提示工程从零基础提示词到AI智能体的完整实战指南【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你直接问大模型一个问题它答非所问要求 JSON 格式它返回一大段散文复杂算数题它直接给个错答案。这些问题靠的都不是模型而是你写提示词的方法也就是提示工程Prompt Engineering通过设计输入语句让大模型给出更好回答的技术。开源项目 Prompt-Engineering-Guide 把提示词教程、18 种提示技术、12 个 Jupyter notebook 和 13 种语言文档整理成了一个可本地运行的完整指南带你把提示词从碰运气变成可复用的技能。先跑起来4 条命令在本地打开完整指南指南用 Nextra一个 Next.js 文档框架构建需要 Node 18 或更高版本然后执行git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev跑通后访问 http://localhost:3000/你会看到一份可点击跳转的文档站左侧是 Introduction、Prompting Techniques、AI Agents 等章节正文配图表、代码示例和论文索引支持 13 种语言切换。它到底解决了什么问题3 类高频痛点对照痛点场景以前怎么做用它怎么做问模型答非所问直接丢一句“天空是”模型顺着往下编指令式提示词先说清任务再给输入输出稳定可控 输出格式不符合系统要求只写指令模型返回Neutral但你要的是小写neutral少样本提示词Few-shot在提示里附上示例让模型模仿加一组示例模型立刻对齐目标格式 复杂算数题直接算错模型跳过程序给最终答案错得理直气壮思维链提示词要求“分步推理”正确率明显提升 以上三组对照都出自指南里的真实示例完整提示词可以在本地文档站或 guides/prompts-basic-usage.md 里看到原文。核心能力拆解提示词、推理技术、应用与智能体指南按“入门 → 技术 → 应用 → 模型 → 风险”组织内容核心能力有五块基础提示词零样本、少样本与提示词四要素这是最常用的一层。零样本提示词Zero-shot只给指令不给示例处理简单任务够用少样本则靠示例让模型模仿。指南把一条提示词拆成四个要素指令让模型做什么、上下文外部信息、输入数据具体要处理的内容、输出指示期望的格式。上手的关键动作把任务按四要素填空再用示例校准格式。进阶技术思维链与另外 17 种方法techniques 目录收录 18 种技术思维链、自洽性Self-Consistency多次推理取众数、思维树Tree of Thoughts、提示链Prompt Chaining把大任务拆成串行小任务、RAG检索增强生成先检索知识再回答、ReAct、Reflexion 等。以思维链为例适合场景数学、多步推理类任务。上手的关键动作在提示词里写“分步推理”指令并附上 12 个带中间步骤的示例。应用篇函数调用、RAG 数据合成与代码生成applications 目录覆盖 6 个场景函数调用Function Calling让模型按 JSON 规范调外部接口、生成数据、为 RAG 合成训练数据集、生成代码、求职分类案例研究。上手的关键动作挑一个贴近业务的场景照抄示例提示词替换成自己的数据和接口描述。模型专区每个模型一套提示风格models 目录对 ChatGPT、GPT-4、Gemini、Llama、Mixtral、Phi-2 等逐一讲解包括各家的 benchmark、视觉能力与专属提示风格。上手的关键动作先翻你正在用的那篇模型页对齐它的上下文长度与推荐写法。AI 智能体提示词调度工具、记忆与规划这是提示工程的上层应用。一个智能体Agent能自主调用工具完成任务的 AI 系统由工具、记忆、规划三块组成提示词负责调度三者协作。上手的关键动作读懂智能体篇的组件说明再对照函数调用流程图理解一次完整闭环。跟做一遍用思维链把算错题改成对题选指南里经典的“苹果题”走一遍完整流程。第 1 步输入问模型“餐厅有 23 个苹果用了 20 个做午餐又买了 6 个还剩几个”。输出模型直接答 27错了。第 2 步定位问题模型跳过了中间步骤把减法做反了。第 3 步修改提示词在问题前面插入一个“网球题”的解题示例示范“先算 5611再答”的分步写法这就是少样本加思维链的组合。第 4 步重新输入同样的苹果题。输出模型先写 23−203再写 369答案是 9对了。整个改动只有一处提示词里多了几行示例。这说明提示工程优化的不是模型而是你喂给模型的信息组织方式。同样的思路可以复用到你手头的任何推理题。容易踩的坑5 个高频问题速查现象原因解决办法依赖装不上报错与 Node 版本相关README 要求 Node 18 以上低版本装不上 Nextra用node -v检查升到 18 再装终端提示 pnpm 不是命令系统没装 pnpm 包管理器先安装 pnpm再执行安装与启动命令本地启动失败端口被占用3000 端口被其他服务占了给 dev 命令加-p 3001换端口输出格式不稳定只给指令模型在自由发挥加 23 个少样本示例并写明期望格式算数、推理题答错模型倾向直接给最终答案加“分步推理”指令配 1 个带步骤的示例接下来可以做什么读完基础篇后你就能用指令加示例的组合做文本分类和信息抽取验证“提示词四要素”在自己业务上的效果。掌握思维链和提示链后你就能把需要多步拆解的长任务串成一条可复用的提示词流水线。打通 RAG 与函数调用两章后你就能把私有文档接进模型让回答有据可查、能调外部接口。进入 AI Agents 篇后你就能设计自己的多智能体工作流让模型自己规划任务并调用工具。现在就把指南 clone 下来跑起来从 guides/prompts-intro.md 开始按文档站的章节顺序往下读。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考