[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-dair-ai--Prompt-Engineering-Guide":3,"similar-dair-ai--Prompt-Engineering-Guide":120},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":9,"readme_en":10,"readme_zh":11,"quickstart_zh":12,"use_case_zh":13,"hero_image_url":14,"owner_login":15,"owner_name":16,"owner_avatar_url":17,"owner_bio":18,"owner_company":19,"owner_location":19,"owner_email":19,"owner_twitter":20,"owner_website":21,"owner_url":22,"languages":23,"stars":48,"forks":49,"last_commit_at":50,"license":51,"difficulty_score":52,"env_os":53,"env_gpu":54,"env_ram":54,"env_deps":55,"category_tags":65,"github_topics":69,"view_count":31,"oss_zip_url":19,"oss_zip_packed_at":19,"status":81,"created_at":82,"updated_at":83,"faqs":84,"releases":119},7338,"dair-ai\u002FPrompt-Engineering-Guide","Prompt-Engineering-Guide","🐙 Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.","Prompt-Engineering-Guide 是一个专注于大语言模型（LLM）应用开发的综合性开源知识库。它系统性地整理了提示工程、上下文工程、检索增强生成（RAG）以及 AI 智能体领域的前沿论文、实战教程、代码笔记和相关资源。\n\n随着大模型技术的普及，如何精准地设计指令以激发模型潜力、规避其局限性，成为开发者面临的主要挑战。Prompt-Engineering-Guide 旨在解决这一痛点，帮助用户从理论到实践全面掌握与 LLM 高效交互的方法，从而提升模型在问答、逻辑推理及复杂任务处理中的表现。\n\n这份指南非常适合 AI 研究人员、软件开发者以及希望深入理解大模型机制的技术爱好者使用。无论是初学者想要了解基础概念，还是资深工程师寻求优化策略，都能从中获益。\n\n其独特的技术亮点在于内容更新迅速且结构清晰，不仅涵盖了零样本（Zero-Shot）、少样本（Few-Shot）等基础技巧，还深入解析了思维链（Chain-of-Thought）、自一致性（Self-Consistency）及思维树（Tree of Thoughts）等高级方法论。此外，该项目已支持包括中文在内的多种语言，","Prompt-Engineering-Guide 是一个专注于大语言模型（LLM）应用开发的综合性开源知识库。它系统性地整理了提示工程、上下文工程、检索增强生成（RAG）以及 AI 智能体领域的前沿论文、实战教程、代码笔记和相关资源。\n\n随着大模型技术的普及，如何精准地设计指令以激发模型潜力、规避其局限性，成为开发者面临的主要挑战。Prompt-Engineering-Guide 旨在解决这一痛点，帮助用户从理论到实践全面掌握与 LLM 高效交互的方法，从而提升模型在问答、逻辑推理及复杂任务处理中的表现。\n\n这份指南非常适合 AI 研究人员、软件开发者以及希望深入理解大模型机制的技术爱好者使用。无论是初学者想要了解基础概念，还是资深工程师寻求优化策略，都能从中获益。\n\n其独特的技术亮点在于内容更新迅速且结构清晰，不仅涵盖了零样本（Zero-Shot）、少样本（Few-Shot）等基础技巧，还深入解析了思维链（Chain-of-Thought）、自一致性（Self-Consistency）及思维树（Tree of Thoughts）等高级方法论。此外，该项目已支持包括中文在内的多种语言，并提供了配套的在线课程与社区支持，是进入大模型开发领域的理想入门向导。","# Prompt Engineering Guide\n\n\u003Ch5 align=\"center\">\n  Sponsored by    \u003Ca href=\"https:\u002F\u002Fserpapi.com\u002F\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdair-ai_Prompt-Engineering-Guide_readme_07eef09b394e.png\" height=35 valign=\"middle\">\u003C\u002Fa>\n\u003C\u002Fh5>\n\nPrompt engineering is a relatively new discipline for developing and optimizing prompts to efficiently use language models (LMs) for a wide variety of applications and research topics. Prompt engineering skills help to better understand the capabilities and limitations of large language models (LLMs). Researchers use prompt engineering to improve the capacity of LLMs on a wide range of common and complex tasks such as question answering and arithmetic reasoning. Developers use prompt engineering to design robust and effective prompting techniques that interface with LLMs and other tools.\n\nMotivated by the high interest in developing with LLMs, we have created this new prompt engineering guide that contains all the latest papers, learning guides, lectures, references, and tools related to prompt engineering for LLMs.\n\n🌐 [Prompt Engineering Guide (Web Version)](https:\u002F\u002Fwww.promptingguide.ai\u002F)\n\n🎉 We are excited to launch our new prompt engineering, RAG, and AI Agents courses under the DAIR.AI Academy. [Join Now](https:\u002F\u002Facademy.dair.ai\u002Fpricing)!\n\nThe courses are meant to compliment this guide and provide a more hands-on approach to learning about prompt engineering, context engineering, and AI Agents. \n\nUse code PROMPTING20 to get an extra 20% off.\n\nHappy Prompting!\n\n---\n## Announcements \u002F Updates\n\n- 🎓 We now offer self-paced prompt engineering courses under our DAIR.AI Academy. [Join Now](https:\u002F\u002Facademy.dair.ai\u002Fpricing)! \n- 🎓 New course on Prompt Engineering for LLMs announced! [Enroll here](https:\u002F\u002Facademy.dair.ai\u002Fcourses\u002Fintroduction-prompt-engineering)!