简介

提示工程指南（Prompt Engineering Guide）是由 DAIR.AI 社区创建并持续维护的开放学习资源，面向希望系统理解大语言模型提示设计的人。它从提示工程的定义、模型设置、提示基本要素和通用设计技巧讲起，逐步介绍零样本、少样本、思维链、自洽性、知识生成、提示链、思维树、检索增强生成等方法，并延伸到智能体、工具调用、安全、模型专项指南和相关论文。

这份指南的优势在于内容结构完整且持续更新。读者可以按照学习路径逐章阅读，也可以把它作为术语和方法的速查手册。每种技术通常包含核心思路、提示示例、适用条件、局限和参考资料，帮助读者理解“为什么这样写”，而不只是机械复制模板。网站提供包括中文在内的多语言版本，降低了阅读门槛，也便于开发者继续查看英文论文和开源代码。

主要功能

• 基础知识体系：讲解模型参数、提示要素、指令设计、上下文、输入数据和输出约束等核心概念。
• 主流提示技术：覆盖零样本、少样本、思维链、自洽性、知识生成、提示链和思维树等方法。
• RAG 与智能体内容：介绍检索增强生成、外部知识、工具使用和 AI 智能体相关实践。
• 模型专项指南：整理不同模型与平台的提示建议，帮助读者理解模型能力和表达差异。
• 安全与可靠性：讨论提示注入、幻觉、对抗提示和输出验证等问题，强调实际应用的风险控制。
• 示例与参考论文：提供可以验证的提示案例、研究论文、课程、讲座和相关工具链接。
• 多语言阅读：支持中文等多种语言，便于学习者在母语内容与英文原始资料之间切换。
• 持续更新：跟踪提示工程、上下文工程、RAG 和智能体领域的新方法与实践。

如何使用

1. 第一次学习时从“简介”开始，依次阅读模型设置、提示基础、提示要素和通用设计技巧。
2. 选择一个实际任务，把角色、指令、上下文、输入和输出格式写成最小可运行提示。
3. 在相同测试数据上尝试零样本与少样本方法，对比示例数量和示例质量对结果的影响。
4. 遇到复杂推理任务时，再学习思维链、自洽性或思维树等方法，不必把高级技巧用于所有问题。
5. 需要接入私有资料时阅读 RAG 内容，需要模型执行外部操作时学习工具调用与智能体章节。
6. 为提示建立测试集，记录模型、参数、版本、输入和输出，避免仅凭单次效果判断提示质量。
7. 结合安全章节检查提示注入、敏感数据、事实错误和越权操作，并为重要结果设置验证流程。
8. 利用参考论文与代码继续深入，将学到的方法整理为适合自己业务的模板和评估标准。

适用人群

适合大语言模型初学者、提示词爱好者、开发者、产品经理、数据与算法人员、研究人员、教师、学生、内容创作者和企业 AI 项目团队。新手可以用它建立完整知识框架，有经验的从业者可以查询具体技术、论文和安全实践，团队负责人也能参考其结构设计内部培训与提示词规范。

应用场景

可用于聊天机器人、知识问答、内容生成、信息抽取、代码辅助、数据分析、教育辅导、研究总结、RAG 应用和 AI 智能体设计。学习者可以把每个章节的方法转化为小实验；企业团队可以据此建立提示模板、测试集、版本记录和风险检查流程，让提示工程从个人经验变为可复用、可评估的工作方法。