提示工程指南

提示工程是一门相对较新的学科，用于开发和优化提示，以高效地利用语言模型（LMs）以应用于各种应用和研究主题。提示工程技能有助于更好地理解大型语言模型（LLMs）的能力和局限性。研究人员使用提示工程来提高LLMs在广泛的常见和复杂任务（如问答和算术推理）上的能力。开发人员使用提示工程来设计强大而有效的提示技术，以与LLMs和其他工具进行交互。

受到开发LLMs的高度兴趣的推动，我们创建了这个新的提示工程指南，其中包含了所有与提示工程相关的最新论文、学习指南、讲座、参考和工具。

愉快的提示！

---

公告/更新

• 🎉 我们推出了新的Web版本指南在这里
• 🎓 与Sphere合作推出了一个新课程，主题是LLMs的提示工程
• 💬 即将推出新的ChatGPT提示工程指南！
• 🔥 我们在2023年2月21日获得了Hacker News的第一名
• 🎉 “提示工程讲座”已经上线在这里
• 🎓 我们正在创建一系列综合指南在这里

加入我们的Discord

在Twitter上跟随我们

订阅我们的通讯

---

讲座

我们发表了一场为期1小时的讲座，详细介绍提示技术、应用和工具。

• 视频讲座
• 附带代码的notebook
• 幻灯片

---

指南以下是我们开发的一套提示工程指南。指南还在不断完善中。

• 提示工程 - 简介
• 提示工程 - 基础提示
• 提示工程 - 高级提示
• 提示工程 - 应用
• 提示工程 - ChatGPT
• 提示工程 - 对抗提示
• 提示工程 - 可靠性
• 提示工程 - 杂项主题
• 提示工程 - 论文
• 提示工程 - 工具
• 提示工程 - 数据集
• 提示工程 - 附加读物

---

如果您正在使用此指南进行工作，请按以下方式引用我们：

@article{Saravia_Prompt_Engineering_Guide_2022,
author = {Saravia, Elvis},
journal = {https://github.com/dair-ai/Prompt-Engineering-Guide},
month = {12},
title = {{Prompt Engineering Guide}},
year = {2022}
}

如果有遗漏的内容欢迎打开 PR。我们非常欢迎您的反馈和建议，只需提出问题即可！

Prompt-Engineering-Guide-zh-CN 快速上手指南

本指南旨在帮助开发者快速访问和利用《提示词工程指南》资源，掌握与大语言模型（LLMs）交互的核心技巧。该项目主要包含文档、论文、工具列表及教学代码，无需复杂的环境编译即可开始学习。

环境准备

本项目主要为文档和 Jupyter Notebook 集合，运行示例代码需满足以下基础要求：

• 操作系统：Windows / macOS / Linux
• 核心依赖：
  • Python 3.8+
  • Jupyter Lab 或 Jupyter Notebook
  • Git
• 前置知识：具备基础的 Python 编程能力，了解大语言模型基本概念。

国内加速建议：

1. 代码托管：若 GitHub 访问缓慢，推荐使用 Gitee 镜像（如有同步）或通过国内代理加速克隆。
2. Python 包管理：建议使用清华源或阿里源安装依赖。

   pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
   

安装步骤

1. 克隆项目仓库

使用 Git 将项目克隆到本地：

git clone https://github.com/dair-ai/Prompt-Engineering-Guide.git
cd Prompt-Engineering-Guide

2. 创建虚拟环境并安装依赖

进入 notebooks 目录（包含讲座代码示例），创建虚拟环境并安装必要库：

python -m venv venv
source venv/bin/activate  # Windows 用户请使用: venv\Scripts\activate

# 安装 Jupyter 及常见数据处理库（根据 notebooks 实际需求）
pip install jupyterlab pandas numpy matplotlib openai

注：具体的依赖包请以 notebooks 目录下实际运行的代码需求为准，上述为通用推荐配置。

基本使用

方式一：在线阅读指南（推荐）

最直接的学习方式是访问官方维护的 Web 版指南，内容实时更新且排版友好：

• Web 版地址：https://www.promptingguide.ai/
• 主要内容：涵盖从基础提示（Basic Prompts）到高级技巧（Advanced Techniques）、应用场景及对抗性提示等完整章节。

方式二：运行本地代码示例

若需动手实践讲座中的代码示例，请启动 Jupyter Lab：

cd notebooks
jupyter lab

在浏览器打开的界面中，运行以下核心教程文件：

• 文件路径：pe-lecture.ipynb
• 功能说明：该 Notebook 复现了 1 小时技术讲座的内容，包含提示技术演示、应用案例及工具调用代码。

简单示例逻辑（参考 Notebook 内容）：

# 示例：构建一个简单的零样本提示 (Zero-Shot Prompting)
prompt = "将以下文本翻译成法语：'你好，世界'"

# 调用 LLM (伪代码，需替换为实际 API 调用)
# response = llm.generate(prompt)
# print(response) 
# 预期输出：Bonjour, le monde

方式三：查阅专项文档

在项目根目录的 guides 文件夹中，提供了分主题的详细 Markdown 文档，可直接阅读：

• 基础用法：guides/prompts-basic-usage.md
• 高级技巧：guides/prompts-advanced-usage.md
• ChatGPT 专项：guides/prompts-chatgpt.md
• 可靠性与评估：guides/prompts-reliability.md

---

提示：本项目持续更新，建议定期 git pull 获取最新的论文列表和工具推荐。