[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-yunwei37--Prompt-Engineering-Guide-zh-CN":3,"tool-yunwei37--Prompt-Engineering-Guide-zh-CN":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},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",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},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",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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",159636,2,"2026-04-17T23:33:34",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},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",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},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",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":79,"owner_email":80,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":104,"forks":105,"last_commit_at":106,"license":107,"difficulty_score":42,"env_os":108,"env_gpu":109,"env_ram":109,"env_deps":110,"category_tags":113,"github_topics":114,"view_count":32,"oss_zip_url":80,"oss_zip_packed_at":80,"status":17,"created_at":121,"updated_at":122,"faqs":123,"releases":124},8987,"yunwei37\u002FPrompt-Engineering-Guide-zh-CN","Prompt-Engineering-Guide-zh-CN","🐙 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）","Prompt-Engineering-Guide-zh-CN 是一部关于提示词工程（Prompt Engineering）的综合性中文指南与资源库。它旨在帮助使用者系统地掌握如何设计和优化提示词，从而更高效地利用大型语言模型（LLMs）解决各类实际问题。\n\n随着大模型技术的飞速发展，许多用户面临“不知如何提问”或“无法挖掘模型潜力”的困境。这份指南正是为了解决这一痛点而生，它不仅深入浅出地解释了提示工程的核心概念，还详细梳理了从基础用法到高级技巧（如对抗性提示、可靠性优化）的完整知识体系，帮助用户更好地理解模型的能力边界。\n\n无论是希望将 LLM 集成到应用中的开发者、致力于探索模型新能力的研究人员，还是想要提升日常使用效率的普通用户，都能从中获益。其独特亮点在于内容的全面性与时效性：除了涵盖系统的教程章节外，还持续收录最新的学术论文、实战代码笔记本（Notebooks）、视频讲座以及相关工具和数据集，并保持着自动更新的活力。此外，项目还提供了专门的 ChatGPT 应用指南和在线 Web 版本，让学习过程更加便捷直观。如果你希望在人工智能时代更好地驾驭语言模型，这将是一份不可或缺的参","Prompt-Engineering-Guide-zh-CN 是一部关于提示词工程（Prompt Engineering）的综合性中文指南与资源库。它旨在帮助使用者系统地掌握如何设计和优化提示词，从而更高效地利用大型语言模型（LLMs）解决各类实际问题。\n\n随着大模型技术的飞速发展，许多用户面临“不知如何提问”或“无法挖掘模型潜力”的困境。这份指南正是为了解决这一痛点而生，它不仅深入浅出地解释了提示工程的核心概念，还详细梳理了从基础用法到高级技巧（如对抗性提示、可靠性优化）的完整知识体系，帮助用户更好地理解模型的能力边界。\n\n无论是希望将 LLM 集成到应用中的开发者、致力于探索模型新能力的研究人员，还是想要提升日常使用效率的普通用户，都能从中获益。其独特亮点在于内容的全面性与时效性：除了涵盖系统的教程章节外，还持续收录最新的学术论文、实战代码笔记本（Notebooks）、视频讲座以及相关工具和数据集，并保持着自动更新的活力。此外，项目还提供了专门的 ChatGPT 应用指南和在线 Web 版本，让学习过程更加便捷直观。如果你希望在人工智能时代更好地驾驭语言模型，这将是一份不可或缺的参考手册。","# 提示词工程指南\n\n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。\n\n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。\n\n愉快的提示！\n\n---\n## 公告\u002F更新\n\n- 🎉 我们推出了新的Web版本指南[在这里](https:\u002F\u002Fwww.promptingguide.ai\u002F)\n- 🎓 与Sphere合作推出了一个新课程，主题是[LLMs的提示工程](https:\u002F\u002Fwww.getsphere.com\u002Fcohorts\u002Fprompt-engineering-for-llms?source=github)\n- 💬 即将推出新的ChatGPT提示工程指南！\n- 🔥 我们在2023年2月21日获得了Hacker News的第一名\n- 🎉 “提示工程讲座”已经上线[在这里](https:\u002F\u002Fyoutu.be\u002FdOxUroR57xs)\n- 🎓 我们正在创建一系列综合指南[在这里](#guides)\n\n[加入我们的Discord](https:\u002F\u002Fdiscord.gg\u002FSKgkVT8BGJ)\n\n[在Twitter上跟随我们](https:\u002F\u002Ftwitter.com\u002Fdair_ai)\n\n[订阅我们的通讯](https:\u002F\u002Fnlpnews.substack.com\u002F)\n\n---\n## 讲座\n\n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。\n\n- [视频讲座](https:\u002F\u002Fyoutu.be\u002FdOxUroR57xs)\n- [附带代码的notebook](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002Fnotebooks\u002Fpe-lecture.ipynb)\n- [幻灯片](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002Flecture\u002FPrompt-Engineering-Lecture-Elvis.pdf)\n\n---\n\n## 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。