Prompt Engineering Guide

1. 專案概述

Prompt Engineering Guide 是一份開源教育資源，彙整了研究論文、技術、工具及實作範例，旨在協助使用者有效設計提示詞，以從大型語言模型（LLM）獲得可靠且高品質的輸出。

2. 背景與定位

本專案由 DAIR.AI（Democratizing Artificial Intelligence Research）建立並維護，其初衷是為了解決一個常見問題：隨著 GPT-4、LLaMA 和 Gemini 等 LLM 的功能日益強大，開發人員和研究人員卻缺乏單一且結構化的場所來學習如何有效地對其進行提示。相關技術散見於學術論文、部落格文章和推文中，缺乏一致的架構將理論與實務連結起來。

本指南的核心使命是讓每個人都能獲取提示工程知識——從完全的新手到研究人員皆然。我們透過精選最新論文、將其提煉為淺顯易懂的指南，並搭配可執行的 Notebook 來實現這一目標。

它與類似的「精選清單」風格儲存庫的不同之處在於其教學深度：它不僅僅是連結資源，還建構了一套循序漸進的課程體系（基礎 → 進階技術 → 應用 → 風險），維護著一個包含互動內容的配套網站（promptingguide.ai），並提供超過 13 種語言版本，使其成為 LLM 生態系統中被引用最廣泛的提示工程資源之一。

3. 功能分類

📘 核心指南（10+ 篇文章）——結構化課程，涵蓋 LLM 設定、提示基礎、提示要素及通用提示技巧。範例：《提示介紹》、《提示基礎》、《提示要素》、《設計提示的通用技巧》、《提示範例》。
🧠 進階技術（15+ 種技術）——深入涵蓋基於已發表研究的成熟及前沿提示方法。範例：《零樣本提示》、《少樣本提示》、《思維鏈提示》、《思維樹》、《ReAct 提示》、《檢索增強生成（RAG）》。
🛠️ 應用——將技術轉化為建構實際產品的實用案例指南。範例：《函式呼叫》、《資料生成》、《程式碼生成》、《解決生成資料集的多樣性問題》、《圖形生成提示》。
⚠️ 風險與可靠性——關於提示失敗模式及其緩解方法的指導。範例：《對抗性提示》、《事實準確性》、《偏見》。
🤖 特定模型指南——專門頁面，解釋各模型系列的提示特性與最佳實踐。範例：《ChatGPT》、《GPT-4》、《LLaMA》、《Gemini》、《Mixtral》。
📚 提示中心——分類整理的即用型提示模板庫。範例：《分類》、《程式設計》、《創意寫作》、《評估》、《資訊提取》、《數學》、《推理》、《摘要》。
💻 Notebook——可執行的 Jupyter Notebook，讓學習者能夠針對即時模型執行技術，而不僅僅是閱讀相關內容。

4. 主要亮點

以研究為基礎的內容——每項技術都追溯至其原始論文，讓讀者不僅理解如何使用某種方法，更能理解其為何有效。
循序漸進的學習路徑——內容從基礎知識組織到進階研究主題，適合新手與資深從業人員。
多語言無障礙支援——由社群貢獻者驅動的 13 種以上語言翻譯持續維護中，將影響力擴展至英語系開發人員之外。
配套互動網站——promptingguide.ai 提供了指南的可搜尋、易導航版本，並包含原始 Markdown/MDX 原始碼中沒有的額外互動元素。
可執行的 Notebook——將敘述性指南與可執行程式碼相結合，縮小了閱讀技術與實際應用之間的差距。
龐大活躍的社群——擁有數萬顆 GitHub Star 並觸及數百萬學習者，本專案受益於社群的持續審查與貢獻，使其能緊跟這個快速發展領域的步伐。

5. 依角色劃分的使用案例

一般開發人員——在將 LLM 整合到應用程式之前，學習如何為聊天機器人、程式設計助理和內容生成功能建構提示詞。
資料與研究科學家——利用連結研究的技術頁面作為進入提示文獻的快速入門途徑，並使用 Notebook 快速製作實驗原型。
專案經理 / 產品負責人——瀏覽應用與風險章節，了解當前 LLM 實際能達成的目標以及可靠性注意事項適用的範圍，從而為範疇界定決策提供依據。

