Prompt Engineering 完全教程从AI 听不懂话到稳定产出只要 3 步【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你写的需求AI 答非所问是模型的错吗未必。开源指南 Prompt-Engineering-GuidePrompt Engineering Guide把让大模型稳定输出好结果的整套方法整理成了可跟着读的路径覆盖提示工程、上下文工程、RAG 和 AI Agents支持中文在内的 13 种语言。想让日常用的 AI听懂一次就会这里是少数能免费、系统地找到答案的地方。 它适合谁对号入座 3 个场景这节帮你判断自己是不是目标读者。每天写 prompt 但效果不稳定你是运营或初级开发让 AI 写文案、改代码、总结文档。读完基础篇加技巧篇你能拿到一套可复用的提示模板不再靠手感碰运气。想让模型基于自己的资料回答你手上有内部知识库、产品手册等私有数据。RAG 章节教你让模型先看资料再回答不用微调就能把私有知识接进去。想搭能调用工具、跑长任务的助手你在做一个研究机器人或工作助理。agents 章节把工具、记忆、规划三件套拆开讲还配了 deep research 助手的完整案例。 最短学习路径3 步上手这节给你阅读顺序不必通读全书。先读基础从 pages/introduction/basics.en.mdx 开始10 分钟掌握提示的四要素任务、上下文、约束、输出格式。练一个技巧读思维链 pages/techniques/cot.en.mdx再跟着 notebooks/pe-chatgpt-intro.ipynb 跑一遍你会直观看到让模型写出步骤前后效果差多少。按场景选方向要基于私有资料问答就去读 pages/techniques/rag.en.mdx 配 notebooks/pe-rag.ipynb要搭智能体就看 pages/agents/introduction.en.mdx主写代码就看 pages/applications/coding.en.mdx。想要现成的提示词范例pages/prompts.en.mdx 按场景分类收录了大量可直接改用的模板。⚙️ 关键机制拆解为什么这么设计这节讲三个核心设计点背后的逻辑看懂它们再多的进阶变体也不会乱。思维链让模型写出解题过程同一道数学推理题模型直接给答案时经常逻辑错、答案错提示里加一句让我们一步步想模型先列出推理步骤再下结论多步问题的错误率明显下降。道理很朴素写出中间步骤相当于让学生展示解题过程每一步都可检查、后一步有据可依所以指南把思维链放在所有进阶技巧的入口。RAG给模型开卷考试模型的知识训练完就固定了问它最新数据或公司内部流程它只能编。检索增强生成RAG的思路是不让模型硬记提问时先检索相关资料塞进提示里让它照着材料回答。这就是开卷考试模型只负责读材料、做归纳知识更新只需更新数据不用重新训练。智能体工具、记忆、规划三件套单次提示是一次对话智能体是一个长任务。指南把它拆成三个组件工具模型不会的交给外部 API、代码执行器、搜索引擎去做。记忆记住已完成的步骤任务才不会跑着跑着丢线索。规划把大任务拆成子任务逐个执行、随时修正。对应到人就是工具包、工作日志、任务清单一个都不能少。 进阶与可选项想深入时再来这节只指路读完上面再回来。上下文工程系统提示、工具描述、记忆管理怎么设计见 pages/guides/context-engineering-guide.en.mdx。深度研究与推理模型pages/guides/deep-research.en.mdx、pages/guides/reasoning-llms.en.mdx。论文清单pages/papers.en.mdx 按主题整理论文某个技巧看不懂就回这里找原文。1 小时讲座lecture/Prompt-Engineering-Lecture-Elvis.pdf 是完整讲义适合快速建立全局。想本地运行站点或参与翻译先 clone 仓库https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide再按 README.md 的步骤装依赖并运行pnpm dev。⚠️ 最容易踩的 5 个坑这节是别人踩过的经验每条花一分钟就能避开。不带上下文就提需求模型不知道你的业务、读者和约束先给目标和背景再提问题。硬让模型算复杂数值算术、日期、单位换算让它写代码算PAL或调用工具比心算稳定得多。一次输出就下结论同一个 prompt 每次跑结果都有波动判定它好不好之前先跑 5 次。把私有资料直接贴进提示资料走 RAG别塞上下文长度有上限成本还随长度涨。跳读进阶技巧思维链没吃透就看思维树、ReAct等于没背乘法表就做应用题按章节顺序走不亏。一句话收尾这份指南的价值是把试错路径压缩成一条学习路径基础打牢、技巧上手、RAG 与智能体进阶每一步都有文档和可运行的例子。想开始的话直接看 README.md 里的完整目录即可。【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 完全教程：从“AI 听不懂话“到稳定产出只要 3 步
