Prompt Engineering Guide 提示工程指南

1. 项目概述

Prompt Engineering Guide 是一份开源教育资源，汇集了研究论文、技巧、工具和实战示例，旨在帮助读者有效设计提示词，从而从大语言模型（LLM）中获得可靠且高质量的输出。

2. 背景与定位

该项目由 DAIR.AI（Democratizing Artificial Intelligence Research，人工智能研究民主化）创建并维护，其初衷是为了解决一个普遍问题：随着 GPT-4、LLaMA 和 Gemini 等 LLM 的能力日益增强，开发者和研究人员却缺乏一个统一、结构化的场所来系统学习如何有效地进行提示。相关技巧散落在学术论文、博客文章和推文中，缺乏一个将理论与实践联系起来的连贯框架。

本指南的核心使命是让每个人——从零基础初学者到专业研究人员——都能获取提示工程知识。为此，我们精选最新论文，将其提炼为通俗易懂的指南，并辅以可运行的 Notebook。

与类似的“awesome list”风格仓库不同，本指南在教学深度上独树一帜：它不仅仅是提供资源链接，而是构建了一套循序渐进的课程体系（基础 → 高级技巧 → 应用 → 风险），维护着一个包含互动内容的配套网站（promptingguide.ai），并提供 13 种以上语言的版本，使其成为 LLM 生态系统中被引用最广泛的提示工程资源之一。

3. 功能分类

📘 核心指南（10+ 篇文章） —— 结构化课程，涵盖 LLM 设置、提示词基础、提示词要素及通用提示技巧。示例：《提示词简介》、《提示词基础》、《提示词要素》、《设计提示词的通用技巧》、《提示词示例》。
🧠 高级技巧（15+ 种技巧） —— 深入讲解基于已发表研究的成熟及前沿提示方法。示例：《零样本提示》、《少样本提示》、《思维链提示》、《思维树》、《ReAct 提示》、《检索增强生成（RAG）》。
🛠️ 应用场景 —— 将技巧转化为构建实际产品的实用案例指南。示例：《函数调用》、《数据生成》、《代码生成》、《应对生成数据集的多样性问题》、《图生成提示》。
⚠️ 风险与可靠性 —— 关于提示失败模式及其缓解方法的指导。示例：《对抗性提示》、《事实准确性》、《偏见》。
🤖 特定模型指南 —— 专门页面，解释各模型系列的提示特性与最佳实践。示例：《ChatGPT》、《GPT-4》、《LLaMA》、《Gemini》、《Mixtral》。
📚 提示词库 —— 分类整理的即用型提示词模板库。示例：《分类》、《编程》、《创意写作》、《评估》、《信息提取》、《数学》、《推理》、《摘要生成》。
💻 Notebook —— 可执行的 Jupyter Notebook，让学习者能够针对实时模型运行技巧，而不仅仅是阅读理论。

4. 核心亮点

基于研究的内容 —— 每种技巧都追溯至其原始论文，使读者不仅了解如何使用某种方法，还能理解其为何有效。
渐进式学习路径 —— 内容从基础知识组织到高级研究主题，既适合新手入门，也适合资深从业者进阶。
多语言无障碍访问 —— 在社区贡献者的推动下，积极维护 13 种以上语言的翻译，将受众范围扩展至英语开发者之外。
配套互动网站 —— promptingguide.ai 提供了指南的可搜索、易导航版本，并包含原始 Markdown/MDX 源码中没有的额外互动元素。
可执行 Notebook —— 将叙述性指南与可运行代码相结合，弥合了阅读技巧与实际操作之间的差距。
庞大活跃的社区 —— 该项目拥有数万 GitHub Star 和数百万学习者，受益于持续的社区审查与贡献，确保内容紧跟快速发展的领域步伐。

5. 按角色划分的使用场景

通用开发者 —— 在将 LLM 接入应用之前，学习如何为聊天机器人、编程助手和内容生成功能构建结构化提示词。
数据科学家与研究人员 —— 利用关联研究的技巧页面作为快速入门提示文献的途径，并使用 Notebook 快速原型化实验。
项目经理 / 产品负责人 —— 浏览应用和风险章节，了解当前 LLM 实际能实现的目标以及可靠性注意事项，从而为范围界定决策提供依据。

