[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-GitHubDaily--ChatGPT-Prompt-Engineering-for-Developers-in-Chinese":3,"tool-GitHubDaily--ChatGPT-Prompt-Engineering-for-Developers-in-Chinese":65},[4,17,27,35,48,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",157379,2,"2026-04-15T23:32:42",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,3,"2026-04-06T11:19:32",[15,26,14,13],"图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85092,"2026-04-10T11:13:16",[26,43,44,45,14,46,15,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":54,"last_commit_at":55,"category_tags":56,"status":16},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[15,43,46],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":54,"last_commit_at":63,"category_tags":64,"status":16},6590,"gpt4all","nomic-ai\u002Fgpt4all","GPT4All 是一款让普通电脑也能轻松运行大型语言模型（LLM）的开源工具。它的核心目标是打破算力壁垒，让用户无需依赖昂贵的显卡（GPU）或云端 API，即可在普通的笔记本电脑和台式机上私密、离线地部署和使用大模型。\n\n对于担心数据隐私、希望完全掌控本地数据的企业用户、研究人员以及技术爱好者来说，GPT4All 提供了理想的解决方案。它解决了传统大模型必须联网调用或需要高端硬件才能运行的痛点，让日常设备也能成为强大的 AI 助手。无论是希望构建本地知识库的开发者，还是单纯想体验私有化 AI 聊天的普通用户，都能从中受益。\n\n技术上，GPT4All 基于高效的 `llama.cpp` 后端，支持多种主流模型架构（包括最新的 DeepSeek R1 蒸馏模型），并采用 GGUF 格式优化推理速度。它不仅提供界面友好的桌面客户端，支持 Windows、macOS 和 Linux 等多平台一键安装，还为开发者提供了便捷的 Python 库，可轻松集成到 LangChain 等生态中。通过简单的下载和配置，用户即可立即开始探索本地大模型的无限可能。",77307,"2026-04-11T06:52:37",[15,13],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":71,"readme_en":72,"readme_zh":73,"quickstart_zh":74,"use_case_zh":75,"hero_image_url":76,"owner_login":77,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":80,"owner_email":80,"owner_twitter":81,"owner_website":80,"owner_url":82,"languages":83,"stars":92,"forks":93,"last_commit_at":94,"license":80,"difficulty_score":54,"env_os":95,"env_gpu":96,"env_ram":96,"env_deps":97,"category_tags":100,"github_topics":101,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":107,"updated_at":108,"faqs":109,"releases":110},8087,"GitHubDaily\u002FChatGPT-Prompt-Engineering-for-Developers-in-Chinese","ChatGPT-Prompt-Engineering-for-Developers-in-Chinese","《面向开发者的 ChatGPT 提示词工程》非官方版中英双语字幕 Unofficial subtitles of \"ChatGPT Prompt Engineering for Developers\"","ChatGPT-Prompt-Engineering-for-Developers-in-Chinese 是一个开源项目，旨在为中文用户提供吴恩达与 OpenAI 专家 Iza Fulford 联合打造的《面向开发者的 ChatGPT 提示词工程》课程的中英双语字幕及配套资源。该项目解决了原版教程仅有英文内容、导致部分中文用户学习门槛较高的问题，让不懂英语的开发者也能第一时间掌握核心技能。