Prompt Engineering Guide（提示工程指南）
为开发者、研究者和学习者提供提示工程、上下文工程、RAG 和 AI 智能体的系统化指南与资源。
- Star 数
- ★ 79k
- 最近更新
- 7 个月前
- License
- MIT
- 主语言
- MDX
- FA 评分
- 28/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台ChatGPT · OpenAI API
- 费用
- 免费，无需付费服务
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 机器学习工程师想要掌握最新的提示工程技巧以优化 LLM 在问答和推理任务上的性能，可参考指南中的思维链、自洽性等高级技术。
- 不适合
- 需要开箱即用工具而非学习资料的开发者
- 不熟悉 Node.js 与 pnpm 前端工具链的用户
- 希望内容紧跟最新模型进展、无需自行补充资料的读者
这个 Agent 能做什么，适合哪些场景？
Prompt Engineering Guide 是一个由 DAIR.AI 维护的综合开源资源库，涵盖提示工程、上下文工程、RAG 和 AI 智能体的指南、论文、课程、笔记本和工具。它面向希望理解和运用大语言模型（LLM）的开发者、研究者和学习者，提供了从基础知识到高级技术的全面教程。该指南支持 13 种语言，拥有 Web 版本（promptingguide.ai）和配套的 DAIR.AI Academy 课程、讲座视频和代码笔记本，旨在提升对 LLM 的功能和局限性的理解，并为实际应用（如问答、算术推理等）提供有效的提示设计方法。
该仓库主要提供结构化的学习资源，包括指南文档（涵盖介绍、技巧、应用、提示词中心、模型、风险等）、精选论文列表、工具清单、Jupyter 笔记本和一个 1 小时的讲座视频。它详细阐述了多种提示技术，例如零样本、少样本、思维链、自洽性、知识生成、提示链、思维树、RAG、ART、APE、Active-Prompt、方向性刺激、PAL、ReAct、多模态 CoT 和图形提示，并展示了如何将它们应用于函数调用、数据生成、合成数据集创建、代码生成和分类等具体场景。指南还提供了模型（如 ChatGPT、GPT-4、LLaMA、Mixtral）的专属提示技巧，以及对抗性提示、事实性和偏见等风险与误用的讨论。对于本地运行，项目基于 Nextra 框架，使用 Node.js（>=18.0.0）和 pnpm 进行构建和启动。
- 机器学习工程师想要掌握最新的提示工程技巧以优化 LLM 在问答和推理任务上的性能，可参考指南中的思维链、自洽性等高级技术。
- AI 产品开发者需要设计稳健的提示来与 LLM 和其他工具交互，可学习 RAG、函数调用和提示链等应用技术。
- 教育工作者或培训师准备开设提示工程课程，可利用指南中的讲座视频、幻灯片和笔记本作为教学材料。
- 研究人员需要了解该领域的最新论文和趋势，可浏览仓库中的 Papers 部分。
- 希望本地化或翻译指南的贡献者，可按照说明在本地运行并实现新翻译。
如何安装或部署这个 Agent？
要本地运行指南，首先需要安装 Node.js 18 或更高版本，并确保系统中有 pnpm（安装说明见 https://pnpm.io/installation）。在克隆仓库后，进入根目录，运行 pnpm install 安装依赖（包括 next、react、react-dom、nextra、nextra-theme-docs）。然后运行 pnpm dev 启动开发服务器。
如何使用这个 Agent？
启动本地服务器后，在浏览器中访问 http://localhost:3000/ 即可浏览指南。对于在线版本，可直接访问 https://www.promptingguide.ai/。要使用笔记本中的代码示例，克隆仓库并打开 notebooks/ 目录下的 .ipynb 文件。若想参加配套课程，可访问 DAIR.AI Academy 并可使用代码 PROMPTING20 获得折扣。
这个 Agent 有哪些优点和局限？
- 内容全面系统，覆盖从入门到高级的提示工程知识，并提供丰富的论文和工具资源，方便深入阅读。
- 支持多语言（13 种），并有活跃的社区（Discord、Twitter、YouTube）和课程学习路径，适合不同水平的学习者。
- 提供讲座视频和代码笔记本，结合理论和实践，有助于快速掌握实际应用。
- 标注了赞助商 SerpApi 和 DAIR.AI 品牌，表明项目有稳定的维护和生态支持。
- 内容主要为学习资源，而非直接可部署的提示工程工具，使用者需要自行阅读并应用到自己的项目。
- 本地运行需要安装 Node.js 18 以上和 pnpm，对于不熟悉前端工具链的用户可能有一定门槛。
- 指南中的新功能和翻译更新可能滞后于最新模型的发展，需结合其他资源使用。
- 部分高级技术（如 RAG、多模态 CoT）需要额外的知识背景，初学者可能感到困难。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Prompt Engineering Guide（提示工程指南） 当前 | 28 · 缺口较多 | 网页应用免费 | ★ 79k | 7 个月前 | MDX | ChatGPT · OpenAI API |
| EgoAlpha 提示词上下文学习指南 | 23 · 缺口较多 | 代码库 / SDK免费 | ★ 2.2k | 4 个月前 | Jupyter Notebook | — |
| txtai 全功能AI框架 | 58 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 13k | 2 天前 | Python | OpenAI API · Claude API |
| CAMEL 多智能体框架 | 61 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 18k | 7 天前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示这是一个文档/教育仓库，没有可执行代码或运行时行为。因此，所有信任相关标准（最小权限、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚、来源归属）均未涉及，得分为0。没有证据表明存在恶意行为，但也没有任何安全机制。
自洽性：README和package.json一致，没有明显矛盾，得2分。依赖可用性：package.json列出了依赖，但未提供锁定文件或版本范围，得1分。失败消息：没有错误处理或用户可见的失败消息，得0分。
受众和场景：README明确面向研究人员和开发者，提供了多种场景，得2分。能力边界：没有明确说明指南的边界或限制，得1分。触发精度：不适用，因为没有自动化触发，得0分。环境适配：提供了本地运行指南，但未说明兼容性，得1分。
信息架构：目录结构清晰，得2分。安装说明：提供了本地运行步骤，得2分。命名稳定性：没有版本历史，但名称一致，得1分。示例和FAQ：提供了大量示例，但没有FAQ，得2分。已知限制：未提及，得0分。许可证：MIT许可证明确，得2分。版本和变更日志：没有版本号或变更日志，得0分。维护责任：README提到欢迎PR和issue，但没有明确维护者，得1分。
输出可用性：指南内容组织良好，易于使用，得2分。边际价值：提供了大量独特资源，得2分。成本效益：免费且开源，但需要时间阅读，得1分。
声明可追溯性：引用了论文和外部资源，但未提供具体链接，得1分。跨来源佐证：有外部媒体报道，但未提供链接，得1分。事实与推断分离：没有明确区分事实和推断，得0分。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 这是一个文档仓库，不包含可执行代码，因此无法评估运行时安全或行为。
- 依赖未锁定版本，存在供应链风险。
- 没有版本控制或变更日志，难以追踪更新。