\n- 💼 We now offer several [services](https:\u002F\u002Fwww.promptingguide.ai\u002Fservices) like corporate training, consulting, and talks.\n- 🌐 We now support 13 languages! Welcoming more translations.\n- 👩‍🎓 We crossed 3 million learners in January 2024!\n- 🎉 We have launched a new web version of the guide [here](https:\u002F\u002Fwww.promptingguide.ai\u002F)\n- 🔥 We reached #1 on Hacker News on 21 Feb 2023\n- 🎉 The First Prompt Engineering Lecture went live [here](https:\u002F\u002Fyoutu.be\u002FdOxUroR57xs)\n\n[Join our Discord](https:\u002F\u002Fdiscord.gg\u002FYbMT8k6GfX)\n\n[Follow us on Twitter](https:\u002F\u002Ftwitter.com\u002Fdair_ai)\n\n[Subscribe to our YouTube](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUCyna_OxOWL7IEuOwb7WhmxQ)\n\n[Subscribe to our Newsletter](https:\u002F\u002Fnlpnews.substack.com\u002F)\n\n---\n\n## Guides\nYou can also find the most up-to-date guides on our new website [https:\u002F\u002Fwww.promptingguide.ai\u002F](https:\u002F\u002Fwww.promptingguide.ai\u002F).\n\n- [Prompt Engineering - Introduction](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction)\n  - [Prompt Engineering - LLM Settings](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Fsettings)\n  - [Prompt Engineering - Basics of Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Fbasics)\n  - [Prompt Engineering - Prompt Elements](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Felements)\n  - [Prompt Engineering - General Tips for Designing Prompts](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Ftips)\n  - [Prompt Engineering - Examples of Prompts](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Fexamples)\n- [Prompt Engineering - Techniques](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques)\n  - [Prompt Engineering - Zero-Shot Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fzeroshot)\n  - [Prompt Engineering - Few-Shot Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Ffewshot)\n  - [Prompt Engineering - Chain-of-Thought Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fcot)\n  - [Prompt Engineering - Self-Consistency](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fconsistency)\n  - [Prompt Engineering - Generate Knowledge Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fknowledge)\n  - [Prompt Engineering - Prompt Chaining](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fprompt_chaining)\n  - [Prompt Engineering - Tree of Thoughts (ToT)](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Ftot)\n  - [Prompt Engineering - Retrieval Augmented Generation](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Frag)\n  - [Prompt Engineering - Automatic Reasoning and Tool-use (ART)](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fart)\n  - [Prompt Engineering - Automatic Prompt Engineer](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fape)\n  - [Prompt Engineering - Active-Prompt](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Factiveprompt)\n  - [Prompt Engineering - Directional Stimulus Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fdsp)\n  - [Prompt Engineering - Program-Aided Language Models](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fpal)\n  - [Prompt Engineering - ReAct Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Freact)\n  - [Prompt Engineering - Multimodal CoT Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fmultimodalcot)\n  - [Prompt Engineering - Graph Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fgraph)\n- [Prompt Engineering - Applications](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications)\n  - [Prompt Engineering - Function Calling](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Ffunction_calling)\n  - [Prompt Engineering - Generating Data](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fgenerating)\n  - [Prompt Engineering - Generating Synthetic Dataset for RAG](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fsynthetic_rag)\n  - [Prompt Engineering - Takling Generated Datasets Diversity](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fgenerating_textbooks)\n  - [Prompt Engineering - Generating Code](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fcoding)\n  - [Prompt Engineering - Graduate Job Classification Case Study](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fworkplace_casestudy)\n- [Prompt Engineering - Prompt Hub](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts)\n  - [Prompt Engineering - Classification](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fclassification)\n  - [Prompt Engineering - Coding](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fcoding)\n  - [Prompt Engineering - Creativity](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fcreativity)\n  - [Prompt Engineering - Evaluation](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fevaluation)\n  - [Prompt Engineering - Information Extraction](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Finformation-extraction)\n  - [Prompt Engineering - Image Generation](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fimage-generation)\n  - [Prompt Engineering - Mathematics](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fmathematics)\n  - [Prompt Engineering - Question Answering](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fquestion-answering)\n  - [Prompt Engineering - Reasoning](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Freasoning)\n  - [Prompt Engineering - Text Summarization](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Ftext-summarization)\n  - [Prompt Engineering - Truthfulness](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Ftruthfulness)\n  - [Prompt Engineering - Adversarial Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fadversarial-prompting)\n- [Prompt Engineering - Models](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels)\n  - [Prompt Engineering - ChatGPT](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fchatgpt)\n  - [Prompt Engineering - Code Llama](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fcode-llama)\n  - [Prompt Engineering - Flan](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fflan)\n  - [Prompt Engineering - Gemini](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fgemini)\n  - [Prompt Engineering - GPT-4](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fgpt-4)\n  - [Prompt Engineering - LLaMA](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fllama)\n  - [Prompt Engineering - Mistral 7B](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fmistral-7b)\n  - [Prompt Engineering - Mixtral](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fmixtral)\n  - [Prompt Engineering - OLMo](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Folmo)\n  - [Prompt Engineering - Phi-2](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fphi-2)\n  - [Prompt Engineering - Model Collection](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fcollection)\n- [Prompt Engineering - Risks and Misuses](https:\u002F\u002Fwww.promptingguide.ai\u002Frisks)\n  - [Prompt Engineering - Adversarial Prompting](https:\u002F\u002Fwww.promptingguide.ai\u002Frisks\u002Fadversarial)\n  - [Prompt Engineering - Factuality](https:\u002F\u002Fwww.promptingguide.ai\u002Frisks\u002Ffactuality)\n  - [Prompt Engineering - Biases](https:\u002F\u002Fwww.promptingguide.ai\u002Frisks\u002Fbiases)\n- [Prompt