Prompt Engineering Guide 提示工程指南
面向大模型应用开发者的提示工程系统指南，覆盖提示技术、RAG、上下文工程与 AI Agent，汇集论文、课程、Notebook 与实战案例，并提供多语言网页版。
过去 7 天收获 2 颗 Star
爱鲜报评分
0.0
0 人评分
8k
星数
否
中文
MDX
主语言
是
活跃
212
贡献者
人工分析
EDITORIAL推荐理由
这是目前最系统、更新最活跃的提示工程学习资料之一，从零样本、少样本到思维链、ReAct、RAG 与 Agent 都有清晰讲解和论文出处。适合作为团队内部 LLM 应用开发的参考手册，也适合个人按章节系统学习。内容以英文为主，但结构清晰、示例丰富，配合网页版阅读体验更好。
适用场景
- LLM 应用提示词设计与调优
- RAG 与 AI Agent 方案调研
- 团队内部大模型开发培训
- 提示工程论文与技术跟踪
- 面试与课程学习参考
优点
- 内容体系完整，覆盖从基础到前沿技术
- 持续更新，紧跟 RAG、上下文工程与 Agent 趋势
- 附带论文、Notebook 与案例，便于动手实践
- 社区活跃，Star 数高，网页版多语言支持
缺点
- 正文以英文为主，中文内容依赖翻译
- 部分章节偏概念介绍，工程落地细节有限
- 技术迭代快，个别示例可能滞后于最新模型
上手难度
入门
项目简介
Prompt Engineering Guide 是由 DAIR.AI 维护的提示工程学习资源库，系统整理了与大语言模型（LLM）提示设计相关的指南、论文、课程、Notebook 和实战案例。项目同时提供网页版，内容覆盖提示工程、上下文工程、RAG 与 AI Agent 等方向。
主要内容
基础入门
- LLM 参数设置与提示基础
- 提示元素拆解与通用设计技巧
- 常见提示示例与写法对比
提示技术
涵盖零样本、少样本、思维链（CoT）、自一致性、思维树（ToT）、ReAct、RAG、自动提示工程（APE）等主流技术，每类技术通常配有原理说明与论文引用。
应用与提示库
- 函数调用、代码生成、数据生成等应用场景
- 按分类、编程、推理、摘要、对抗提示等维度整理的 Prompt Hub
模型与风险
介绍 ChatGPT、GPT-4、LLaMA、Gemini、Mistral 等模型特点，并讨论对抗提示与误用风险。
使用建议
推荐路径：
1. 先读 Introduction 建立提示设计直觉
2. 按需学习 Techniques 中的具体方法
3. 结合 Prompt Hub 与 Notebook 动手实验
4. 关注 RAG 与 Agent 章节用于工程落地
项目以文档为主，不提供统一安装命令；Notebook 部分可按各自说明在本地或云端环境运行。
适合谁
适合希望系统掌握提示工程的产品经理、算法工程师、后端开发者，以及正在构建 RAG 或 Agent 应用的团队。
评论
- 暂无评论，来写第一条吧。