如何搭起自己的提示工程知识库Prompt-Engineering-Guide 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-GuidePrompt-Engineering-Guide 是一个提示工程Prompt Engineering开源仓库。它把提示词、方法论、论文和实践笔记本整合在一处解决 AI 应用开发中“技巧到处找”的问题。适合初学提示词的新手也适合搭建 RAG 或 Agent 系统的开发者。从“模型不听指令”说起你随手写一句“帮我写产品文案”得到的往往是通稿式内容。补几句约束会好一些换个模型版本又不稳定。问题不在“多试一次”而在于提示词技巧没有体系化。这个仓库把零样本、少样本、思维链让模型分步推理的方法、RAG检索增强生成等方法整理成一套能读、能跑的文档查到一个技巧就能立刻验证。 本地跑起来三步走你只需要 Node.jsNode 运行环境建议 18 以上和 pnpmNode 的包管理工具。git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev启动成功后在浏览器打开http://localhost:3000/就能看到全部中英双语文档以及 GPT-4、Claude、Llama 等各模型的官方提示词集合。 内容结构五大模块 实践笔记本文档按目录划分为五个板块对应不同学习阶段模块内容解决的问题Introduction提示词结构与基本用法如何写出可用指令Techniques少样本、思维链、ReAct 等 17 种方法模型不听话、不会推理时怎么办Applications代码生成、函数调用、RAG 实践技巧如何落到产品里ModelsGPT-4、Claude 等单模型提示词集合不同模型该怎么问ResearchRAG 忠实度、LLM 推理等前沿论文如何跟进最新研究喜欢读文章的话guides/prompts-basic-usage.md 所在的指南目录还有 9 篇提示词指南高级用法与可靠性两篇值得细读。喜欢动手的notebooks/ 里有 12 个 Jupyter 笔记本从基础对话一路覆盖到 RAG 和 ReAct 智能体。⚙️ 进阶玩法思维链 提示链组合先看单条提示的痛点优化前把这份 50 页白皮书的核心观点总结成 300 字报告输出容易泛泛而谈或漏掉重点。优化后拆成两步提示链的思路第一步列出白皮书的 5 个核心观点逐行输出并标注页码 第二步基于该清单生成 300 字摘要并指出缺少数据支撑的观点第二步依赖第一步的输出错误不会传播。推理类任务还可以追加“分步思考”要求这就是思维链方法——模型把中间推理写出来最终答案更稳。仓库的 Techniques 模块中提示链prompt chaining有专门页面配了完整示例可以对照查看。️ 避坑速查四个高频问题现象依赖安装失败 →原因Node 版本过低 →解法升级到 Node 18 以上重新执行pnpm install现象3000 端口被占用、页面打不开 →原因其他服务占用了端口 →解法启动命令加-p 3001换端口现象同一提示词在不同模型上差别大 →原因各模型指令遵循风格不同 →解法到 Models 模块查对应模型的提示词集合参考官方写法现象模型输出不稳定 →原因提示词缺约束和示例 →解法按 Techniques 的少样本方法补 2~3 组输入输出样例️ 从入门到深入三步路线入门第 1 周读完 pages/introduction/ 的 basics 和 elements 两章自己写 3 条提示词并对比前后差异进阶第 2~4 周练熟少样本与思维链把pe-chatgpt-intro.ipynb这个笔记本完整跑一遍深入第 2 个月进入 techniques 与 research 模块尝试把 RAG 加函数调用组合起来搭一个小应用现在就去克隆仓库把第一章读完——这是最快的上手方式。【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
如何搭起自己的提示工程知识库：Prompt-Engineering-Guide 实战指南
如何搭起自己的提示工程知识库Prompt-Engineering-Guide 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-GuidePrompt-Engineering-Guide 是一个提示工程Prompt Engineering开源仓库。它把提示词、方法论、论文和实践笔记本整合在一处解决 AI 应用开发中“技巧到处找”的问题。适合初学提示词的新手也适合搭建 RAG 或 Agent 系统的开发者。从“模型不听指令”说起你随手写一句“帮我写产品文案”得到的往往是通稿式内容。补几句约束会好一些换个模型版本又不稳定。问题不在“多试一次”而在于提示词技巧没有体系化。这个仓库把零样本、少样本、思维链让模型分步推理的方法、RAG检索增强生成等方法整理成一套能读、能跑的文档查到一个技巧就能立刻验证。 本地跑起来三步走你只需要 Node.jsNode 运行环境建议 18 以上和 pnpmNode 的包管理工具。git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev启动成功后在浏览器打开http://localhost:3000/就能看到全部中英双语文档以及 GPT-4、Claude、Llama 等各模型的官方提示词集合。 内容结构五大模块 实践笔记本文档按目录划分为五个板块对应不同学习阶段模块内容解决的问题Introduction提示词结构与基本用法如何写出可用指令Techniques少样本、思维链、ReAct 等 17 种方法模型不听话、不会推理时怎么办Applications代码生成、函数调用、RAG 实践技巧如何落到产品里ModelsGPT-4、Claude 等单模型提示词集合不同模型该怎么问ResearchRAG 忠实度、LLM 推理等前沿论文如何跟进最新研究喜欢读文章的话guides/prompts-basic-usage.md 所在的指南目录还有 9 篇提示词指南高级用法与可靠性两篇值得细读。喜欢动手的notebooks/ 里有 12 个 Jupyter 笔记本从基础对话一路覆盖到 RAG 和 ReAct 智能体。⚙️ 进阶玩法思维链 提示链组合先看单条提示的痛点优化前把这份 50 页白皮书的核心观点总结成 300 字报告输出容易泛泛而谈或漏掉重点。优化后拆成两步提示链的思路第一步列出白皮书的 5 个核心观点逐行输出并标注页码 第二步基于该清单生成 300 字摘要并指出缺少数据支撑的观点第二步依赖第一步的输出错误不会传播。推理类任务还可以追加“分步思考”要求这就是思维链方法——模型把中间推理写出来最终答案更稳。仓库的 Techniques 模块中提示链prompt chaining有专门页面配了完整示例可以对照查看。️ 避坑速查四个高频问题现象依赖安装失败 →原因Node 版本过低 →解法升级到 Node 18 以上重新执行pnpm install现象3000 端口被占用、页面打不开 →原因其他服务占用了端口 →解法启动命令加-p 3001换端口现象同一提示词在不同模型上差别大 →原因各模型指令遵循风格不同 →解法到 Models 模块查对应模型的提示词集合参考官方写法现象模型输出不稳定 →原因提示词缺约束和示例 →解法按 Techniques 的少样本方法补 2~3 组输入输出样例️ 从入门到深入三步路线入门第 1 周读完 pages/introduction/ 的 basics 和 elements 两章自己写 3 条提示词并对比前后差异进阶第 2~4 周练熟少样本与思维链把pe-chatgpt-intro.ipynb这个笔记本完整跑一遍深入第 2 个月进入 techniques 与 research 模块尝试把 RAG 加函数调用组合起来搭一个小应用现在就去克隆仓库把第一章读完——这是最快的上手方式。【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
![[C++11] { }列表初始化](http://pic.xiahunao.cn/yaotu/[C++11] { }列表初始化)
![[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)