Engineering - Papers](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers)\n  - [Prompt Engineering - Overviews](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers#overviews)\n  - [Prompt Engineering - Approaches](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers#approaches)\n  - [Prompt Engineering - Applications](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers#applications)\n  - [Prompt Engineering - Collections](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers#collections)\n- [Prompt Engineering - Tools](https:\u002F\u002Fwww.promptingguide.ai\u002Ftools)\n- [Prompt Engineering - Notebooks](https:\u002F\u002Fwww.promptingguide.ai\u002Fnotebooks)\n- [Prompt Engineering - Datasets](https:\u002F\u002Fwww.promptingguide.ai\u002Fdatasets)\n- [Prompt Engineering - Additional Readings](https:\u002F\u002Fwww.promptingguide.ai\u002Freadings)\n\n\n---\n## Lecture\n\nWe have published a 1 hour lecture that provides a comprehensive overview of prompting techniques, applications, and tools.\n- [Video Lecture](https:\u002F\u002Fyoutu.be\u002FdOxUroR57xs)\n- [Notebook with code](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002Fnotebooks\u002Fpe-lecture.ipynb)\n- [Slides](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002Flecture\u002FPrompt-Engineering-Lecture-Elvis.pdf)\n\n---\n## Running the guide locally\n\nTo run the guide locally, for example to check the correct implementation of a new translation, you will need to:\n\n1. Install Node >=18.0.0\n1. Install `pnpm` if not present in your system. Check [here](https:\u002F\u002Fpnpm.io\u002Finstallation) for detailed instructions.\n1. Install the dependencies: `pnpm i next react react-dom nextra nextra-theme-docs`\n1. Boot the guide with `pnpm dev`\n2. Browse the guide at `http:\u002F\u002Flocalhost:3000\u002F`\n\n---\n## Appearances\nSome places where we have been featured:\n- Wall Street Journal - [ChatGPT Can Give Great Answers. But Only If You Know How to Ask the Right Question](https:\u002F\u002Fwww.wsj.com\u002Farticles\u002Fchatgpt-ask-the-right-question-12d0f035)\n- Forbes - [Mom, Dad, I Want To Be A Prompt Engineer](https:\u002F\u002Fwww.forbes.com\u002Fsites\u002Fcraigsmith\u002F2023\u002F04\u002F05\u002Fmom-dad-i-want-to-be-a-prompt-engineer\u002F?sh=7f1213159c8e)\n- Markettechpost - [Best Free Prompt Engineering Resources (2023)](https:\u002F\u002Fwww.marktechpost.com\u002F2023\u002F04\u002F04\u002Fbest-free-prompt-engineering-resources-2023\u002F)\n\n\n---\nIf you are using the guide for your work or research, please cite us as follows:\n\n```\n@article{Saravia_Prompt_Engineering_Guide_2022,\nauthor = {Saravia, Elvis},\njournal = {https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide},\nmonth = {12},\ntitle = {{Prompt Engineering Guide}},\nyear = {2022}\n}\n```\n\n## License\n\n[MIT License](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002FLICENSE.md)\n\n\nFeel free to open a PR if you think something is missing here. Always welcome feedback and suggestions. Just open an issue!\n","# 提示工程指南\n\n\u003Ch5 align=\"center\">\n  由    \u003Ca href=\"https:\u002F\u002Fserpapi.com\u002F\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdair-ai_Prompt-Engineering-Guide_readme_07eef09b394e.png\" height=35 valign=\"middle\">\u003C\u002Fa> 赞助\n\u003C\u002Fh5>\n\n提示工程是一门相对较新的学科，旨在开发和优化提示词，以高效地将语言模型（LMs）应用于各种应用场景和研究课题。掌握提示工程技能有助于更好地理解大型语言模型（LLMs）的能力与局限性。研究人员利用提示工程来提升 LLMs 在问答、算术推理等常见及复杂任务上的表现；而开发者则通过提示工程设计出稳健且高效的提示策略，从而实现与 LLMs 及其他工具的无缝对接。\n\n鉴于当前对 LLMs 开发的高度兴趣，我们特别推出了这本全新的提示工程指南，其中汇集了与 LLMs 提示工程相关的最新论文、学习指南、讲座、参考资料以及实用工具。\n\n🌐 [提示工程指南（网页版）](https:\u002F\u002Fwww.promptingguide.ai\u002F)\n\n🎉 我们非常高兴地宣布，在 DAIR.AI 学院下推出全新的提示工程、RAG 和 AI 代理课程。