Prompt-Engineering-Guide 实战指南：4 个层次系统掌握提示工程，附 12 本动手笔记本

Prompt-Engineering-Guide 实战指南4 个层次系统掌握提示工程附 12 本动手笔记本【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-GuidePrompt-Engineering-Guide 是 dair-ai 维护的提示工程Prompt Engineering即设计与优化提示词的学问教程仓库一个仓库覆盖提示技巧、Prompt 模板库、模型指南、风险清单、Notebook可运行的代码笔记本与论文索引。本文按模块带你把它当成一张地图来用找到你自己的入口。项目内容地图一张表看懂各部分放哪这个仓库本质是文档站 资源库pages/下是多语言网页文档支持 13 种语言notebooks/是代码img/和lecture/是课件。按用途拆开看目录/文件装的是什么适合谁pages/introduction/提示词基本功结构、元素、设置参数所有人从这里开始pages/techniques/17 种进阶技巧CoT、RAG、ReAct、Reflexion 等想让模型推理更稳的人pages/prompts.en.mdxPrompt Hub12 类可直接抄用的提示模板想快速见效的人pages/models/GPT-4、Gemini、LLaMA 等 20 个模型的专项指南在挑选或适配模型的人pages/risks/对抗性攻击、事实性幻觉、偏见三类风险要把系统用到生产的人notebooks/12 本动手 Notebook想跑代码验证的人lecture/1 小时完整讲稿 PDF想先听全景课的人pages/agents/、pages/guides/新章节AI 智能体Agent能自主调用工具完成任务的 AI 系统、上下文工程、深度研究进阶用户不确定从哪入手时README.md 末尾有一份带完整目录的导读先花 2 分钟扫一遍。第一层打地基从 Zero-Shot 到 Few-Shot基础部分在pages/introduction/共 5 页基础操作、提示元素、通用技巧、设置参数temperature 这类旋钮怎么调、提示示例。最值得先读的两页Zero-Shot零样本提示不给任何示例直接下指令。比如把下面这句话分类为中性、负面或正面模型凭训练时学到的指令跟随能力就能做。Few-Shot少样本提示零样本搞不定时在提示里附 2~3 个输入→输出示例模型照着格式模仿。这两页的读法不是看完就过而是拿一个你手头的真实任务比如给客服工单打标签分别试两种方式对比输出差异。体会过这个对比后面所有技巧你都能快速归类它们本质都是在指令 示例 结构这三个变量上做文章。第二层换装备最值得先读的 3 个技巧页技巧章节pages/techniques/共 17 篇全部读完不现实。按使用频率 ÷ 阅读成本排先读这 3 篇。Chain-of-Thought让模型先写推理过程再给答案CoTChain of Thought思维链让模型分步展示推理再给结论显著提升数学、逻辑类任务的准确率。cot.en.mdx用一个奇数求和判断题演示给 3 个带推理步骤的示例后模型立刻学会先算步骤再下结论的输出方式。能干什么数学计算、多步推理、需要解释依据的任务怎么用在提示里给 2~3 个分步推理 结论的示例或直接要求一步步思考常见坑简单分类任务强行套 CoT 只会拉长 token 消耗、拖慢响应先用零样本试答不对再升级RAG先检索资料再让模型照着答RAGRetrieval-Augmented Generation检索增强生成把模型自己记换成现场查资料先把文档切块、存入向量库提问时检索相关片段放进提示让模型基于这些片段作答。rag.en.mdx从原理讲到完整流程。能干什么让模型回答你私有文档产品手册、代码库、内部 wiki的问题且答案可溯源怎么用按文档里的切块 → 向量化 → 检索 → 组装提示四步搭最小链路notebooks/pe-rag.ipynb有配套代码常见坑效果差九成是检索的锅——切块太碎或语义不匹配模型拿到的是噪音。先优化检索相关性再谈提示措辞ReAct推理与行动交替进行ReAct 让模型在想一步和做一个动作之间循环思考 → 调用工具 → 观察结果 → 再思考。react.en.mdx配有 ALFWorld 环境里的真实轨迹。能干什么需要多步交互的任务如查资料、执行代码后根据报错修正怎么用提示里固定Thought / Action / Observation三段式格式并在系统提示里写清可用工具常见坑工具描述含糊模型就会选错工具或编造参数。工具描述本身也是提示工程的一部分不重复造轮子Prompt Hub 直接抄模板pages/prompts.en.mdx 是模板库按 12 个场景分好分类、编码、创意写作、评估、信息抽取、数学、问答、推理、摘要、真实性、图像生成、对抗性提示。每类收录多篇带输入输出的完整提示。用它的正确姿势找到你的场景分类挑一篇结构最接近的模板把示例里的输入换成你的真实数据输出格式不满意时先改模板里的格式约束分隔符、字段名再动措辞这比对着空白输入框从零写快得多也避免漏掉让模型输出 JSON遇到不确定就说不知道这类容易遗忘的约束句。按需分线模型指南与风险清单两条支线按你的处境二选一或都看模型专项pages/models/同一个提示词在 GPT-4、Gemini、LLaMA 上表现不同各模型页讲它的上下文长度、擅长/不擅长什么、社区发现的提示偏好。你换模型或做多模型路由时再读对应页不必全读。风险三篇pages/risks/对抗性提示攻击者诱导模型越界、事实性幻觉怎么产生、怎么缓解、偏见输出系统性偏向。产品要接真实用户前这三篇当检查清单用。第三层动手12 本 Notebook 和 1 场完整讲座光读文档容易看懂了但不会做。notebooks/ 里 12 本 Jupyter Notebook 按主题分好选本对应你当前阶段的跑一遍你的目标打开哪个 Notebook入门 跑通基础提示pe-chatgpt-intro.ipynb测试模型抗攻击能力pe-chatgpt-adversarial.ipynb搭 RAG 最小链路pe-rag.ipynb接函数调用Function Calling让模型调用外部 API 的能力pe-function-calling.ipynb看 ReAct 实际执行轨迹react.ipynb另外 lecture/Prompt-Engineering-Lecture-Elvis.pdf 是 1 小时公开讲座的幻灯片作者 Elvis Saravia 系统过了一遍技巧全景适合在动手前建立整体框架。进阶方向上下文工程与 AI 智能体仓库近两年明显往 Agent 方向扩两个新章节值得进阶读者跟进pages/agents/智能体组件、函数调用调试、上下文工程在 Agent 里的落地还有一篇AI 工作流 vs AI 智能体帮你判断该用哪种形态pages/guides/上下文工程完整指南、深度研究Deep Research、推理模型选型、4o 图像生成等专题长文一个核心观点来自上下文工程章节提示工程正演变为上下文工程Context Engineering——优化范围从一句提示词扩大到整个上下文窗口系统提示、工具定义、检索结果、历史状态全都要设计。这个视角转变决定了你往哪个方向深挖。下一步今晚就能开始的三个具体动作本地跑起来4 条命令需 Node 18 和 pnpmgit clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev浏览器访问http://localhost:3000/即可离线浏览全部文档多语言。读pages/techniques/cot.en.mdx前 50 行把里面的示例提示复制到你常用的模型里跑一遍。到 pages/prompts.en.mdx 里挑一个你本周真实要做的任务类别抄一篇模板改起来。【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考