\n\n它特别适合希望提升大模型应用能力的开发者、技术人员以及对 AI 感兴趣的初学者。通过本项目，用户可以观看带有精准中英对照字幕的视频教程，并直接获取课程配套的代码 Notebook 和笔记，实现“边学边练”。课程内容涵盖提示词最佳实践、情感分析、文本总结、邮件撰写、翻译及聊天机器人搭建等九大实用章节，不仅教授如何编写高质量 Prompt，还涉及 GPT 接口调用等开发知识。\n\n该项目的独特亮点在于提供了结构清晰的双语字幕文件（含分离后的纯中文或纯英文版本），方便不同需求的用户灵活使用；同时鼓励社区协作，欢迎用户提交 Pull Request 共同优化翻译质量。作为完全免费开放的学习资源，它基于 CC","ChatGPT-Prompt-Engineering-for-Developers-in-Chinese 是一个开源项目，旨在为中文用户提供吴恩达与 OpenAI 专家 Iza Fulford 联合打造的《面向开发者的 ChatGPT 提示词工程》课程的中英双语字幕及配套资源。该项目解决了原版教程仅有英文内容、导致部分中文用户学习门槛较高的问题，让不懂英语的开发者也能第一时间掌握核心技能。\n\n它特别适合希望提升大模型应用能力的开发者、技术人员以及对 AI 感兴趣的初学者。通过本项目，用户可以观看带有精准中英对照字幕的视频教程，并直接获取课程配套的代码 Notebook 和笔记，实现“边学边练”。课程内容涵盖提示词最佳实践、情感分析、文本总结、邮件撰写、翻译及聊天机器人搭建等九大实用章节，不仅教授如何编写高质量 Prompt，还涉及 GPT 接口调用等开发知识。\n\n该项目的独特亮点在于提供了结构清晰的双语字幕文件（含分离后的纯中文或纯英文版本），方便不同需求的用户灵活使用；同时鼓励社区协作，欢迎用户提交 Pull Request 共同优化翻译质量。作为完全免费开放的学习资源，它基于 CC BY-NC-SA 4.0 协议发布，是中文社区快速入门提示词工程的优质入口。","![banner](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_6dd1dba47cea.png)\n\n# 《ChatGPT Prompt Engineering for Developers》中英双语字幕\n\n该项目主要用于存放《面向开发者的 ChatGPT 提示词工程》非官方版中英双语字幕。\n\n- **中文视频地址：[面向开发者的 ChatGPT 提示词工程](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1s24y1F7eq\u002F)**\n- **英文原视频地址：[ChatGPT Prompt Engineering for Developers](https:\u002F\u002Flearn.deeplearning.ai\u002F)**\n- **配套代码与笔记：[《ChatGPT Prompt Engineering for Developers》课程中文版 Datawhale](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fprompt-engineering-for-developers)**\n\n如果你在观看视频的过程中，发现翻译出现错漏、错别字、病句等情况，欢迎向我们提交 Pull Request 以改进字幕翻译质量。\n\n本项目文件夹说明：\n\n- `subtitles`：核心字幕，里面放置了「中英双语字幕」；\n- `english_subtitles`：从双语字幕中分离出来的「英文字幕」；\n- `chinese_subtitles`：从双语字幕中分离出来的「中文字幕」;\n- `course_notebooks`:  从课程中复制至本地的 Notebook。\n\n字幕效果展示：\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_ed2fe561099d.png)\n\n## 课程介绍\n\nChatGPT 上线至今，已经快 5 个月了，但是不少人还没真正掌握它的使用技巧。\n\n其实，ChatGPT 的难点，在于 Prompt（提示词）的编写，OpenAI 创始人在今年 2 月时，在 Twitter 上说：「能够出色编写 Prompt 跟聊天机器人对话，是一项能令人惊艳的高杠杆技能」。\n\n因为从 ChatGPT 发布之后，如何写好 Prompt 已经成为了一个分水岭。熟练掌握 Prompt 编写的人，能够很快让 ChatGPT 理解需求，并很好的执行任务。\n\n目前你在网上看到的所有 AI 助理、智能翻译、角色扮演，本质上还是通过编写 Prompt 来实现。\n\n只要你的 Prompt 写的足够好，ChatGPT 可以帮你快速完成很多工作，包括写爬虫脚本、金融数据分析、文案润色与翻译等等，并且这些工作还做的比一般人出色。\n\n为了帮助大家能更好的掌握 Prompt 工程，DeepLearning.ai 创始人吴恩达与 OpenAI 开发者 Iza Fulford 联手推出了一门面向开发者的技术教程：《**ChatGPT 提示工程**》。