本项目对大型语言模型在不同自然语言处理任务中的提示工程方法进行了调查，展示了如何在不需要大量参数重训练或微调的情况下，增强模型能力，并使非深度学习背景的用户能够与大型语言模型进行交互。同时总结了基于NLP任务的各种提示技术，并分析了在不同数据集上的性能表现。
MagicPrompts通过将单行GPT-4提示转换为最佳实践提示，帮助用户增强与大型语言模型(LLM)的互动体验，优化生成内容的质量和创意。
Astrai是一个笔记本风格的平台，通过将高质量的提示转化为可重用的解决方案，集成多种AI模型，简化用户的AI体验，涵盖文本、图像等多种功能。
Rompt是一个帮助开发者和公司通过对提示进行A/B测试实验来优化其AI驱动产品的平台。用户可以创建不同的提示并进行实验，以确定哪些提示表现最佳。
PromptLocker是一个基于网页的工具，帮助用户存储、分类和检索用于MidJourney、Stable Diffusion、Bard和ChatGPT等AI模型的提示。用户可以通过注册账户，创建分类来组织提示，从而快速存取，提升AI模型的使用效率。
Wale IDE是一个提供直观界面的平台，支持用户导入数据或创建新数据集，调节参数以优化提示，并查看提示执行历史。
Classy-Fire是一个基于Azure OpenAI的LLM API的预训练多类文本分类方法，采用巧妙的参数微调和提示设计，能够高效地处理各种文本分类任务。
Prompt Manager Pro 是一款用于编写和维护现代应用提示的工具，帮助用户轻松开发、测试和集成提示模板。
