尧图网站建设 
如何用 Prompt-Engineering-Guide 从零掌握提示工程1 小时看懂 CoT、RAG 与 AI Agents【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-GuidePrompt-Engineering-Guide 是 Elvis Saravia 维护的提示工程开源指南按主题整理了提示技巧、RAG、AI Agents 教程、论文清单与可运行的 Jupyter Notebook覆盖 13 种语言帮你把怎么向大模型提问这件事学透、用对。 一、这个项目解决什么问题它解决的是提示词凭感觉写效果全看运气的问题。场景一让模型做算术推理直接问它答27错了。按指南里 Chain-of-ThoughtCoT的做法在提示里附上 2 个先写推理过程再给答案的示例模型输出立刻变成正确的 9。同样的问题提示写法不同结果从错变对这就是你要系统学的东西。场景二你给模型一份内部文档问它公司政策细节。没有检索增强时它只能靠训练记忆硬答甚至一本正经地编造RAG检索增强生成的做法是先把文档切片、向量化提问时检索出相关段落塞进提示模型基于真实资料作答。指南里把这条流程的每一步都拆开讲清了。省掉的麻烦你不用再去翻几十篇英文论文拼凑知识也不用自己判断 Zero-Shot、Few-Shot、ReAct 到底该用哪个。 二、从零到跑起来3 条命令本地启动前置条件只有一个Node 18 或更高版本外加 pnpm 包管理器。git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev启动后在浏览器访问 localhost:3000左侧导航栏就是全部学习路径Introduction基础、Techniques技巧、AI Agents代理、Prompt Hub提示词仓库、Papers论文清单。 三、核心功能拆解3 个最值得精读的板块提示技巧库Zero-Shot 到 Chain-of-Thought 全都有是什么Techniques 板块收录 15 种主流提示技巧每种配原理讲解、完整提示词示例和效果对比图包括 Zero-Shot、Few-Shot、CoT、Self-Consistency、Tree of Thoughts、ReAct 等。解决什么问题不同任务该用不同技巧——分类任务用 Few-Shot 贴示例就够数学和逻辑推理必须上 CoT 引导逐步思考多步骤探索类任务才需要 ReAct。这个板块帮你建立任务类型 → 技巧选型的映射。怎么用从 Introduction 学完提示词基本要素后直接读 CoT 章节。核心做法是在提示中先给 2~4 个问题 推理过程 答案的示例再提出你的问题模型会模仿这个格式先推理后作答。RAG 检索增强生成让模型基于你的文档作答是什么RAG 章节完整拆解了文档 → 切片 → 向量化 → 检索 → 拼入提示 → 生成回答的六步流水线并给出评估指标和调优方向。解决什么问题大模型不知道你公司内部资料纯靠提示词硬塞又会撑爆上下文长度。RAG 让模型在回答时只调取真正相关的文档片段既准确又省 token。怎么用按指南流程走一遍——把文档切成小块用 embedding 模型转成向量存入索引库用户提问时先检索出 Top N 相关片段连同问题一起拼进提示要求模型仅根据以上资料回答。AI Agents 板块从单次问答走向多步任务是什么Agents 板块讲智能体的三大组件——工具调用、记忆管理、任务规划覆盖函数调用Function Calling、任务分解、路由与并行化等模式。解决什么问题单轮提示只能完成一步动作而查天气 算温差 发邮件这类任务需要模型自己决定何时调用工具、何时回顾历史。代理架构把提示词变成调度层让模型串起整条工作流。怎么用先读 Function Calling 章节学会在提示里声明工具及其参数让模型输出结构化的调用请求再结合 Agents 章节的规划器模式把复杂任务拆成子步骤逐个执行。 四、一个端到端场景把算术推理提示词从错到对需求你做了个答题小工具用户问食堂原有 23 个苹果做午饭用掉 20 个又买了 6 个还剩几个模型直接答27错了。第一步打开指南的 Techniques 章节翻到 CoT 页面确认这类多步算术题正是它的适用场景。第二步照页面示例改造提示保留原题在问题前补两个示例——Roger 有 5 个网球又买了 2 罐每罐 3 个。推理5 6 11答案 11。关键在于示例里必须写出算式过程而不是只给答案。第三步把改造后的提示丢给模型。