企业官网建设流程全解析

Prompt Engineering Guide:从写提示词到 AI 智能体的提示工程实战知识库

【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

Prompt Engineering Guide 是一个开源的提示工程文档项目，系统整理了与大语言模型协作的方法、论文和实践案例，并延伸到上下文工程、RAG 与 AI 智能体。它适合想系统提升大模型输出质量的开发者，以及评估 AI 应用路径的技术选型者。文档支持 13 种语言阅读，示例提示词默认在 gpt-3.5-turbo 上验证，模型配置与参数影响在正文中均有说明。

解决什么问题：适合谁、不适合谁

用大模型做业务时，最常见的痛点是同样的任务换个问法结果就不稳定。这个项目把提示词设计当作一门工程学科来处理，而不是靠零散技巧碰运气。

• 开发者：获得零样本、少样本、思维链、提示链等经过验证的方法，减少反复试错的沟通与调试成本。
• 研究者：快速了解模型的能力边界与局限，每篇内容都附对应论文出处，便于追溯。
• 团队决策者：评估提示工程、RAG、智能体三条技术路线的成熟度与风险点，再决定是否投入。

如果你期待一个装上就能直接出活的成品工具，它并不合适。这是一套文档和资料库，价值在于方法论与可复现的示例，而不是开箱即用的功能。

核心能力地图：八大模块一览

项目内容按模块组织在 pages/ 目录下，可以按需求直接跳转：

如何开始阅读并本地运行指南

建议的阅读顺序是：入门基础 → 提示技术 → 实际应用。每个章节都有独立示例，不强制从头读到尾，也可以直接跳到当前需要的技术点。

如果想核对翻译或修改站点内容，文档基于 Nextra 框架构建，准备 Node 18 以上和 pnpm 后执行：

git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide && pnpm install && pnpm dev

启动后在浏览器访问 http://localhost:3000 即可浏览。站点语言由文件名后缀决定，中文、法语、日语等版本可自由切换。

典型场景拆解：三类常见需求

1. 复杂推理任务输出不稳定

需求：多步数学或逻辑题经常出错，反复提问也不改善。做法：用思维链（CoT）让模型先输出中间推理步骤，再配合自一致性（Self-Consistency）多次推理取多数答案。收益：推理类任务正确率明显提升，输出也更容易人工核对。更复杂的问题可以升级到思维树（ToT），让模型同时探索多条路径再剪枝。

2. 回答需要依赖私有数据

需求：模型知识有截止日期，不了解公司文档或最新资料。做法：用 RAG（检索增强生成）先检索相关文档，再把命中片段拼进提示词一起提交。收益：答案可追溯到来源文档，减少凭空编造。项目在 pages/techniques/ 提供了完整的 RAG 章节和配套笔记本，pages/research/ 还分析了 RAG 与幻觉的关系。

3. 希望模型自主完成多步骤任务

需求：单个提示词无法覆盖“查资料、列方案、产出报告”这类长任务。做法：按智能体（Agent）模式搭建系统，核心是三块组件：规划能力、外部工具访问、记忆存储，分别负责拆解任务、调用 API 与数据库、留存中间结果。收益：原本需要人逐步衔接的长任务可以由模型串联完成。项目的 AI Agents 章节给出了路由、并行化、任务分解等设计模式。

值得理解的几个关键机制

不必背下全部 18 种技术，理解三条主线就能快速选型。

• 约束式生成：思维链、思维树、提示链的本质，是把一个大问题拆成多个可校验的小步骤，上一步输出作为下一步输入，错误在早期就被暴露。
• 自我修正：Reflexion 技术让模型先检查自身输出再针对性修改，项目附带的实验数据表明它能提高一次通过的任务比例。
• 外部信息注入：RAG、函数调用、上下文缓存从不同角度解决同一个问题——把模型参数之外的信息补进提示上下文。

常见问题与避坑建议

• 别忽略模型设置：文档示例均使用默认参数（temperature=1、top_p=1），调低温度会直接改变输出分布，对比测试结果时先固定参数。
• 别指望单一提示词保证稳定：项目给出的建议组合是约束条件、示例说明、结构化输出格式，外加一层输出校验机制。
• 注意模型版本差异：模型迭代很快，pages/models/ 按模型分章讲解行为差异，最新版本表现以仓库最新文档为准。
• 本地运行需要 Node 18+：依赖安装失败时优先检查 Node 版本与 pnpm 是否可用。

继续学习的路径

• 阅读顺序：pages/introduction/ → pages/techniques/ → pages/applications/。
• guides/ 下的 8 篇独立指南覆盖高级提示、对抗提示、可靠性等专题。
• notebooks/ 提供 12 个可运行笔记本；lecture/ 存放一小时课程的讲义 PDF。
• 项目采用 MIT 许可，发现笔误或内容缺口可以直接提 PR 修复。

【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