Prompt-Engineering-GuideLLM提示词技巧、RAG与AI Agent的系统化教程库【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-GuidePrompt-Engineering-Guide 是一个开源的提示工程教程把 LLM 提示技巧、RAG 与 AI Agent 的知识整理成指南、论文、讲座和 Notebook 的一站式资源解决新手写提示词只能靠摸索、缺少系统材料的问题。解决什么问题为提示工程建立一张系统地图这个项目针对一个普遍痛点大模型能力很强但产出效果高度依赖提示词怎么写而这种能力一直缺少系统的公开教材。它从基础提示讲到思维链、RAG、AI Agent 等进阶技术并配套论文列表、模型介绍、风险警示和可直接套用的提示词库网站支持 13 种语言。核心概念是提示词的「四要素」结构指令 上下文 输入数据 输出指示。下图是教程里的少样本Few-shot情感分类示例模型不需要训练只要看几个示例就能「学会」新任务。快速上手如何第一次跑起来克隆仓库git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide想以网站形式本地浏览README.md 里有完整环境说明安装 Node 18 以上和 pnpm执行pnpm i装依赖再跑pnpm dev浏览器打开 http://localhost:3000 即可。不想跑环境就直接读文档从 guides/ 目录按入门到进阶的顺序读 8 篇指南再配合notebooks/pe-lecture.ipynb动手练习是最省事的路线。核心能力拆解先学哪些技术零样本与少样本从写第一句提示词开始一句话定义零样本只靠指令直接让模型完成任务少样本用 1-5 个示例做「上下文学习」引导输出格式。适合场景分类、翻译、信息抽取等结构化任务。相关模块guides/prompts-basic-usage.md、guides/prompts-advanced-usage.md。推理增强思维链及其衍生技术一句话定义让模型在给出答案前「分步推理」提高数学、逻辑类任务的可靠性衍生出自我一致性、思维树ToT、程序辅助 PAL 等做法。适合场景多步数学题、代码生成、复杂问答。相关模块guides/prompts-advanced-usage.md。应用与工具集成函数调用和代码生成一句话定义让模型调用外部函数或输出可执行代码把 LLM 从「聊天」变成「干活」。适合场景调用 API、数据库操作、自动化脚本。相关模块guides/prompts-applications.md、notebooks/pe-function-calling.ipynb。RAG 与 AI Agent拓展模型能力边界一句话定义RAG 把外部知识注入提示以减少幻觉AI Agent 则让模型自主规划任务、调用工具和记忆。适合场景企业知识库问答、长流程任务自动化。相关模块pages/research/、pages/agents/。一个真实场景演示一道数学推理题假设你要演示「让大模型解一道小学数学应用题」。直接提问时模型经常跳过计算过程直接给结论答案容易出错。 项目推荐的做法是改用思维链提示在提示里先给一个完整示例展示模型如何把「5 个球加 6 个球等于 11」这样的中间步骤写出来新题目就会模仿这种格式逐步作答准确率明显更稳。这个思路在notebooks/pe-lecture.ipynb里完整实现如果题目涉及精确算术还可以换成 PAL 的思路——让模型先写 Python 代码在解释器里执行后再把结果作为答案从根上避免算错数。常见问题资料有中文版吗有。网站支持 13 种语言中文页面在pages/目录里按语言后缀组织直接读guides/原文则是英文。跑 Notebook 需要额外付费吗需要。大部分 Notebook 调用 OpenAI、Gemini 等商业 API需自行配置 API Key。模型回答不稳定时先看什么⚠️ 先检查提示里是否写清了输出格式和约束再尝试少样本或思维链guides/prompts-reliability.md对可靠性问题有专门讨论。论文和研究章节适合新手吗建议先读完「技巧」和「应用」部分再回头看papers与research那时读起来会顺畅很多。无论你是需要快速集成 LLM 能力的开发者还是刚接触提示工程的学习者这个仓库都能提供对应的学习路径。建议以「读一篇技巧、跑一个 Notebook」的节奏推进打牢基础后再深入 RAG 与 AI Agent 等进阶主题。【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
Prompt-Engineering-Guide：LLM提示词技巧、RAG与AI Agent的系统化教程库