[立即加入](https:\u002F\u002Facademy.dair.ai\u002Fpricing)！\n\n这些课程旨在补充本指南的内容，提供更加实践性的学习方式，帮助大家深入理解提示工程、上下文工程以及 AI 代理的相关知识。\n\n使用优惠码 PROMPTING20，可再享八折优惠。\n\n祝您提示工程愉快！\n\n---\n## 公告 \u002F 更新\n\n- 🎓 我们现于 DAIR.AI 学院提供自主进度的提示工程课程。[立即加入](https:\u002F\u002Facademy.dair.ai\u002Fpricing)！\n- 🎓 新推出的 LLMs 提示工程课程现已发布！[点击报名](https:\u002F\u002Facademy.dair.ai\u002Fcourses\u002Fintroduction-prompt-engineering)。\n- 💼 我们现提供多项服务，包括企业培训、咨询及技术分享等，详情请见 [这里](https:\u002F\u002Fwww.promptingguide.ai\u002Fservices)。\n- 🌐 现已支持 13 种语言！欢迎更多译本加入。\n- 👩‍🎓 截至 2024 年 1 月，我们的学习者总数已突破 300 万！\n- 🎉 指南全新网页版已于 [此处](https:\u002F\u002Fwww.promptingguide.ai\u002F) 上线。\n- 🔥 2023 年 2 月 21 日，我们的内容曾登上 Hacker News 排行榜第一。\n- 🎉 首场提示工程讲座已正式上线 [这里](https:\u002F\u002Fyoutu.be\u002FdOxUroR57xs)。\n\n[加入我们的 Discord 社区](https:\u002F\u002Fdiscord.gg\u002FYbMT8k6GfX)\n\n[关注我们的 Twitter](https:\u002F\u002Ftwitter.com\u002Fdair_ai)\n\n[订阅我们的 YouTube 频道](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUCyna_OxOWL7IEuOwb7WhmxQ)\n\n[订阅我们的新闻通讯](https:\u002F\u002Fnlpnews.substack.com\u002F)\n\n## 指南\n您还可以在我们的新网站 [https:\u002F\u002Fwww.promptingguide.ai\u002F](https:\u002F\u002Fwww.promptingguide.ai\u002F) 上找到最新指南。\n\n- [提示工程——简介](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction)\n  - [提示工程——LLM 设置](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Fsettings)\n  - [提示工程——提示基础](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Fbasics)\n  - [提示工程——提示元素](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Felements)\n  - [提示工程——设计提示的一般技巧](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Ftips)\n  - [提示工程——提示示例](https:\u002F\u002Fwww.promptingguide.ai\u002Fintroduction\u002Fexamples)\n- [提示工程——技术](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques)\n  - [提示工程——零样本提示](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fzeroshot)\n  - [提示工程——少样本提示](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Ffewshot)\n  - [提示工程——思维链提示](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fcot)\n  - [提示工程——自洽性](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fconsistency)\n  - [提示工程——生成知识提示](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fknowledge)\n  - [提示工程——提示链](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fprompt_chaining)\n  - [提示工程——思维树（ToT）](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Ftot)\n  - [提示工程——检索增强生成](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Frag)\n  - [提示工程——自动推理与工具使用（ART）](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fart)\n  - [提示工程——自动提示工程师](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fape)\n  - [提示工程——主动提示](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Factiveprompt)\n  - [提示工程——定向刺激提示](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fdsp)\n  - [提示工程——程序辅助语言模型](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fpal)\n  - [提示工程——ReAct 提示](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Freact)\n  - [提示工程——多模态思维链提示](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fmultimodalcot)\n  - [提示工程——图提示](https:\u002F\u002Fwww.promptingguide.ai\u002Ftechniques\u002Fgraph)\n- [提示工程——应用](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications)\n  - [提示工程——函数调用](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Ffunction_calling)\n  - [提示工程——生成数据](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fgenerating)\n  - [提示工程——为 RAG 生成合成数据集](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fsynthetic_rag)\n  - [提示工程——解决生成数据集多样性问题](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fgenerating_textbooks)\n  - [提示工程——生成代码](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fcoding)\n  - [提示工程——职场分类案例研究](https:\u002F\u002Fwww.promptingguide.ai\u002Fapplications\u002Fworkplace_casestudy)\n- [提示工程——提示库](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts)\n  - [提示工程——分类](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fclassification)\n  - [提示工程——编码](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fcoding)\n  - [提示工程——创造力](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fcreativity)\n  - [提示工程——评估](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fevaluation)\n  - [提示工程——信息抽取](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Finformation-extraction)\n  - [提示工程——图像生成](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fimage-generation)\n  - [提示工程——数学](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fmathematics)\n  - [提示工程——问答](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fquestion-answering)\n  - [提示工程——推理](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Freasoning)\n  - [提示工程——文本摘要](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Ftext-summarization)\n  - [提示工程——真实性](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Ftruthfulness)\n  - [提示工程——对抗性提示](https:\u002F\u002Fwww.promptingguide.ai\u002Fprompts\u002Fadversarial-prompting)\n- [提示工程——模型](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels)\n  - [提示工程——ChatGPT](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fchatgpt)\n  - [提示工程——Code Llama](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fcode-llama)\n  - [提示工程——Flan](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fflan)\n  - [提示工程——Gemini](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fgemini)\n  - [提示工程——GPT-4](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fgpt-4)\n  - [提示工程——LLaMA](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fllama)\n  - [提示工程——Mistral 7B](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fmistral-7b)\n  - [提示工程——Mixtral](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fmixtral)\n  - [提示工程——OLMo](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Folmo)\n  - [提示工程——Phi-2](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fphi-2)\n  - [提示工程——模型合集](https:\u002F\u002Fwww.promptingguide.ai\u002Fmodels\u002Fcollection)\n- [提示工程——风险与滥用](https:\u002F\u002Fwww.promptingguide.ai\u002Frisks)\n  - [提示工程——对抗性提示](https:\u002F\u002Fwww.promptingguide.ai\u002Frisks\u002Fadversarial)\n  - [提示工程——事实性](https:\u002F\u002Fwww.promptingguide.ai\u002Frisks\u002Ffactuality)\n  - [提示工程——偏见](https:\u002F\u002Fwww.promptingguide.ai\u002Frisks\u002Fbiases)\n- [提示工程——论文](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers)\n  - [提示工程——综述](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers#overviews)\n  - [提示工程——方法](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers#approaches)\n  - [提示工程——应用](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers#applications)\n  - [提示工程——文集](https:\u002F\u002Fwww.promptingguide.ai\u002Fpapers#collections)\n- [提示工程——工具](https:\u002F\u002Fwww.promptingguide.ai\u002Ftools)\n- [提示工程——笔记本](https:\u002F\u002Fwww.promptingguide.ai\u002Fnotebooks)\n- [提示工程——数据集](https:\u002F\u002Fwww.promptingguide.ai\u002Fdatasets)\n- [提示工程——扩展阅读](https:\u002F\u002Fwww.promptingguide.ai\u002Freadings)\n\n\n---\n## 讲座\n\n我们发布了一堂时长1小时的讲座，全面概述了提示技术、应用和工具。\n- [视频讲座](https:\u002F\u002Fyoutu.be\u002FdOxUroR57xs)\n- [包含代码的笔记本](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002Fnotebooks\u002Fpe-lecture.ipynb)\n- [讲义](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002Flecture\u002FPrompt-Engineering-Lecture-Elvis.pdf)\n\n---\n\n## 在本地运行指南\n\n要在本地运行指南，例如检查新翻译是否正确实现，您需要：\n\n1. 安装 Node >=18.0.0\n1. 如果您的系统中尚未安装 `pnpm`，请先安装。详细安装说明请参见 [此处](https:\u002F\u002Fpnpm.io\u002Finstallation)。\n1. 安装依赖项：`pnpm i next react react-dom nextra nextra-theme-docs`\n1. 使用 `pnpm dev` 启动指南\n2. 访问 `http:\u002F\u002Flocalhost:3000\u002F` 浏览指南\n\n---\n## 媒体报道\n我们曾被以下媒体刊登报道：\n- 华尔街日报 - [ChatGPT 可以给出很好的答案。