\n\n- [提示工程 - 简介](\u002Fguides\u002Fprompts-intro.md)\n- [提示工程 - 基础提示](\u002Fguides\u002Fprompts-basic-usage.md)\n- [提示工程 - 高级提示](\u002Fguides\u002Fprompts-advanced-usage.md)\n- [提示工程 - 应用](\u002Fguides\u002Fprompts-applications.md)\n- [提示工程 - ChatGPT](\u002Fguides\u002Fprompts-chatgpt.md)\n- [提示工程 - 对抗提示](\u002Fguides\u002Fprompts-adversarial.md)\n- [提示工程 - 可靠性](\u002Fguides\u002Fprompts-reliability.md)\n- [提示工程 - 杂项主题](\u002Fguides\u002Fprompts-miscellaneous.md)\n- [提示工程 - 论文](\u002Fpages\u002Fpapers.mdx)\n- [提示工程 - 工具](\u002Fpages\u002Ftools.mdx)\n- [提示工程 - 数据集](\u002Fpages\u002Fdatasets.mdx) \n- [提示工程 - 附加读物](\u002Fpages\u002Freadings.mdx)\n\n---\n如果您正在使用此指南进行工作，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 = {{Prompt Engineering Guide}},\nyear = {2022}\n}\n```\n\n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！","# 提示工程指南\n\n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。\n\n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。\n\n愉快的提示！\n\n---\n## 公告\u002F更新\n\n- 🎉 我们推出了新的Web版本指南[在这里](https:\u002F\u002Fwww.promptingguide.ai\u002F)\n- 🎓 与Sphere合作推出了一个新课程，主题是[LLMs的提示工程](https:\u002F\u002Fwww.getsphere.com\u002Fcohorts\u002Fprompt-engineering-for-llms?source=github)\n- 💬 即将推出新的ChatGPT提示工程指南！\n- 🔥 我们在2023年2月21日获得了Hacker News的第一名\n- 🎉 “提示工程讲座”已经上线[在这里](https:\u002F\u002Fyoutu.be\u002FdOxUroR57xs)\n- 🎓 我们正在创建一系列综合指南[在这里](#guides)\n\n[加入我们的Discord](https:\u002F\u002Fdiscord.gg\u002FSKgkVT8BGJ)\n\n[在Twitter上跟随我们](https:\u002F\u002Ftwitter.com\u002Fdair_ai)\n\n[订阅我们的通讯](https:\u002F\u002Fnlpnews.substack.com\u002F)\n\n---\n## 讲座\n\n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。\n\n- [视频讲座](https:\u002F\u002Fyoutu.be\u002FdOxUroR57xs)\n- [附带代码的notebook](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002Fnotebooks\u002Fpe-lecture.ipynb)\n- [幻灯片](https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide\u002Fblob\u002Fmain\u002Flecture\u002FPrompt-Engineering-Lecture-Elvis.pdf)\n\n---\n\n## 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。\n\n- [提示工程 - 简介](\u002Fguides\u002Fprompts-intro.md)\n- [提示工程 - 基础提示](\u002Fguides\u002Fprompts-basic-usage.md)\n- [提示工程 - 高级提示](\u002Fguides\u002Fprompts-advanced-usage.md)\n- [提示工程 - 应用](\u002Fguides\u002Fprompts-applications.md)\n- [提示工程 - ChatGPT](\u002Fguides\u002Fprompts-chatgpt.md)\n- [提示工程 - 对抗提示](\u002Fguides\u002Fprompts-adversarial.md)\n- [提示工程 - 可靠性](\u002Fguides\u002Fprompts-reliability.md)\n- [提示工程 - 杂项主题](\u002Fguides\u002Fprompts-miscellaneous.md)\n- [提示工程 - 论文](\u002Fpages\u002Fpapers.mdx)\n- [提示工程 - 工具](\u002Fpages\u002Ftools.mdx)\n- [提示工程 - 数据集](\u002Fpages\u002Fdatasets.mdx) \n- [提示工程 - 附加读物](\u002Fpages\u002Freadings.mdx)\n\n---\n如果您正在使用此指南进行工作，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 = {{Prompt Engineering Guide}},\nyear = {2022}\n}\n```\n\n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\n\n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。\n\n## 环境准备\n\n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：\n\n*   **操作系统**：Windows \u002F macOS \u002F Linux\n*   **核心依赖**：\n    *   Python 3.8+\n    *   Jupyter Lab 或 Jupyter Notebook\n    *   Git\n*   **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。\n\n> **国内加速建议**：\n> 1. **代码托管**：若 GitHub 访问缓慢，推荐使用 [Gitee 镜像](https:\u002F\u002Fgitee.com\u002Fmirrors\u002FPrompt-Engineering-Guide)（如有同步）或通过国内代理加速克隆。\n> 2. **Python 包管理**：建议使用清华源或阿里源安装依赖。\n>    ```bash\n>    pip config set global.index-url https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n>    ```\n\n## 安装步骤\n\n### 1. 