Prompt Engineering 完全教程从AI 听不懂话到稳定产出只要 3 步【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你写的需求AI 答非所问是模型的错吗未必。开源指南 Prompt-Engineering-GuidePrompt Engineering Guide把让大模型稳定输出好结果的整套方法整理成了可跟着读的路径覆盖提示工程、上下文工程、RAG 和 AI Agents支持中文在内的 13 种语言。想让日常用的 AI听懂一次就会这里是少数能免费、系统地找到答案的地方。 它适合谁对号入座 3 个场景这节帮你判断自己是不是目标读者。每天写 prompt 但效果不稳定你是运营或初级开发让 AI 写文案、改代码、总结文档。读完基础篇加技巧篇你能拿到一套可复用的提示模板不再靠手感碰运气。想让模型基于自己的资料回答你手上有内部知识库、产品手册等私有数据。RAG 章节教你让模型先看资料再回答不用微调就能把私有知识接进去。想搭能调用工具、跑长任务的助手你在做一个研究机器人或工作助理。agents 章节把工具、记忆、规划三件套拆开讲还配了 deep research 助手的完整案例。 最短学习路径3 步上手这节给你阅读顺序不必通读全书。先读基础从 pages/introduction/basics.en.mdx 开始10 分钟掌握提示的四要素任务、上下文、约束、输出格式。练一个技巧读思维链 pages/techniques/cot.en.mdx再跟着 notebooks/pe-chatgpt-intro.ipynb 跑一遍你会直观看到让模型写出步骤前后效果差多少。按场景选方向要基于私有资料问答就去读 pages/techniques/rag.en.mdx 配 notebooks/pe-rag.ipynb要搭智能体就看 pages/agents/introduction.en.mdx主写代码就看 pages/applications/coding.en.mdx。想要现成的提示词范例pages/prompts.en.mdx 按场景分类收录了大量可直接改用的模板。⚙️ 关键机制拆解为什么这么设计这节讲三个核心设计点背后的逻辑看懂它们再多的进阶变体也不会乱。思维链让模型写出解题过程同一道数学推理题模型直接给答案时经常逻辑错、答案错提示里加一句让我们一步步想模型先列出推理步骤再下结论多步问题的错误率明显下降。道理很朴素写出中间步骤相当于让学生展示解题过程每一步都可检查、后一步有据可依所以指南把思维链放在所有进阶技巧的入口。RAG给模型开卷考试模型的知识训练完就固定了问它最新数据或公司内部流程它只能编。检索增强生成RAG的思路是不让模型硬记提问时先检索相关资料塞进提示里让它照着材料回答。这就是开卷考试模型只负责读材料、做归纳知识更新只需更新数据不用重新训练。智能体工具、记忆、规划三件套单次提示是一次对话智能体是一个长任务。指南把它拆成三个组件工具模型不会的交给外部 API、代码执行器、搜索引擎去做。记忆记住已完成的步骤任务才不会跑着跑着丢线索。规划把大任务拆成子任务逐个执行、随时修正。对应到人就是工具包、工作日志、任务清单一个都不能少。 进阶与可选项想深入时再来这节只指路读完上面再回来。上下文工程系统提示、工具描述、记忆管理怎么设计见 pages/guides/context-engineering-guide.en.mdx。深度研究与推理模型pages/guides/deep-research.en.mdx、pages/guides/reasoning-llms.en.mdx。论文清单pages/papers.en.mdx 按主题整理论文某个技巧看不懂就回这里找原文。1 小时讲座lecture/Prompt-Engineering-Lecture-Elvis.pdf 是完整讲义适合快速建立全局。想本地运行站点或参与翻译先 clone 仓库https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide再按 README.md 的步骤装依赖并运行pnpm dev。⚠️ 最容易踩的 5 个坑这节是别人踩过的经验每条花一分钟就能避开。不带上下文就提需求模型不知道你的业务、读者和约束先给目标和背景再提问题。硬让模型算复杂数值算术、日期、单位换算让它写代码算PAL或调用工具比心算稳定得多。一次输出就下结论同一个 prompt 每次跑结果都有波动判定它好不好之前先跑 5 次。把私有资料直接贴进提示资料走 RAG别塞上下文长度有上限成本还随长度涨。跳读进阶技巧思维链没吃透就看思维树、ReAct等于没背乘法表就做应用题按章节顺序走不亏。一句话收尾这份指南的价值是把试错路径压缩成一条学习路径基础打牢、技巧上手、RAG 与智能体进阶每一步都有文档和可运行的例子。想开始的话直接看 README.md 里的完整目录即可。【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)