但前提是你知道如何提出正确的问题](https:\u002F\u002Fwww.wsj.com\u002Farticles\u002Fchatgpt-ask-the-right-question-12d0f035)\n- 福布斯 - [爸妈，我想当提示工程师](https:\u002F\u002Fwww.forbes.com\u002Fsites\u002Fcraigsmith\u002F2023\u002F04\u002F05\u002Fmom-dad-i-want-to-be-a-prompt-engineer\u002F?sh=7f1213159c8e)\n- Markettechpost - [2023 年最佳免费提示工程资源](https:\u002F\u002Fwww.marktechpost.com\u002F2023\u002F04\u002F04\u002Fbest-free-prompt-engineering-resources-2023\u002F)\n\n\n---\n如果您在工作或研究中使用本指南，请按以下方式引用我们：\n\n```\n@article{Saravia_Prompt_Engineering_Guide_2022,\nauthor = {Saravia, Elvis},\njournal = {https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide},\nmonth = {12},\ntitle = {{提示工程指南}},\nyear = {2022}\n}\n```\n\n## 许可证\n\n[MIT 许可证](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002FLICENSE.md)\n\n\n如果您认为此处缺少内容，欢迎随时提交 Pull Request。我们始终欢迎反馈和建议，只需新建一个 Issue 即可！","# Prompt-Engineering-Guide 快速上手指南\n\n本指南旨在帮助开发者快速本地化部署并浏览 **Prompt-Engineering-Guide** 项目。该项目汇集了大语言模型（LLM）提示工程的最新论文、技巧、应用案例及工具资源。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux, macOS 或 Windows (需安装 WSL2 或 Git Bash)\n*   **Node.js**：版本 >= 18.0.0\n*   **包管理器**：`pnpm` (推荐，比 npm\u002Fyarn 更快速且节省磁盘空间)\n\n> **国内加速建议**：\n> 如果下载 Node.js 或安装依赖较慢，建议配置国内镜像源：\n> *   **Node.js**: 访问 [Node.js 中文镜像站](https:\u002F\u002Fnpmmirror.com\u002Fmirrors\u002Fnode\u002F) 下载安装包。\n> *   **pnpm 注册表**: 在安装依赖前执行 `pnpm config set registry https:\u002F\u002Fregistry.npmmirror.com` 以使用淘宝镜像加速。\n\n## 安装步骤\n\n请按照以下步骤克隆项目并安装依赖：\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide.git\n    cd Prompt-Engineering-Guide\n    ```\n\n2.  **安装 pnpm (如未安装)**\n    ```bash\n    npm install -g pnpm\n    ```\n\n3.  **安装项目依赖**\n    执行以下命令安装 Next.js, React, Nextra 等核心依赖：\n    ```bash\n    pnpm i next react react-dom nextra nextra-theme-docs\n    ```\n\n## 基本使用\n\n安装完成后，您可以启动本地开发服务器来浏览指南内容。\n\n1.  **启动服务**\n    在项目根目录下运行：\n    ```bash\n    pnpm dev\n    ```\n\n2.  **访问指南**\n    服务启动后，打开浏览器访问：\n    ```text\n    http:\u002F\u002Flocalhost:3000\u002F\n    ```\n\n此时，您即可在本地完整浏览包含提示工程基础、高级技巧（如 CoT, RAG, ReAct）、应用场景、模型对比及风险警示在内的所有内容。该界面支持多语言切换，适合离线学习或作为内部团队的知识库参考。","某电商公司的数据分析师正试图利用大语言模型自动从成千上万条用户评论中提取产品缺陷并生成改进报告，但初期效果极不理想。\n\n### 没有 Prompt-Engineering-Guide 时\n- 提示词设计全靠直觉，模型经常忽略“只提取缺陷”的指令，输出大量无关的赞美内容。\n- 面对复杂的逻辑推理任务（如区分“物流慢”与“产品质量差”），模型直接给出错误结论，缺乏中间推导过程。\n- 遇到模型幻觉问题时束手无策，不知道如何通过少样本（Few-Shot）示例来规范输出格式。\n- 团队内部对提示词优化没有统一方法论，每次调整都是盲目试错，耗费大量算力与时间。\n- 无法系统化地应用思维链（Chain-of-Thought）等高级技巧，导致处理长文本时逻辑断裂。\n\n### 使用 Prompt-Engineering-Guide 后\n- 参考“提示词要素”章节，构建了包含清晰角色、任务约束和输出格式的标准化提示词，噪音信息减少 90%。\n- 学习并应用“思维链提示”技术，引导模型先分析评论语境再分类问题，逻辑判断准确率大幅提升。\n- 利用“少样本提示”指南，在提示词中加入三个标准案例，模型立刻能稳定输出指定的 JSON 格式数据。\n- 依据“自我一致性”策略，让模型多次生成答案并取最优解，有效消除了随机幻觉带来的错误数据。\n- 团队基于指南中的最佳实践建立了内部提示词库，新成员也能快速上手，开发效率提升数倍。\n\nPrompt-Engineering-Guide 将原本依靠运气的“玄学”调优，转变为了一套可复制、可验证的科学工程方法。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdair-ai_Prompt-Engineering-Guide_6bad6bbc.png","dair-ai","DAIR.AI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdair-ai_38e7eafe.png","Democratizing Artificial Intelligence Research, Education, and Technologies",null,"dair_ai","https:\u002F\u002Fwww.dair.ai\u002F","https:\u002F\u002Fgithub.com\u002Fdair-ai",[24,28,32,36,40,44],{"name":25,"color":26,"percentage":27},"MDX","#fcb32c",94.5,{"name":29,"color":30,"percentage":31},"Jupyter Notebook","#DA5B0B",4,{"name":33,"color":34,"percentage":35},"TypeScript","#3178c6",1,{"name":37,"color":38,"percentage":39},"HTML","#e34c26",0.4,{"name":41,"color":42,"percentage":43},"JavaScript","#f1e05a",0.1,{"name":45,"color":46,"percentage":47},"CSS","#663399",0,73245,7898,"2026-04-13T21:32:39","MIT",2,"Linux, macOS, Windows","未说明",{"notes":56,"python":54,"dependencies":57},"本项目主要为提示工程指南文档网站，非深度学习模型训练工具，因此无 GPU 需求。