6. 快速開始

尋找所需內容——直接在網站上瀏覽指南，或在儲存庫的 /guides 和 /pages 目錄中搜尋特定技術：

open https://www.promptingguide.ai

在您自己的工作流程中使用——複製儲存庫以離線閱讀原始 Markdown/MDX 內容，或從您自己的文件中引用：

git clone https://github.com/dair-ai/Prompt-Engineering-Guide.git

貢獻——分支儲存庫，新增或改進指南、Notebook 或翻譯，然後開啟拉取請求：

git checkout -b my-contribution
# 編輯 pages/ 或 notebooks/ 下的文件
git commit -am "Add: <簡短說明>"
git push origin my-contribution

7. 專案結構

Prompt-Engineering-Guide/
├── pages/          # promptingguide.ai 網站的網頁內容 (MDX)
│   ├── techniques/ # 提示技術頁面 (few-shot, CoT, ReAct, RAG, ...)
│   ├── applications/ # 應用案例指南
│   ├── risks/       # 對抗性提示、事實準確性、偏見
│   └── models/       # 特定模型指南 (GPT-4, LLaMA, Gemini, ...)
├── notebooks/       # 可執行的 Jupyter Notebook
├── lecture/         # 配套影片講座的投影片與教材
├── img/             # 指南中使用的圖表與插圖
└── README.md        # 專案概述與導覽

pages/ 目錄是線上網站的權威來源；大多數實質性貢獻（新技術、修正）都在此進行。

8. 相關生態系統

上游依賴：本指南引用並建構於主要 LLM 供應商和研究實驗室（OpenAI GPT 模型、Meta LLaMA、Google Gemini、Mistral）的輸出之上——它記錄的是如何對這些系統進行提示，而非將其作為軟體函式庫來依賴。
DAIR.AI 的配套資源：DAIR.AI Academy 提供結構化的自訂進度課程，擴充了免費指南的內容；配套的影片講座和 Notebook 則提供了精簡的導覽。
互補專案：可與 LLM 應用框架（如 LangChain、LlamaIndex）及評估工具配合使用——本指南涵蓋在提示中寫什麼，而這些框架則負責處理提示在應用中如何被編排。

9. 授權條款

✅ 將指南內容用於個人學習、內部培訓或作為商業產品的參考（MIT 授權）。
✅ 複製、修改和重新發布內容（包括衍生作品），前提是保留原始版權和授權聲明。
❌ 不得在未註明出處的情況下將內容呈現為您自己的原創作品。
ℹ️ MIT 授權適用於儲存庫的文字和程式碼；第三方資產（例如指南中引用的模型供應商標誌）可能適用其自身的使用條款。

10. 常見問題

問：本指南是否隸屬於 OpenAI、Google 或 Meta？
答：否。這是由 DAIR.AI 維護的獨立、社群驅動教育資源，記錄如何對來自各家供應商的模型進行提示。

問：我是否需要執行 Notebook 才能從指南中獲益？
答：不需要——Markdown/MDX 指南是自成一體的，可以獨立閱讀。Notebook 是為希望動手實作的讀者提供的。

問：鑑於 LLM 發展迅速，內容的時效性如何？
答：本儲存庫積極維護，頻繁有拉取請求新增技術和特定模型的指導；請查看提交歷史或網站以獲取最新更新。

問：我可以將指南翻譯成我的語言嗎？
答：可以——翻譯由社群貢獻。在開始新的翻譯之前，請檢查現有的議題/PR 以確認是否已有相關翻譯工作，避免重複勞動。

問：我在哪裡可以提問或與其他使用者討論技術？
答：透過專案的 Discord 社群以及 README 中連結的 GitHub Discussions/Issues。

11. 快速連結

儲存庫：https://github.com/dair-ai/Prompt-Engineering-Guide
官方文件 / 網站：https://www.promptingguide.ai
貢獻指南：https://github.com/dair-ai/Prompt-Engineering-Guide/blob/main/CONTRIBUTING.md
社群：Discord 和 GitHub Discussions（連結位於儲存庫 README 中）

12. 總結

Prompt Engineering Guide 是最全面且廣泛使用的開源資源之一，用於學習如何為大型語言模型撰寫有效的提示詞，並有研究引用、可執行的 Notebook 和活躍的全球社群作為後盾。對於任何使用 LLM 進行開發的人來說，它都極具價值——無論是推出首個聊天機器人功能的開發人員，還是追蹤最新提示技術的研究人員——因為它將零散且快速演變的知識體系轉化為單一、結構化且持續更新的參考資源。