克隆项目仓库\n\n使用 Git 将项目克隆到本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide.git\ncd Prompt-Engineering-Guide\n```\n\n### 2. 创建虚拟环境并安装依赖\n\n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：\n\n```bash\npython -m venv venv\nsource venv\u002Fbin\u002Factivate  # Windows 用户请使用: venv\\Scripts\\activate\n\n# 安装 Jupyter 及常见数据处理库（根据 notebooks 实际需求）\npip install jupyterlab pandas numpy matplotlib openai\n```\n\n> 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。\n\n## 基本使用\n\n### 方式一：在线阅读指南（推荐）\n\n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：\n\n*   **Web 版地址**：[https:\u002F\u002Fwww.promptingguide.ai\u002F](https:\u002F\u002Fwww.promptingguide.ai\u002F)\n*   **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。\n\n### 方式二：运行本地代码示例\n\n若需动手实践讲座中的代码示例，请启动 Jupyter Lab：\n\n```bash\ncd notebooks\njupyter lab\n```\n\n在浏览器打开的界面中，运行以下核心教程文件：\n\n*   **文件路径**：`pe-lecture.ipynb`\n*   **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。\n\n**简单示例逻辑**（参考 Notebook 内容）：\n\n```python\n# 示例：构建一个简单的零样本提示 (Zero-Shot Prompting)\nprompt = \"将以下文本翻译成法语：'你好，世界'\"\n\n# 调用 LLM (伪代码，需替换为实际 API 调用)\n# response = llm.generate(prompt)\n# print(response) \n# 预期输出：Bonjour, le monde\n```\n\n### 方式三：查阅专项文档\n\n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：\n\n*   **基础用法**：`guides\u002Fprompts-basic-usage.md`\n*   **高级技巧**：`guides\u002Fprompts-advanced-usage.md`\n*   **ChatGPT 专项**：`guides\u002Fprompts-chatgpt.md`\n*   **可靠性与评估**：`guides\u002Fprompts-reliability.md`\n\n---\n*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。*","某初创公司的算法工程师正在为客服聊天机器人设计复杂的意图识别提示词，试图让大模型准确处理用户模糊的投诉请求。\n\n### 没有 Prompt-Engineering-Guide-zh-CN 时\n- 工程师只能凭直觉反复试错，花费数天调整措辞，却仍无法解决模型“胡言乱语”或遗漏关键信息的问题。\n- 面对少样本学习（Few-Shot）等高级技巧，因缺乏系统的中文案例参考，导致编写的示例质量参差不齐，模型泛化能力差。\n- 团队内部对提示词优化缺乏统一标准，每个人都在重复造轮子，且难以找到最新的对抗性攻击防御策略来保障系统安全。\n- 遇到复杂推理任务失败时，不知道是模型能力边界问题还是提示词设计缺陷，排查过程如同盲人摸象。\n\n### 使用 Prompt-Engineering-Guide-zh-CN 后\n- 工程师直接参照指南中的“基础提示”与“高级提示”章节，快速应用思维链（Chain-of-Thought）技术，将意图识别准确率在半天内提升至 90% 以上。\n- 利用指南中丰富的中文实战笔记和代码示例，轻松构建了高质量的少样本模板，显著增强了模型对模糊语境的理解力。\n- 团队基于指南建立的标准化提示词框架进行协作，并采纳了“可靠性”章节的建议，有效防御了潜在的注入攻击，提升了系统鲁棒性。\n- 通过查阅“论文”与“数据集”板块，迅速定位到类似任务的最新研究成果，科学地界定了模型能力边界，避免了无效优化。\n\nPrompt-Engineering-Guide-zh-CN 将原本依赖玄学的提示词调试过程，转化为了一套可复制、有理论支撑的高效工程实践体系。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyunwei37_Prompt-Engineering-Guide-zh-CN_8dd94b58.png","yunwei37","云微","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fyunwei37_04d4ec3d.jpg","Stupid but Curious about the world | 系统算命师傅 | AI coding 清洁工 | eunomia.dev","eunomia-bpf","London",null,"https:\u002F\u002Fwww.yunwei37.com\u002F","https:\u002F\u002Fgithub.com\u002Fyunwei37",[84,88,92,96,100],{"name":85,"color":86,"percentage":87},"MDX","#fcb32c",63.5,{"name":89,"color":90,"percentage":91},"Jupyter Notebook","#DA5B0B",34.8,{"name":93,"color":94,"percentage":95},"TypeScript","#3178c6",1.3,{"name":97,"color":98,"percentage":99},"JavaScript","#f1e05a",0.3,{"name":101,"color":102,"percentage":103},"CSS","#663399",0,972,92,"2026-04-16T03:17:14","NOASSERTION","","未说明",{"notes":111,"python":109,"dependencies":112},"本项目为提示词工程指南（文档与学习资源），包含论文、教程、笔记和工具列表，并非可执行的软件工具或模型代码库，因此无特定的操作系统、GPU、内存、Python 版本或依赖库要求。用户可直接阅读 Markdown 文档或在 Jupyter Notebook 中运行提供的示例代码，具体环境需求取决于用户自行选择的语言模型后端。",[],[13,35],[115,116,117,118,119,120],"chatgpt","gpt","gpt4","openai","prompt","prompt-engineering","2026-03-27T02:49:30.150509","2026-04-18T17:03:33.779822",[],[]]