5 分钟本地跑通 Prompt Engineering Guide：从零样本到 AI 智能体的提示工程资源
【免费下载链接】Prompt-Engineering-Guide🐙 Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide
这是 Prompt Engineering Guide，一个提示工程（Prompt Engineering）的开源教程库，把提示工程、上下文工程、RAG 与 AI 智能体四大板块的论文、技巧、应用和笔记本汇总在一处。它基于 Nextra（Next.js 文档框架）构建，克隆后 3 条命令就能在浏览器里打开。
还在凭感觉问大模型？
你有没有过这种体验：让模型"把这份年报总结成 100 字"，回来却是 300 字废话；换个词，输出方向整个变掉。问题往往不在模型，而在你写提示词的方式。而怎么写提示词的资料，散落在论文、博客和播客里，很难拼成一条学习路径。
这个项目把它做成了体系，你拿到的是：
- 16 种提示技巧，从零样本、少样本到思维链、思维树、RAG、ReAct，每页都有原理、示例和原始论文
- Prompt Hub：12 个场景分类的现成模板，分类、写码、数学、摘要都有
- 12 个可运行的 Jupyter Notebook，外加 1 小时讲座幻灯片
- 全文 13 种语言支持，含中文
从 clone 到本地预览，只要 4 条命令
需要 Node 18+ 和 pnpm：
git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev启动后打开http://localhost:3000/，你得到一整套完整文档：入门部分讲提示词元素、参数设置和书写技巧，技巧与应用是主体，模型章讲 GPT-4、Gemini、LLaMA、Mistral 各自怎么用，后面还有风险与误用、论文清单和工具清单。每页都带 13 种语言版本，中英日韩西等，你在本地就能核对翻译或浏览新内容。
打开之后最值得看的 3 个模块
技巧：16 种技术，每个都配论文和示例。这是全书的核心。思维链一章演示"一步步想"这句话怎么改变模型的算术输出，思维树讲模型如何展开搜索树再剪枝。你的任务卡住时——推理不对、出现幻觉、需要调工具——先翻对应技巧页。
RAG 与 AI 智能体：从检索到工具调用。RAG 章展示完整流程：切块、向量化存储、检索、把上下文注入提示词；智能体部分拆规划、记忆、工具调用、验证 4 个组件。想让模型接上你的私有知识库，或搭一个会调工具的智能体，先读这两章。
Prompt Hub 和笔记本：拿来即用。12 个场景分类的提示词模板覆盖分类、写码、摘要、信息抽取，复制一条改改就是业务里的提示词。notebooks/ 下 12 个笔记本覆盖函数调用、RAG、ReAct，跑一遍比看更直观。
同一个提示词，优化前后的对比
拿个小例子：用户评论情感分类。优化前你只写一句：
请告诉我这条评论的情感模型可能回"整体偏正面但有点保留"，这话没法直接进表。优化后，加 3 条少样本示例和输出格式约束：
请把以下评论分类，只输出 正面/负面/中性 三值之一 评论：这家餐厅的食物很好吃 → 正面 评论：服务态度很差 → 负面 评论：物流花了五天，质量还行 → 中性 评论：这款手机性能超出预期 →输出就是一个词，代码里直接可用。这个差别正是项目零样本、少样本两章在讲的，Prompt Hub 的分类类还有更多现成变体。
如果你在做 LLM API 上层应用、学写提示词，或准备上 RAG 和智能体，现在就能用。最小的一步：把上面 4 条命令跑起来，先读零样本、少样本两章（约 20 分钟），再从分类类抄一条模板放进你的项目。
【免费下载链接】Prompt-Engineering-Guide🐙 Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
