企业官网建设流程全解析

如何快速搭一个本地提示工程知识库：5 分钟跑通 Prompt Engineering Guide

【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

给大语言模型做应用时，你大概率会先撞上这样一个场面：同一条提示词，第一次跑输出很对，第二次就跑偏了。想定位原因，你得回头翻提示技巧、查模型行为说明、核对上下文里塞了哪些信息——这些资料散落在一堆博客和论文里，找起来比调试本身还慢。

Prompt Engineering Guide 就是把这些零散内容整理成可本地运行的文档站：论文清单、技巧讲解、应用案例、可运行的 notebook，全部按章节归置，并且提供 13 种语言版本，每章内容都是你能直接读到、改到、翻译的源文件。

这篇文章带你用几分钟把它跑起来，再用两个真实任务走一遍它的核心内容，最后把新手容易踩的坑列成一张清单。

30 秒认识项目

这个仓库本质上是一个"内容 + 站点"的文档工程：基于 Nextra 文档框架，所有章节放在 pages/ 目录下，每章一个子目录，同一主题按语言拆成带后缀的文件（.en.mdx、.zh.mdx、.ar.mdx 等），侧边栏顺序则由各目录下的 _meta 文件控制。

内容上它覆盖五条线：提示基础、提示技巧、RAG 与 AI Agents、应用案例、模型与风险。如果你是给团队搭提示规范的开发者，或需要接手文档翻译与维护，这个仓库是一个能直接开工的起点。

站点的第一印象来自一个很小的例子：模型收到 "The sky is"，补全出 "blue"。

这个入门章节的开篇例子，直接点出了整个项目想回答的问题：你输入什么、怎么说，决定模型输出什么。

最短路径跑起来

前提是 Node 18 以上，并已安装 pnpm。四步走完：

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

终端出现就绪提示后，浏览器打开 http://localhost:3000/ ，左侧就是完整导航：Introduction、Prompting Techniques、AI Agents、Applications、Prompt Hub、Models。每个导航项对应 pages/ 下的一个目录，你在页面上看到的内容，几秒内就能追溯到对应的 .mdx 源文件。

用一个真实任务走通核心功能

任务一：读懂"什么才算 Agent"

目标：把 AI Agent 和普通聊天调用区分开。

做法：从侧边栏进入 AI Agents 章节，第一页就会看到这张组件图：

图里把 Agent 拆成三块：模型负责推理，工具负责行动（调 API、查数据库），记忆负责留存上下文。

结果：拿着这个框架，你再读同章节的 function calling 和 deep agents 页面，每一页正好对应其中一个组件，阅读顺序自然就有了。

任务二：用 Few-Shot 练一个日志分级提示

目标：让模型稳定输出日志级别。

做法：与其在提示里解释"什么算警告"，不如直接把几个样例贴进去，格式本身就是指令：

ERROR: 数据库连接超时，重试 3 次失败 WARN: 缓存命中率低于 80% INFO: 订单服务启动成功 磁盘使用率达到 91%，请分级：

结果：模型给出 WARN。Few-Shot 这一章里还有一个反直觉的发现——样例的标签贴错也没关系，模型真正学到的是标签集合和输出格式，而不是每条样例的对错。

关键机制拆解

仓库里的内容，串起来其实是一条"输入 → 处理 → 输出"的链路，三段各解决一个具体问题。

输入端：给模型一个参照系

它解决的问题：指令模糊时，输出空间太大，模型只能蒙。

做法：把输入拆成四个部分——指令、上下文、输入数据、示例（elements 页面有逐项说明）。任务难就加示例，像上面的日志分级；模型缺它不知道的知识，就先从外部文档库检索相关片段塞进上下文，这就是 RAG 章节覆盖的事。

处理端：让模型把推理摊开

它解决的问题：模型急着给结论，中间一步算错全错。

做法：在提示里要求它逐步作答，即 Chain-of-Thought。技巧章节的 Auto-CoT 实验把这种"先拆步再给答案"的模式量化了出来：

换成你自己的任务感受一下：

顾客退 5 件商品中的 2 件，每件 39 元， 另退运费补贴 8 元，包装费 15 元不退。 第 1 步：商品退款 = 2 × 39 = 78 第 2 步：合计退款 = 78 + 8 = 86 元

结果：中间步骤摆出来后，哪一步错了肉眼可见。同目录的 Self-Consistency 页面再进一步：多跑几次取多数答案，稳定性还能再提一档。

输出端：让结果能被程序接住

它解决的问题：自然语言式的输出没法直接解析，下游脚本一行格式对不上就中断。

做法：把输出格式写进提示——要 JSON、要表格、要固定字段顺序；量大了之后加一道校验，让模型对照约束自查，或交给格式校验器兜底。research 目录里关于结构化输出的章节有现成方案可抄。

踩坑清单

现象：pnpm dev 启动时报端口占用。原因：3000 端口已有别的进程在跑。解法：结束占用进程后重启，或换一个空闲端口再启动。

现象：安装或构建报错，依赖拉不下来。原因：Node 版本低于 18。解法：升到 Node 18 以上，删掉 node_modules 重新执行 pnpm install。

现象：新写了章节文件，侧边栏里却不显示。原因：只加了 mdx 文件，没在该目录的 _meta.xx.json 里登记条目。解法：在对应语言的 _meta 文件里补上键值对，键和文件名一致，值写显示名称。

现象：翻译完一章，页面打不开或内容缺失。原因：文件名后缀和目录约定没对齐，每章是"名称.语言.mdx"的命名格式。解法：对照同目录已有文件的命名；注意阿拉伯语单独放在 ar-pages/ 目录，其他语言才进 pages/ 下的语言后缀文件。

往哪走

刚上手的话，按顺序读完 introduction 目录的五页，再进 techniques 挑一个和你业务对口的页面把例子跑一遍。技巧过完之后，自然的下一站是 agents（function calling、deep agents 两条线），以及 guides 目录下较新的主题：上下文工程、深度研究、推理模型。

想参与贡献，门槛最低的是翻译：在 pages/ 下挑一种语言的 mdx 和 _meta 文件逐节补全即可。内容型贡献走 guides/ 目录，每个文件就是一个独立主题（prompts-intro.md、prompts-basic-usage.md 这类）。拿不准就开一个 issue 先讨论，或者直接提 PR。

这个仓库把"提示怎么写"从零散的博文变成了一套可本地运行、可逐章修改、可翻译的文档工程。现在就可以执行 pnpm dev，等侧边栏跳出来后，挑一个最贴近你业务的技巧页面，把示例完整做一遍。

【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