修改第四、五章，添加第八章

docs/content/C1 Prompt Engineering for Developer/5. 推断 Inferring.ipynb

@@ -244,7 +244,7 @@
    "id": "af474353",
    "metadata": {},
    "source": [
-    "下一步，我们将深入挖掘客户评论中的丰富信息。信息提取是自然语言处理（NLP）的重要组成部分，它帮助我们从文本中抽取特定的、我们关心的信息。在接下来的示例中，我们将要求模型识别两个关键元素：购买的商品和商品的制造商。\n",
+    "信息提取是自然语言处理（NLP）的重要组成部分，它帮助我们从文本中抽取特定的、我们关心的信息。我们将深入挖掘客户评论中的丰富信息。在接下来的示例中，我们将要求模型识别两个关键元素：购买的商品和商品的制造商。\n",
     "\n",
     "想象一下，如果你正在尝试分析一个在线电商网站上的众多评论，了解评论中提到的商品是什么、由谁制造，以及相关的积极或消极情绪，将极大地帮助你追踪特定商品或制造商在用户心中的情感趋势。\n",
     "\n",
@@ -532,7 +532,7 @@
    "id": "76ccd189",
    "metadata": {},
    "source": [
-    "这就是我们关于推断的全面介绍。在短短几分钟内，我们已经能够建立多个用于文本推理的系统，这是以前需要机器学习专家数天甚至数周时间才能完成的任务。这一变化无疑是令人兴奋的，因为无论你是经验丰富的机器学习开发者，还是刚入门的新手，都能利用输入 Prompt 快速建立并启动复杂的自然语言处理任务。"
+    "这就是我们关于推断的全面介绍。在短短几分钟内，我们已经能够建立多个用于文本推理的系统，这是以前需要机器学习专家数天甚至数周时间才能完成的任务。这一变化无疑是令人兴奋的，因为无论你是经验丰富的机器学习开发者，还是刚入门的新手，都能利用输入 Prompt 快速开始复杂的自然语言处理任务。"
    ]
   },
   {