\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Ftwitter.com\u002FAndrewYNg\u002Fstatus\u002F1651605660382134274\">  \u003Cimg align=\"center\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_0a3fbe6c98be.png\" width=\"500\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n吴恩达老师相信大家都有所耳闻，作为人工智能界的重量级大佬，我们经常能在 AI 技术界看到他活跃的身影。\n\n另一位讲师 Iza Fulford，大家可能不太熟悉，这里重点介绍下。\n\n她是斯坦福本硕高材生，ChatGPT 之前在 GitHub 开源的那个文档搜索插件：**Retrieval**，就是出自她之手。\n\n另外，她还是 OpenAI Cookbook（官方手册）的编撰者，如果你最近有深入了解过 GPT 相关的技术，那这本手册于你而言应该不会陌生。\n\n该手册里面提供了大量 GPT 相关的使用案例，能帮助你快速上手并掌握 GPT 模型的开发与应用。\n\n可以说，这两位大佬联手，推出的教程绝对不会差。更令人振奋的是，这个教程完全对外开放，所有人均可免费学习！\n\n那么，这个教程里面主要讲了什么内容呢？\n\n该教程总共分为 9 个章节，总一个多小时，里面主要涵盖：**提示词最佳实践、评论情感分类、文本总结、邮件撰写、文本翻译、快速搭建一个聊天机器人**等等。\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_1d5c6ece5bcf.png)\n\n所有当下 ChatGPT 的流行案例，你都能在这个教程里面找到，十分全面！\n\n除了能在这个教程里面学到如何使用 Prompt，你还能学到 GPT 接口调用开发知识。有需要的话，你甚至能在这个教程之上去延伸扩展，搭建出一款令人惊艳的应用。\n\n目前该教程已经在 DeepLearning.ai 正式上线，官网上线提供了可交互式的 Notebook，让你可以一边学习，一边跟着编写代码实践。\n\n不过当下这个教程只有英文版，为了让看不懂英文的同学也能第一时间学习并掌握这项技术。\n\n我花了一天时间，完整翻译了所有英文字幕，并且[将所有视频与字幕同步上传到了 B 站](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1s24y1F7eq\u002F)。\n\n大家有时间的话，可以多学一下这个教程，相信整个学习下来，绝对能让你受益匪浅！\n\n## 贡献者\n\n查看 [贡献列表](https:\u002F\u002Fgithub.com\u002FGitHubDaily\u002FChatGPT-Prompt-Engineering-for-Developers-in-Chinese\u002Fgraphs\u002Fcontributors) 获取更多信息，感谢所有为项目作为贡献的人！\n\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FGitHubDaily\u002FChatGPT-Prompt-Engineering-for-Developers-in-Chinese\u002Fgraphs\u002Fcontributors\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_cb173f44b691.png\" \u002F>\n\u003C\u002Fa>\n\n## 开源协议\n\n项目基于 [CC BY-NC-SA 4.0 协议](https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002Fdeed.zh) 发布。\n\n[![CC BY-NC-SA 4.0][cc-by-nc-sa-image]][cc-by-nc-sa]\n\n[cc-by-nc-sa]: http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\n[cc-by-nc-sa-image]: https:\u002F\u002Flicensebuttons.net\u002Fl\u002Fby-nc-sa\u002F4.0\u002F88x31.png\n[cc-by-nc-sa-shield]: https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-CC%20BY--NC--SA%204.0-lightgrey.svg\n","![banner](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_6dd1dba47cea.png)\n\n# 《ChatGPT 提示工程：面向开发者》中英双语字幕\n\n该项目主要用于存放《面向开发者的 ChatGPT 提示词工程》非官方版中英双语字幕。