promptslab/Awesome-Prompt-Engineering

它解决的问题

使用大型语言模型（LLM）需要知道如何措辞指令、构建上下文以及串联推理步骤以获得有用的结果。提示工程是做好这项工作的技能，该领域在研究、工业界和学术界不断增长。本项目将关于该主题的最佳精选资源汇集在一处，使人们无需搜索分散的来源即可保持最新或找到合适的技术。

README 还提到“上下文工程”作为一个相关领域——即管理进入模型上下文窗口的信息及其数量的实践，随着模型处理更长的输入，这变得越来越重要。

它的工作方式

这是一个“awesome list”风格的仓库——一个手工精选、分类的外部资源索引。它按目录组织，包含主要部分：

• 论文：研究按子主题分类，如主要综述、提示优化、提示压缩、推理进展（如思维链和思维树）、上下文学习、智能体提示和多智能体系统、多模态提示、结构化输出、提示注入安全、文本到图像以及文本到音乐/音频生成。
• 工具和代码：用于提示管理、LLM 评估、智能体框架、提示优化、红队和安全、模型上下文协议（MCP）、vibe 编码和 AI 编码助手（CLI 智能体、IDE、扩展、云平台、开源框架）的软件，以及其他值得注意的仓库。
• API、数据集和基准、模型和AI 内容检测器：每个类别中的外部资源列表。
• 书籍、课程、教程和指南、视频和社区：学习材料和与其他从业者联系的地方。
• 自主研究和自我改进智能体：涵盖关于自我改进智能体资源的章节。

README 还为新手提供了“从这里开始”路径，推荐了关于 ChatGPT 提示工程的免费短期课程、DAIR.AI 开源提示指南、OpenAI 和 Anthropic 的官方文档、一篇关于上下文工程的文章，以及一篇涵盖 58+ 种提示技术、来自 1500+ 篇论文的大型综述论文。

该项目在线托管于 promptslab.github.io，欢迎通过拉取请求贡献。还有一个 Discord 社区供讨论。

适用人群

• 初学者：希望获得提示工程的结构化入门点，有推荐的学习路径、课程和教程。
• 研究人员和学者：寻找关于提示技术、综述、安全、多模态生成和推理的广泛论文书目。
• 从业者和开发者：构建 LLM 应用，需要提示测试、评估、优化、智能体框架和编码助手的工具。
• 注重安全的人士：对提示注入防御和红队资源感兴趣。
• 任何销售或教授 LLM 技能的人：该列表涵盖书籍、视频、社区，甚至 AI 内容检测器资源。

亮点

• 全面且最新：涵盖从基础论文（GPT-3 少样本学习）到 2025 年关于推理模型、上下文工程和智能体系统的研究。
• 为初学者提供强大的阅读路径：“从这里开始”部分明确为新手排序了免费课程、指南、官方文档和一篇主要综述。
• 深入的安全覆盖：专门针对提示注入攻击、防御、越狱和红队工具的子部分。
• 实用工具目录：列出提示管理、评估、优化和智能体框架，以及从 CLI 智能体到云平台的广泛 AI 编码工具。
• 多模态范围：包括文本到图像和文本到音频生成提示的论文，以及视觉提示综述。
• 社区功能：欢迎拉取请求，提供 Discord，项目采用 Apache 2.0 许可证。