Q for Business]] ← connects_to ← multiple_data_sources
- [[Amazon Q Developer]] ← focuses_on ← code_generation

## Contradictions