\n\n- **中文视频地址：[面向开发者的 ChatGPT 提示词工程](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1s24y1F7eq\u002F)**\n- **英文原视频地址：[ChatGPT Prompt Engineering for Developers](https:\u002F\u002Flearn.deeplearning.ai\u002F)**\n- **配套代码与笔记：[《ChatGPT Prompt Engineering for Developers》课程中文版 Datawhale](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fprompt-engineering-for-developers)**\n\n如果你在观看视频的过程中，发现翻译出现错漏、错别字、病句等情况，欢迎向我们提交 Pull Request 以改进字幕翻译质量。\n\n本项目文件夹说明：\n\n- `subtitles`：核心字幕，里面放置了「中英双语字幕」；\n- `english_subtitles`：从双语字幕中分离出来的「英文字幕」；\n- `chinese_subtitles`：从双语字幕中分离出来的「中文字幕」;\n- `course_notebooks`:  从课程中复制至本地的 Notebook。\n\n字幕效果展示：\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_ed2fe561099d.png)\n\n## 课程介绍\n\nChatGPT 上线至今，已经快 5 个月了，但是不少人还没真正掌握它的使用技巧。\n\n其实，ChatGPT 的难点，在于 Prompt（提示词）的编写，OpenAI 创始人在今年 2 月时，在 Twitter 上说：「能够出色编写 Prompt 跟聊天机器人对话，是一项能令人惊艳的高杠杆技能」。\n\n因为从 ChatGPT 发布之后，如何写好 Prompt 已经成为了一个分水岭。熟练掌握 Prompt 编写的人，能够很快让 ChatGPT 理解需求，并很好的执行任务。\n\n目前你在网上看到的所有 AI 助理、智能翻译、角色扮演，本质上还是通过编写 Prompt 来实现。\n\n只要你的 Prompt 写的足够好，ChatGPT 可以帮你快速完成很多工作，包括写爬虫脚本、金融数据分析、文案润色与翻译等等，并且这些工作还做的比一般人出色。\n\n为了帮助大家能更好的掌握 Prompt 工程，DeepLearning.ai 创始人吴恩达与 OpenAI 开发者 Iza Fulford 联手推出了一门面向开发者的技术教程：《**ChatGPT 提示工程**》。\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Ftwitter.com\u002FAndrewYNg\u002Fstatus\u002F1651605660382134274\">  \u003Cimg align=\"center\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_0a3fbe6c98be.png\" width=\"500\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n吴恩达老师相信大家都有所耳闻，作为人工智能界的重量级大佬，我们经常能在 AI 技术界看到他活跃的身影。\n\n另一位讲师 Iza Fulford，大家可能不太熟悉，这里重点介绍下。\n\n她是斯坦福本硕高材生，ChatGPT 之前在 GitHub 开源的那个文档搜索插件：**Retrieval**，就是出自她之手。\n\n另外，她还是 OpenAI Cookbook（官方手册）的编撰者，如果你最近有深入了解过 GPT 相关的技术，那这本手册于你而言应该不会陌生。\n\n该手册里面提供了大量 GPT 相关的使用案例，能帮助你快速上手并掌握 GPT 模型的开发与应用。\n\n可以说，这两位大佬联手，推出的教程绝对不会差。更令人振奋的是，这个教程完全对外开放，所有人均可免费学习！\n\n那么，这个教程里面主要讲了什么内容呢？\n\n该教程总共分为 9 个章节，总一个多小时，里面主要涵盖：**提示词最佳实践、评论情感分类、文本总结、邮件撰写、文本翻译、快速搭建一个聊天机器人**等等。\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_1d5c6ece5bcf.png)\n\n所有当下 ChatGPT 的流行案例，你都能在这个教程里面找到，十分全面！\n\n除了能在这个教程里面学到如何使用 Prompt，你还能学到 GPT 接口调用开发知识。有需要的话，你甚至能在这个教程之上去延伸扩展，搭建出一款令人惊艳的应用。\n\n目前该教程已经在 DeepLearning.ai 正式上线，官网上线提供了可交互式的 Notebook，让你可以一边学习，一边跟着编写代码实践。\n\n不过当下这个教程只有英文版，为了让看不懂英文的同学也能第一时间学习并掌握这项技术。\n\n我花了一天时间，完整翻译了所有英文字幕，并且[将所有视频与字幕同步上传到了 B 站](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1s24y1F7eq\u002F)。\n\n大家有时间的话，可以多学一下这个教程，相信整个学习下来，绝对能让你受益匪浅！