BrightPool/udemy-prompt-engineering-course

这是什么

这是Udemy课程*The Complete Prompt Engineering for AI Bootcamp (2026)*的笔记本伴侣。它不是一个可安装的Python包——它是一个学习材料文件夹：Jupyter笔记本、小型示例应用、提示文件、数据集、截图和图表。

在撰写本文时，它包含248个笔记本，涵盖提示工程、OpenAI工作流、检索、代理、LangChain、LangGraph、评估、视觉和图像生成。

适用对象

• 想要从讲座中获得动手代码的Udemy课程学生
• 寻找实用提示工程和LLM应用示例的开发者
• 想要OpenAI API、RAG、代理模式和评估工作流参考笔记本的团队

涵盖内容

该仓库在课程中编码密集的部分最为强大：

• OpenAI API工作流（Responses API、结构化输出、工具调用、代码解释器、计算机使用）
• 高级提示（少样本、思维链、自一致性、提示优化）
• 检索、嵌入、RAG、混合检索
• 代理和编排（OpenAI Agents SDK、客户支持代理、博客生成器）
• LangChain和LangGraph深入探讨
• 评估和优化（DSPy、SAMMO、评估指标）
• 视觉和图像模型项目（多模态分析、FLUX/FAL、旧版Stable Diffusion/DreamBooth）

它还有一个关于其他提供商的部分：OpenRouter、Gemini（视频分析）和Anthropic/Claude。

注意：该仓库不镜像每一节课。非编码课程、平台演练和概念材料主要存在于视频中。

布局概览

区域	文件夹	内容
核心OpenAI和提示	openai_features_and_functionality/、advanced_text_model_techniques/	Responses API、工具调用、少样本、ReAct、自一致性
其他提供商	exploring_other_providers/	OpenRouter网关、Claude Messages API、Gemini视频分析、提供商比较
检索和代理	retrieval_embeddings_and_vector_databases/、advanced_retrieval_techniques/、building_ai_agents/、agent_architectures/	嵌入、混合检索、支持代理、编排模式
框架深入	deep_dive_on_langchain/、deep_dive_on_langgraph/	LangChain聊天模型、LCEL、向量存储；LangGraph状态、持久化、人在回路、RAG
项目和评估	projects/、prompt_optimization_and_evals/、evaluating_quality/	博客生成、摘要、转录、DSPy、SAMMO、评估指标
视觉和图像模型	vision/、advanced_image_model_techniques/、ai_image_model_projects/、standard_image_model_practices/	多模态分析、FLUX/FAL工作流、旧版Stable Diffusion/DreamBooth
支持资产	building_ai_agents/resources/、images/、docs/	示例数据集、提示文件、截图、图表、内部规划文档

如何运行

大多数笔记本适用于Jupyter或Google Colab。最小本地设置：

python -m venv .venv
source .venv/bin/activate
pip install jupyterlab
jupyter lab

关键说明：

• 笔记本使用%pip install内联安装额外依赖——没有仓库范围的requirements.txt或pyproject.toml
• 大多数笔记本期望一个OPENAI_API_KEY
• 如果环境中未设置，许多笔记本通过getpass提示缺失的凭据

所需凭据

大多数只需要OPENAI_API_KEY。某些部分额外需要：

• ANTHROPIC_API_KEY — Claude部分和提示缓存比较
• SUPABASE_URL / SUPABASE_KEY — pgvector示例
• LANGCHAIN_API_KEY、TAVILY_API_KEY — 代理/追踪工作流
• FAL_KEY — FLUX图像生成笔记本
• Hugging Face或Google Cloud凭据 — 一些旧版图像模型项目笔记本

README明确警告：不要将API密钥提交到git；使用环境变量或秘密管理器（例如，1Password CLI）。

注意事项

• deep_dive_on_langgraph/是一个结构化序列，适合作为引导式轨道
• deep_dive_on_langchain/更适合作为概念库而不是线性路径
• building_ai_agents/resources/保存代理笔记本使用的数据集、提示和知识库文件
• standard_image_model_practices/只是一个占位符——未填充
• 几个视觉/图像笔记本依赖外部资产、上传或云凭据，因此克隆后并非完全自包含

建议学习路径（来自README）

1. OpenAI和提示： openai_features_and_functionality/ → advanced_text_model_techniques/
2. 检索： retrieval_embeddings_and_vector_databases/ → advanced_retrieval_techniques/
3. 代理： building_ai_agents/ → agent_architectures/
4. 框架： deep_dive_on_langchain/和deep_dive_on_langgraph/
5. 应用项目： projects/、prompt_optimization_and_evals/、vision/、advanced_image_model_techniques/

对于课程学生：使用视频获取完整教学序列；将此仓库视为编码伴侣。

贡献/维护工具

该仓库建议使用gitleaks（秘密扫描）、pre-commit和gitleaks detect命令来保持秘密不进入跟踪文件。