输出变成原有 23 个用掉 20 个剩 3 个又买 6 个3 6 9答案是 9——正确且推理链可追溯。整个改动只有提示词加了两行示例效果差异来自技巧选型。这就是这本指南的价值每个技巧都附可直接抄走的提示词模板。 五、容易踩的坑坑一本地启动报依赖安装失败。现象是 pnpm install 或 pnpm dev 中途报错。原因是环境 Node 版本低于 18。对策先用 node -v 检查版本升级到 18 以上再重新装依赖。坑二照着英文技巧直接照搬提示词。现象是中文模型下效果明显变差。原因是示例本身偏英文语境直接翻译后推理格式被破坏。对策参考示例的结构问题 推理过程 答案三段式把示例内容改写成与你业务一致的中文表达。坑三把项目当成可调用库。现象是试图 import 项目里的代码跑在自己的程序里。原因是这是一个 Nextra 文档站价值在内容而非代码。对策把它当学习地图用需要动手的环节配合 Notebooks 板块里的 Jupyter 笔记做。 六、接下来可以做什么想动手实验打开 Notebooks 板块pe-lecture.ipynb 是配合 1 小时视频课程的完整代码笔记pe-chatgpt-intro.ipynb 适合从零练手。想看论文原文Papers 板块按综述 / 方法 / 应用 / 合集分类整理每条附标题与链接写报告或做调研时直接取用。想积累提示词Prompt Hub 按分类、编码、数学、问答等 10 个方向收录了可直接复制的提示模板。想扩展方向读完基础后按 RAG → Function Calling → Agents 的顺序推进对应项目内 techniques/rag、applications/function_calling、agents/introduction 三个入口。Prompt-Engineering-Guide 把分散在各处论文和博客里的提示工程知识收敛成了一张带图、带示例、可本地运行的地图。现在把仓库克隆到本地跑起来从 Introduction 的第一节开始读一天之内你就能写出第一个 CoT 提示词。【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 如何用 Prompt-Engineering-Guide 从零掌握提示工程：1 小时看懂 CoT、RAG 与 AI Agents
如何用 Prompt-Engineering-Guide 从零掌握提示工程1 小时看懂 CoT、RAG 与 AI Agents【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-GuidePrompt-Engineering-Guide 是 Elvis Saravia 维护的提示工程开源指南按主题整理了提示技巧、RAG、AI Agents 教程、论文清单与可运行的 Jupyter Notebook覆盖 13 种语言帮你把怎么向大模型提问这件事学透、用对。 一、这个项目解决什么问题它解决的是提示词凭感觉写效果全看运气的问题。场景一让模型做算术推理直接问它答27错了。按指南里 Chain-of-ThoughtCoT的做法在提示里附上 2 个先写推理过程再给答案的示例模型输出立刻变成正确的 9。同样的问题提示写法不同结果从错变对这就是你要系统学的东西。场景二你给模型一份内部文档问它公司政策细节。没有检索增强时它只能靠训练记忆硬答甚至一本正经地编造RAG检索增强生成的做法是先把文档切片、向量化提问时检索出相关段落塞进提示模型基于真实资料作答。指南里把这条流程的每一步都拆开讲清了。省掉的麻烦你不用再去翻几十篇英文论文拼凑知识也不用自己判断 Zero-Shot、Few-Shot、ReAct 到底该用哪个。 二、从零到跑起来3 条命令本地启动前置条件只有一个Node 18 或更高版本外加 pnpm 包管理器。git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev启动后在浏览器访问 localhost:3000左侧导航栏就是全部学习路径Introduction基础、Techniques技巧、AI Agents代理、Prompt Hub提示词仓库、Papers论文清单。 三、核心功能拆解3 个最值得精读的板块提示技巧库Zero-Shot 到 Chain-of-Thought 全都有是什么Techniques 板块收录 15 种主流提示技巧每种配原理讲解、完整提示词示例和效果对比图包括 Zero-Shot、Few-Shot、CoT、Self-Consistency、Tree of Thoughts、ReAct 等。