\n\n## 贡献者\n\n查看 [贡献列表](https:\u002F\u002Fgithub.com\u002FGitHubDaily\u002FChatGPT-Prompt-Engineering-for-Developers-in-Chinese\u002Fgraphs\u002Fcontributors) 获取更多信息，感谢所有为项目作为贡献的人！\n\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FGitHubDaily\u002FChatGPT-Prompt-Engineering-for-Developers-in-Chinese\u002Fgraphs\u002Fcontributors\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_readme_cb173f44b691.png\" \u002F>\n\u003C\u002Fa>\n\n## 开源协议\n\n项目基于 [CC BY-NC-SA 4.0 协议](https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002Fdeed.zh) 发布。\n\n[![CC BY-NC-SA 4.0][cc-by-nc-sa-image]][cc-by-nc-sa]\n\n[cc-by-nc-sa]: http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\n[cc-by-nc-sa-image]: https:\u002F\u002Flicensebuttons.net\u002Fl\u002Fby-nc-sa\u002F4.0\u002F88x31.png\n[cc-by-nc-sa-shield]: https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-CC%20BY--NC--SA%204.0-lightgrey.svg","# ChatGPT 提示词工程（开发者版）快速上手指南\n\n本项目并非一个需要安装的软件库，而是吴恩达（Andrew Ng）与 OpenAI 专家 Iza Fulford 联合推出的《ChatGPT Prompt Engineering for Developers》课程的**中英双语字幕及配套代码资源**。本指南将帮助你快速访问视频课程并运行本地练习代码。\n\n## 环境准备\n\n在开始学习之前，请确保你的开发环境满足以下要求：\n\n*   **操作系统**：Windows \u002F macOS \u002F Linux\n*   **Python 版本**：推荐 Python 3.8 或更高版本\n*   **前置依赖**：\n    *   `pip` (Python 包管理工具)\n    *   `git` (用于克隆代码仓库)\n    *   **OpenAI API Key**：你需要拥有一个有效的 OpenAI API 密钥以运行代码示例（需自行在 OpenAI 官网申请）。\n*   **运行环境**：推荐使用 Jupyter Notebook 或 VS Code (安装 Python 和 Jupyter 插件)。\n\n## 安装步骤\n\n### 1. 获取课程代码与笔记\n使用 `git` 克隆配套的中文版代码仓库到本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fprompt-engineering-for-developers.git\ncd prompt-engineering-for-developers\n```\n\n> **提示**：如果克隆速度较慢，可使用国内镜像源（如 Gitee 镜像，若有）或配置代理加速。\n\n### 2. 安装 Python 依赖\n进入项目目录后，安装课程所需的 Python 库：\n\n```bash\npip install -r requirements.txt\n```\n\n*注：若项目中未提供 `requirements.txt`，通常只需安装核心库：*\n```bash\npip install openai jupyter notebook pandas\n```\n\n### 3. 配置 API 密钥\n在运行任何 Notebook 之前，你需要在代码中配置你的 API Key。可以在终端设置环境变量，或在 Notebook 单元格中直接定义（注意不要提交到公共仓库）：\n\n```python\nimport os\nos.environ[\"OPENAI_API_KEY\"] = \"sk-你的_API_Key_在这里\"\n```\n\n## 基本使用\n\n本课程的核心在于“观看视频”与“动手实践”相结合。\n\n### 1. 观看教学视频\n访问 Bilibili 观看带有**中英双语字幕**的课程视频，理解提示词工程的核心概念（如原则、迭代、总结、推断等）：\n\n*   **视频地址**：[面向开发者的 ChatGPT 提示词工程 (Bilibili)](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1s24y1F7eq\u002F)\n\n### 2. 