6. 快速开始

查找所需内容 —— 直接在网站上浏览指南，或在仓库的 /guides 和 /pages 目录中搜索特定技巧：

open https://www.promptingguide.ai

融入您的工作流 —— 克隆仓库以离线阅读原始 Markdown/MDX 内容，或在自己的文档中引用：

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

参与贡献 —— Fork 仓库，添加或改进指南、Notebook 或翻译，然后提交 Pull Request：

git checkout -b my-contribution
# 编辑 pages/ 或 notebooks/ 下的文件
git commit -am "Add: <简短说明>"
git push origin my-contribution

7. 项目结构

Prompt-Engineering-Guide/
├── pages/          # promptingguide.ai 网站的网页内容 (MDX)
│   ├── techniques/ # 提示技巧页面（少样本、CoT、ReAct、RAG 等）
│   ├── applications/ # 实际应用案例指南
│   ├── risks/       # 对抗性提示、事实准确性、偏见
│   └── models/       # 特定模型指南（GPT-4、LLaMA、Gemini 等）
├── notebooks/       # 可执行的 Jupyter Notebook
├── lecture/         # 配套视频讲座的幻灯片和材料
├── img/             # 指南中使用的图表和插图
└── README.md        # 项目概述与导航

pages/ 目录是线上网站的权威来源；大多数实质性贡献（新技巧、修正）都在此进行。

8. 相关生态系统

上游依赖：本指南引用并建立在主要 LLM 提供商和研究实验室（OpenAI GPT 系列、Meta LLaMA、Google Gemini、Mistral）的成果之上——它记录的是如何提示这些系统，而非将它们作为软件库依赖。
DAIR.AI 配套资源：DAIR.AI Academy 提供结构化、自进度的课程，对免费指南内容进行了扩展；配套的视频讲座和 Notebook 提供了精简的演练。
互补项目：可与 LLM 应用框架（如 LangChain、LlamaIndex）及评估工具配合使用——本指南涵盖在提示词中写什么，而这些框架则处理在应用中如何编排提示词。

9. 许可证

✅ 可将指南内容用于个人学习、内部培训，或作为商业产品的参考（MIT 许可证）。
✅ 可复制、修改和重新分发内容（包括衍生作品），前提是保留原始版权和许可声明。
❌ 不得在未注明出处的情况下将内容作为自己的原创作品展示。
ℹ️ MIT 许可证适用于仓库的文本和代码；第三方资产（如指南中引用的模型提供商 Logo）可能适用其自身的使用条款。

10. 常见问题解答

问：本指南是否隶属于 OpenAI、Google 或 Meta？
答：否。这是一份由 DAIR.AI 维护的独立、社区驱动的教育资源，记录了如何提示来自不同提供商的模型。

问：我必须运行 Notebook 才能从指南中受益吗？
答：不必——Markdown/MDX 指南是自包含的，可以独立阅读。Notebook 是为希望动手实践的读者提供的。

问：鉴于 LLM 发展迅速，内容的时效性如何？
答：该仓库处于积极维护状态，频繁的 Pull Request 会添加新技巧和特定模型的指导；请查看提交历史或网站以获取最新更新。

问：我可以将指南翻译成我的母语吗？
答：可以——翻译由社区贡献。在开始新的翻译之前，请检查现有的 Issue/PR，以避免重复工作。

问：我在哪里可以提问或与其他用户讨论技巧？
答：可通过项目的 Discord 社区以及 README 中链接的 GitHub Discussions/Issues 进行交流。

11. 快速链接

代码仓库：https://github.com/dair-ai/Prompt-Engineering-Guide
官方文档 / 网站：https://www.promptingguide.ai
贡献指南：https://github.com/dair-ai/Prompt-Engineering-Guide/blob/main/CONTRIBUTING.md
社区：仓库 README 中链接的 Discord 和 GitHub Discussions

12. 总结

Prompt Engineering Guide 是最全面、使用最广泛的开源资源之一，用于学习如何为大语言模型编写有效的提示词，并有研究引用、可运行的 Notebook 和活跃的全球社区作为支撑。对于任何使用 LLM 进行构建的人来说，它都极具价值——无论是开发首个聊天机器人功能的开发者，还是追踪最新提示技巧的研究人员——因为它将碎片化、快速迭代的知识体系整合成了一个单一、结构化且持续更新的参考资料。