需在本地安装 Node.js (>=18.0.0) 和 ppm 包管理器，通过 'pnpm dev' 命令在 localhost:3000 运行网页版指南。",[58,59,60,61,62,63,64],"Node>=18.0.0","pnpm","next","react","react-dom","nextra","nextra-theme-docs",[66,67,68],"开发框架","语言模型","Agent",[70,71,72,73,74,75,76,77,78,79,80],"deep-learning","prompt-engineering","openai","chatgpt","language-model","generative-ai","agents","ai-agents","llms","agent","rag","ready","2026-03-27T02:49:30.150509","2026-04-14T12:26:56.841188",[85,90,95,100,105,109,114],{"id":86,"question_zh":87,"answer_zh":88,"source_url":89},32957,"如何为项目贡献翻译内容？","翻译内容非常简单。你可以查看 `pages` 文件夹以遵循所需的文件结构。只需在必要的文件夹中添加 `\u003Cfile>.\u003Clanguage>.json` 或 `\u003Cfile>.\u003Clanguage>.mdx` 文件即可。如果你有兴趣翻译成另一种语言，可以直接在 Discord 上联系维护者进行协调。","https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fissues\u002F56",{"id":91,"question_zh":92,"answer_zh":93,"source_url":94},32958,"项目是否支持繁体中文翻译，与简体中文有何区别？","是的，项目支持繁体中文翻译。虽然项目中已有简体中文翻译，但由于术语存在差异，维护者接受并合并了繁体中文的翻译贡献（如 PR #234）。贡献者可以提交针对繁体中文的特定翻译文件。","https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fissues\u002F120",{"id":96,"question_zh":97,"answer_zh":98,"source_url":99},32959,"如何参与构建端到端的教程？","感兴趣的贡献者可以在相关 Issue 下留言标记名字，或者加入项目的 Discord 服务器并进入 `pe-tutorials` 频道。维护者会列出想法列表（如 ReAct、知识增强提示、工具使用教程、ChatGPT 案例等），大家可以根据兴趣和经验认领任务。","https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fissues\u002F23",{"id":101,"question_zh":102,"answer_zh":103,"source_url":104},32960,"韩语翻译的进度如何以及在哪里可以查看？","韩语翻译已完成并上线，访问地址为 https:\u002F\u002Fwww.promptingguide.ai\u002Fkr。翻译工作涵盖了介绍、技术、应用、模型和风险等部分。贡献者可以通过查看相关的 Pull Request（如 #242 至 #246）了解具体细节，并欢迎继续审查和提升文档质量。","https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fissues\u002F139",{"id":106,"question_zh":107,"answer_zh":108,"source_url":89},32961,"是否有计划集成 Crowdin 等翻译管理平台来简化协作？","社区用户建议集成 Crowdin 这样一个开源翻译平台来简化本地化管理和翻译贡献流程，许多开源项目都使用该工具。维护者对此表示关注，曾询问是否有使用此服务的仓库案例供参考，目前主要通过 GitHub 原生文件和 Discord 协调翻译工作。",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},32962,"日语翻译工作进展如何，如何提交日语内容？","日语翻译工作正在进行中。贡献者可以通过创建 Pull Request 来添加日语内容，例如针对 `workplace-casestudy.jp.mdx` 或模型集合页面的翻译。维护者会审查这些 PR（如 #111, #117）并将其合并到网站中，网站现已支持日语版本。","https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fissues\u002F77",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},32963,"西班牙语翻译是由谁负责的，如何参与？","西班牙语翻译需求巨大，维护者倾向于合并更完整的翻译版本（如由 @aitor 和 @nicksalazar 提交的 PR #127 和 #128）。用户可以在周末前检查相关的 PR 并做出贡献，维护者会在审查后合并。由于内容不断更新，始终需要新的翻译帮助。","https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fissues\u002F88",[],[121,132,140,148,156,165],{"id":122,"name":123,"github_repo":124,"description_zh":125,"stars":126,"difficulty_score":127,"last_commit_at":128,"category_tags":129,"status":81},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[68,66,130,131],"图像","数据工具",{"id":133,"name":134,"github_repo":135,"description_zh":136,"stars":137,"difficulty_score":127,"last_commit_at":138,"category_tags":139,"status":81},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[66,130,68],{"id":141,"name":142,"github_repo":143,"description_zh":144,"stars":145,"difficulty_score":52,"last_commit_at":146,"category_tags":147,"status":81},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",154349,"2026-04-13T23:32:16",[66,68,67],{"id":149,"name":150,"github_repo":151,"description_zh":152,"stars":153,"difficulty_score":52,"last_commit_at":154,"category_tags":155,"status":81},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[66,130,68],{"id":157,"name":158,"github_repo":159,"description_zh":160,"stars":161,"difficulty_score":52,"last_commit_at":162,"category_tags":163,"status":81},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[164,68,130,66],"插件",{"id":166,"name":167,"github_repo":168,"description_zh":169,"stars":170,"difficulty_score":52,"last_commit_at":171,"category_tags":172,"status":81},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[164,66]]