运行第一个示例\n进入克隆下来的 `course_notebooks` 目录，启动 Jupyter Notebook：\n\n```bash\ncd course_notebooks\njupyter notebook\n```\n\n在浏览器打开的界面中，选择第一章的 Notebook 文件（例如 `L1 - Introduction.ipynb` 或对应章节文件）。\n\n**最简单的使用示例代码**（通常在第一个单元格）：\n\n```python\nfrom openai import OpenAI\nimport os\n\nclient = OpenAI(api_key=os.getenv(\"OPENAI_API_KEY\"))\n\ndef get_completion(prompt, model=\"gpt-3.5-turbo\"):\n    messages = [{\"role\": \"user\", \"content\": prompt}]\n    response = client.chat.completions.create(\n        model=model,\n        messages=messages,\n        temperature=0 \n    )\n    return response.choices[0].message.content\n\n# 测试提示词\nprompt = \"你好，请介绍一下什么是提示词工程？\"\nresponse = get_completion(prompt)\nprint(response)\n```\n\n运行上述代码，即可看到模型根据你的提示词生成的回复。你可以随后按照视频内容，修改 `prompt` 变量来实践不同的提示词技巧。","一位刚接触大模型的后端开发者，急需利用 ChatGPT 辅助编写数据清洗脚本并分析用户评论情感，但苦于英语障碍和缺乏系统的提示词方法论。\n\n### 没有 ChatGPT-Prompt-Engineering-for-Developers-in-Chinese 时\n- 只能观看英文原版教程，因专业术语和语速问题难以理解吴恩达与 Iza Fulford 讲解的核心技巧，学习进度停滞。\n- 编写的提示词模糊笼统，导致模型输出的代码经常报错，或情感分类结果不准确，需反复手动修正。\n- 不清楚如何设定“分隔符”或“思维链”等高级策略，无法让模型稳定执行复杂的多步骤任务。\n- 面对模型产生的幻觉（胡编乱造）束手无策，缺乏验证和优化提示词的系统性思路。\n- 错过官方 Notebook 中的实战案例，只能在网上零散搜索质量参差不齐的碎片化技巧。\n\n### 使用 ChatGPT-Prompt-Engineering-for-Developers-in-Chinese 后\n- 通过中英双语字幕无障碍深入学习课程，快速掌握提示词工程的最佳实践与底层逻辑。\n- 运用课程中学到的“明确指令”与“提供示例”技巧，一次性生成可运行的高质量 Python 清洗脚本。\n- 学会利用分隔符结构化输入数据，并引导模型逐步推理，使情感分析准确率显著提升。\n- 掌握迭代优化方法，能迅速定位提示词缺陷并调整，有效抑制模型幻觉，输出结果更可靠。\n- 直接复用配套的中译版 Notebook 代码进行实操演练，将理论知识迅速转化为实际开发能力。\n\nChatGPT-Prompt-Engineering-for-Developers-in-Chinese 打破了语言壁垒，让中文开发者能同步掌握世界顶尖的提示词工程技术，极大提升了人机协作的效率与质量。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FGitHubDaily_ChatGPT-Prompt-Engineering-for-Developers-in-Chinese_6dd1dba4.png","GitHubDaily","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FGitHubDaily_06c095d3.jpg","专注分享 GitHub 最新的优质开源项目",null,"GitHub_Daily","https:\u002F\u002Fgithub.com\u002FGitHubDaily",[84,88],{"name":85,"color":86,"percentage":87},"Jupyter Notebook","#DA5B0B",96.7,{"name":89,"color":90,"percentage":91},"Python","#3572A5",3.3,2094,255,"2026-04-16T02:26:46","","未说明",{"notes":98,"python":96,"dependencies":99},"本项目主要为课程字幕文件及笔记，不涉及本地模型训练或推理，因此无特定操作系统、GPU、内存或 Python 版本要求。用户可直接在 B 站观看视频，或在支持 Jupyter Notebook 的环境（如 Google Colab、本地 Jupyter）中运行配套代码以跟随课程实践。",[],[15],[102,103,104,105,106],"chatgpt","chinese-translation","prompt-engineering","prompt-learning","subtitles","2026-03-27T02:49:30.150509","2026-04-16T16:18:34.940186",[],[]]