解决什么问题不同任务该用不同技巧——分类任务用 Few-Shot 贴示例就够数学和逻辑推理必须上 CoT 引导逐步思考多步骤探索类任务才需要 ReAct。这个板块帮你建立任务类型 → 技巧选型的映射。怎么用从 Introduction 学完提示词基本要素后直接读 CoT 章节。核心做法是在提示中先给 2~4 个问题 推理过程 答案的示例再提出你的问题模型会模仿这个格式先推理后作答。RAG 检索增强生成让模型基于你的文档作答是什么RAG 章节完整拆解了文档 → 切片 → 向量化 → 检索 → 拼入提示 → 生成回答的六步流水线并给出评估指标和调优方向。解决什么问题大模型不知道你公司内部资料纯靠提示词硬塞又会撑爆上下文长度。RAG 让模型在回答时只调取真正相关的文档片段既准确又省 token。怎么用按指南流程走一遍——把文档切成小块用 embedding 模型转成向量存入索引库用户提问时先检索出 Top N 相关片段连同问题一起拼进提示要求模型仅根据以上资料回答。AI Agents 板块从单次问答走向多步任务是什么Agents 板块讲智能体的三大组件——工具调用、记忆管理、任务规划覆盖函数调用Function Calling、任务分解、路由与并行化等模式。解决什么问题单轮提示只能完成一步动作而查天气 算温差 发邮件这类任务需要模型自己决定何时调用工具、何时回顾历史。代理架构把提示词变成调度层让模型串起整条工作流。怎么用先读 Function Calling 章节学会在提示里声明工具及其参数让模型输出结构化的调用请求再结合 Agents 章节的规划器模式把复杂任务拆成子步骤逐个执行。 四、一个端到端场景把算术推理提示词从错到对需求你做了个答题小工具用户问食堂原有 23 个苹果做午饭用掉 20 个又买了 6 个还剩几个模型直接答27错了。第一步打开指南的 Techniques 章节翻到 CoT 页面确认这类多步算术题正是它的适用场景。第二步照页面示例改造提示保留原题在问题前补两个示例——Roger 有 5 个网球又买了 2 罐每罐 3 个。推理5 6 11答案 11。关键在于示例里必须写出算式过程而不是只给答案。第三步把改造后的提示丢给模型。输出变成原有 23 个用掉 20 个剩 3 个又买 6 个3 6 9答案是 9——正确且推理链可追溯。整个改动只有提示词加了两行示例效果差异来自技巧选型。这就是这本指南的价值每个技巧都附可直接抄走的提示词模板。 五、容易踩的坑坑一本地启动报依赖安装失败。现象是 pnpm install 或 pnpm dev 中途报错。原因是环境 Node 版本低于 18。对策先用 node -v 检查版本升级到 18 以上再重新装依赖。坑二照着英文技巧直接照搬提示词。现象是中文模型下效果明显变差。原因是示例本身偏英文语境直接翻译后推理格式被破坏。对策参考示例的结构问题 推理过程 答案三段式把示例内容改写成与你业务一致的中文表达。坑三把项目当成可调用库。现象是试图 import 项目里的代码跑在自己的程序里。原因是这是一个 Nextra 文档站价值在内容而非代码。对策把它当学习地图用需要动手的环节配合 Notebooks 板块里的 Jupyter 笔记做。 六、接下来可以做什么想动手实验打开 Notebooks 板块pe-lecture.ipynb 是配合 1 小时视频课程的完整代码笔记pe-chatgpt-intro.ipynb 适合从零练手。想看论文原文Papers 板块按综述 / 方法 / 应用 / 合集分类整理每条附标题与链接写报告或做调研时直接取用。想积累提示词Prompt Hub 按分类、编码、数学、问答等 10 个方向收录了可直接复制的提示模板。想扩展方向读完基础后按 RAG → Function Calling → Agents 的顺序推进对应项目内 techniques/rag、applications/function_calling、agents/introduction 三个入口。Prompt-Engineering-Guide 把分散在各处论文和博客里的提示工程知识收敛成了一张带图、带示例、可本地运行的地图。现在把仓库克隆到本地跑起来从 Introduction 的第一节开始读一天之内你就能写出第一个 CoT 提示词。【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