Prompt-Engineering-GuideLLM提示词技巧、RAG与AI Agent的系统化教程库【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-GuidePrompt-Engineering-Guide 是一个开源的提示工程教程把 LLM 提示技巧、RAG 与 AI Agent 的知识整理成指南、论文、讲座和 Notebook 的一站式资源解决新手写提示词只能靠摸索、缺少系统材料的问题。解决什么问题为提示工程建立一张系统地图这个项目针对一个普遍痛点大模型能力很强但产出效果高度依赖提示词怎么写而这种能力一直缺少系统的公开教材。它从基础提示讲到思维链、RAG、AI Agent 等进阶技术并配套论文列表、模型介绍、风险警示和可直接套用的提示词库网站支持 13 种语言。核心概念是提示词的「四要素」结构指令 上下文 输入数据 输出指示。下图是教程里的少样本Few-shot情感分类示例模型不需要训练只要看几个示例就能「学会」新任务。快速上手如何第一次跑起来克隆仓库git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide想以网站形式本地浏览README.md 里有完整环境说明安装 Node 18 以上和 pnpm执行pnpm i装依赖再跑pnpm dev浏览器打开 http://localhost:3000 即可。不想跑环境就直接读文档从 guides/ 目录按入门到进阶的顺序读 8 篇指南再配合notebooks/pe-lecture.ipynb动手练习是最省事的路线。核心能力拆解先学哪些技术零样本与少样本从写第一句提示词开始一句话定义零样本只靠指令直接让模型完成任务少样本用 1-5 个示例做「上下文学习」引导输出格式。适合场景分类、翻译、信息抽取等结构化任务。相关模块guides/prompts-basic-usage.md、guides/prompts-advanced-usage.md。推理增强思维链及其衍生技术一句话定义让模型在给出答案前「分步推理」提高数学、逻辑类任务的可靠性衍生出自我一致性、思维树ToT、程序辅助 PAL 等做法。适合场景多步数学题、代码生成、复杂问答。相关模块guides/prompts-advanced-usage.md。应用与工具集成函数调用和代码生成一句话定义让模型调用外部函数或输出可执行代码把 LLM 从「聊天」变成「干活」。适合场景调用 API、数据库操作、自动化脚本。相关模块guides/prompts-applications.md、notebooks/pe-function-calling.ipynb。RAG 与 AI Agent拓展模型能力边界一句话定义RAG 把外部知识注入提示以减少幻觉AI Agent 则让模型自主规划任务、调用工具和记忆。适合场景企业知识库问答、长流程任务自动化。相关模块pages/research/、pages/agents/。一个真实场景演示一道数学推理题假设你要演示「让大模型解一道小学数学应用题」。直接提问时模型经常跳过计算过程直接给结论答案容易出错。 项目推荐的做法是改用思维链提示在提示里先给一个完整示例展示模型如何把「5 个球加 6 个球等于 11」这样的中间步骤写出来新题目就会模仿这种格式逐步作答准确率明显更稳。这个思路在notebooks/pe-lecture.ipynb里完整实现如果题目涉及精确算术还可以换成 PAL 的思路——让模型先写 Python 代码在解释器里执行后再把结果作为答案从根上避免算错数。常见问题资料有中文版吗有。网站支持 13 种语言中文页面在pages/目录里按语言后缀组织直接读guides/原文则是英文。跑 Notebook 需要额外付费吗需要。大部分 Notebook 调用 OpenAI、Gemini 等商业 API需自行配置 API Key。模型回答不稳定时先看什么⚠️ 先检查提示里是否写清了输出格式和约束再尝试少样本或思维链guides/prompts-reliability.md对可靠性问题有专门讨论。论文和研究章节适合新手吗建议先读完「技巧」和「应用」部分再回头看papers与research那时读起来会顺畅很多。无论你是需要快速集成 LLM 能力的开发者还是刚接触提示工程的学习者这个仓库都能提供对应的学习路径。建议以「读一篇技巧、跑一个 Notebook」的节奏推进打牢基础后再深入 RAG 与 AI Agent 等进阶主题。【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
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