docs/content/C1 Prompt Engineering for Developer/8. 聊天机器人 Chatbot.ipynb

@@ -15,8 +15,7 @@
    "id": "f0bdc2c9",
    "metadata": {},
    "source": [
-    "\n",
-    "使用一个大型语言模型的一个令人兴奋的事情是，我们可以用它来构建一个定制的聊天机器人 (Chatbot) ，只需要很少的工作量。在这一节中，我们将探索如何利用聊天的方式，与个性化（或专门针对特定任务或行为的）聊天机器人进行扩展对话。"
+    "大型语言模型带给我们的激动人心的一种可能性是，我们可以通过它构建定制的聊天机器人（Chatbot），而且只需很少的工作量。在这一章节的探索中，我们将带你了解如何利用会话形式，与具有个性化特性（或专门为特定任务或行为设计）的聊天机器人进行深度对话。"
    ]
   },
   {
@@ -24,7 +23,7 @@
    "id": "e6fae355",
    "metadata": {},
    "source": [
-    "像 ChatGPT 这样的聊天模型实际上是组装成以一系列消息作为输入，并返回一个模型生成的消息作为输出的。这种聊天格式原本的设计目标是简便多轮对话，但我们通过之前的学习可以知道，它对于不会涉及任何对话的**单轮任务**也同样有用。\n"
+    "像 ChatGPT 这样的聊天模型实际上是组装成以一系列消息作为输入，并返回一个模型生成的消息作为输出的。这种聊天格式原本的设计目标是简便多轮对话，但我们通过之前的学习可以知道，它对于不会涉及任何对话的**单轮任务**也同样有用。"
    ]
   },
   {
@@ -93,9 +92,18 @@
    "id": "e105c1b4",
    "metadata": {},
    "source": [
-    "### 1.1 讲笑话\n",
-    "\n",
-    "系统消息说，你是一个说话像莎士比亚的助手。这是我们向助手描述**它应该如何表现的方式**。然后，第一个用户消息是*给我讲个笑话*。接下来以助手身份给出回复是，*为什么鸡会过马路？* 最后发送用户消息是*我不知道*。"
+    "### 1.1 讲笑话"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "a0b37933",
+   "metadata": {},
+   "source": [
+    "我们通过系统消息来定义：“你是一个说话像莎士比亚的助手。”这是我们向助手描述**它应该如何表现的方式**。\n",
+    "然后，第一个用户消息是*给我讲个笑话*。\n",
+    "接下来以助手身份给出回复是，*为什么鸡会过马路？* \n",
+    "最后发送用户消息是*我不知道*。"
    ]
   },
   {
@@ -182,7 +190,9 @@
    "id": "5f76bedb",
    "metadata": {},
    "source": [
-    "让我们看另一个例子。助手的消息是*你是一个友好的聊天机器人*，第一个用户消息是*嗨，我叫Isa*。我们想要得到第一个用户消息。"
+    "让我们看另一个例子。系统消息来定义：“*你是一个友好的聊天机器人*”，第一个用户消息：“*嗨，我叫Isa*。”\n",
+    "\n",
+    "我们想要得到第一个用户消息的回复。"
    ]
   },
   {
@@ -221,7 +231,7 @@
    "id": "1e9f96ba",
    "metadata": {},
    "source": [
-    "让我们再试一个例子。系统消息是，你是一个友好的聊天机器人，第一个用户消息是，是的，你能提醒我我的名字是什么吗？"
+    "让我们再试一个例子。系统消息来定义：“你是一个友好的聊天机器人”，第一个用户消息：“是的，你能提醒我我的名字是什么吗？”"
    ]
   },
   {
@@ -299,12 +309,30 @@
     "id": "bBg_MpXeYnTq"
    },
    "source": [
-    "## 三、订餐机器人\n",
-    "\n",
-    "现在，我们构建一个 “订餐机器人”，我们需要它自动收集用户信息，接受比萨饼店的订单。\n",
-    "\n",
-    "### 3.1 构建机器人\n",
-    "\n",
+    "## 三、订餐机器人"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "8f0f678c",
+   "metadata": {},
+   "source": [
+    "在这一新的章节中，我们将探索如何构建一个 “点餐助手机器人”。这个机器人将被设计为自动收集用户信息，并接收来自比萨饼店的订单。让我们开始这个有趣的项目，深入理解它如何帮助简化日常的订餐流程。"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "4edeede6",
+   "metadata": {},
+   "source": [
+    "### 3.1 构建机器人"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "3357a655",
+   "metadata": {},
+   "source": [
     "下面这个函数将收集我们的用户消息，以便我们可以避免像刚才一样手动输入。这个函数将从我们下面构建的用户界面中收集 Prompt ，然后将其附加到一个名为上下文( ```context``` )的列表中，并在每次调用模型时使用该上下文。模型的响应也会添加到上下文中，所以用户消息和模型消息都被添加到上下文中，上下文逐渐变长。这样，模型就有了需要的信息来确定下一步要做什么。"
    ]
   },
@@ -434,7 +462,14 @@
    "source": [
     "此处我们另外要求模型创建一个 JSON 摘要，方便我们发送给订单系统。\n",
     "\n",
-    "因此我们需要在上下文的基础上追加另一个系统消息，作为另一条指示 (instruction) 。我们说*创建一个刚刚订单的 JSON 摘要，列出每个项目的价格，字段应包括 1）披萨，包括尺寸，2）配料列表，3）饮料列表，4）辅菜列表，包括尺寸，最后是总价格*。此处也可以定义为用户消息，不一定是系统消息。\n",
+    "因此我们需要在上下文的基础上追加另一个系统消息，作为另一条指示 (instruction) 。我们说创建一个刚刚订单的 JSON 摘要，列出每个项目的价格，字段应包括：\n",
+    "1. 披萨，包括尺寸\n",
+    "2. 配料列表\n",
+    "3. 饮料列表\n",
+    "4. 辅菜列表，包括尺寸，\n",
+    "5. 总价格。\n",
+    "\n",
+    "此处也可以定义为用户消息，不一定是系统消息。\n",
     "\n",
     "请注意，这里我们使用了一个较低的温度，因为对于这些类型的任务，我们希望输出相对可预测。"
    ]
@@ -510,7 +545,7 @@
    "id": "ef17c2b2",
    "metadata": {},
    "source": [
-    "现在，我们已经建立了自己的订餐聊天机器人。请随意自定义并修改系统消息，以更改聊天机器人的行为，并使其扮演不同的角色，拥有不同的知识。"
+    "我们已经成功创建了自己的订餐聊天机器人。你可以根据自己的喜好和需求，自由地定制和修改机器人的系统消息，改变它的行为，让它扮演各种各样的角色，赋予它丰富多彩的知识。让我们一起探索聊天机器人的无限可能性吧！"
    ]
   },
   {