NirDiamant/Prompt_Engineering — 详解

它是什么

一个公开的GitHub仓库，收集了22个动手教程，关于提示工程——即设计你给AI语言模型（如GPT）的文本指令，以获得更好、更可靠的输出。它旨在作为从初学者到高级用户的学习资源。

里面有什么

• 22个Jupyter笔记本（交互式代码+解释），每个涵盖一种特定技术。
• 技术范围从基础（什么是提示、简单结构）到高级（多步推理、安全、评估）。
• 每个笔记本都有一个概述（该技术做什么）和一个实现（如何实际使用，通常使用OpenAI的GPT模型和LangChain库）。
• README还链接到相同22种技术的书籍版本、新闻通讯和YouTube解释视频。

如何组织

这些技术分为六个类别：

1. 基础概念 — 介绍、基本提示结构、带变量的模板。
2. 核心技巧 — 零样本提示、少样本学习、思维链。
3. 高级策略 — 自一致性、约束生成、角色提示。
4. 高级实现 — 任务分解、提示链、指令工程。
5. 优化 — A/B测试提示、处理歧义、管理提示长度。
6. 专业与高级应用 — 负面提示、格式化、多语言、伦理、安全、评估。

示例技术（用通俗语言）

• 零样本提示：要求模型在没有给出任何示例的情况下执行任务。
• 少样本学习：在要求模型执行任务之前，给它几个示例学习。
• 思维链：要求模型展示其逐步推理，而不是直接跳到答案。
• 自一致性：生成多个推理路径，并选择最一致的答案。
• 角色提示：告诉模型扮演特定角色（例如，“你是一名律师”）。
• 提示链：按顺序连接多个提示以处理复杂任务。
• 提示安全：防止恶意提示注入。

适合谁

• 想从头学习提示工程的初学者。
• 想探索高级技术的经验丰富的从业者。
• 贡献者——README明确欢迎拉取请求和社区贡献。

相关项目

作者维护了几个配套仓库：RAG技术（检索增强生成）、GenAI代理（AI代理系统）、面向生产的代理和代理记忆技术。

关键要点

这是一个学习和参考库——不是单一工具或应用。你可以浏览笔记本、运行它们，并将这些技术适应到你自己的AI项目中。README强调它是可用的“最广泛和动态的”提示工程教程集合之一，并且定期更新，积极维护。