Prompt Engineering Guide
Prompt Engineering Guide是由DAIR.AI发起的开源提示工程学习项目，核心定位为面向大语言模型使用者的系统化学习资源库
Prompt Engineering Guide是由DAIR.AI发起的开源提示工程学习项目，核心定位为面向大语言模型使用者的系统化学习资源库。核心功能包含全链路提示工程技术讲解、多模型提示实践指导、实战案例落地参考等，覆盖从基础概念到高级应用的全阶段内容。目标用户包括AI领域学习者、研发人员、企业技术团队、高校师生等群体，可用于日常AI工具交互优化、大模型应用开发、AI相关课程教学、企业AI落地场景搭建等多种场景，帮助用户建立完整的提示工程知识体系，提升与大语言模型交互的效率与效果。
- 适用对象
- AI领域入门学习者（系统学习提示工程基础知识）
- 主要功能
- 全阶技术讲解、多模型实践指导
- 计费方式
- 免费
- 平台
- 网页
- 已收录
- 2026.06.14（141 天）
阅读目录
编辑评测与站内热度
编辑综合评分
满分 5 分
六维指标基于站内真实数据（热度、社区反馈、资料完整度、可达性核验等）综合评估，非用户投票。
全站热度排名
#591
分类内排名
#8 / 188
累计站内点击
2
近 7 日点击
2
排名与点击为站内真实统计口径，反映 Toolifai 用户行为，非编辑评分。
Prompt Engineering Guide是什么，怎么使用？
约 4 分钟Prompt Engineering Guide是由DAIR.AI发起的开源提示工程学习项目，核心定位为面向大语言模型使用者的系统化学习资源库。核心功能包含全链路提示工程技术讲解、多模型提示实践指导、实战案例落地参考等，覆盖从基础概念到高级应用的全阶段内容。目标用户包括AI领域学习者、研发人员、企业技术团队、高校师生等群体，可用于日常AI工具交互优化、大模型应用开发、AI相关课程教学、企业AI落地场景搭建等多种场景，帮助用户建立完整的提示工程知识体系，提升与大语言模型交互的效率与效果。
主要功能
- 全阶技术讲解：内容覆盖从零样本提示、少样本提示等入门技术，到思维链（CoT）、自洽性、思维树、检索增强生成等高级提示技术，每个技术点均配有原理说明、具体提示示例、不同模型下的效果对比，用户可按学习进度逐步查阅，无需额外查找零散资料即可完成从入门到进阶的知识积累。
- 多模型实践指导：针对Flan、ChatGPT、LLaMA、GPT-4、Claude、文心一言等主流大语言模型，分别梳理不同模型的提示适配规则、差异点和优化技巧，用户可根据自己正在使用的模型选择对应章节，快速掌握适配该模型的提示设计方法，减少跨模型调试的试错成本。
- 学习资源整合：定期同步提示工程领域的最新研究论文、行业讲座视频、开源工具库、相关参考资料，按技术方向和发布时间进行分类整理，用户无需在多个学术平台、视频平台来回检索，即可一站式获取领域内的前沿内容，跟踪提示工程的技术发展动态。
- 实战案例解析：包含毕业生工作分类、代码生成、文案撰写、数据分析、多轮对话设计等多个实际应用场景的案例，每个案例均展示原始提示、优化过程、最终效果对比，用户可直接套用相似场景的优化思路，将所学技术快速应用到自己的实际任务中。
- 风险应对指导：专门设置风险与误用相关章节，详细讲解对抗性提示、模型幻觉、输出偏见、prompt注入等常见问题的产生原理，同时给出对应的检测方法和应对策略，用户在设计敏感场景的提示时可参考相关内容，降低大模型应用的安全风险。
- 开源协作更新：项目托管在GitHub平台，支持全球开发者提交内容补充、修正建议，平台会定期审核合并优质贡献，保证内容的时效性和准确性，用户在学习过程中发现内容疏漏或有新的实践经验，也可参与贡献，共同完善指南内容。
怎么使用
- 访问https://promptingguide.ai/zh中文站点或对应的GitHub仓库，查看首页的目录导航结构，了解整个指南的内容模块划分，明确各部分的定位和适用人群。
- 结合自身的学习基础和需求选择对应的模块，新手可从基础概念章节开始学习，有一定基础的用户可直接跳转至高级提示技术或对应模型的实践章节。
- 阅读所选章节的文字内容，对照章节中提供的提示示例，打开自己常用的大语言模型输入对应提示，实际运行查看效果，对比不同提示的输出差异。
- 若需要进行更深层次的实验，可下载或克隆项目中提供的Jupyter Notebook文件，在本地环境或在线Notebook平台运行代码，调试不同参数下的提示效果。
- 学习过程中可参与项目的社区讨论板块，分享自己的学习心得或实践经验，也可提交内容建议，与其他开发者共同完善指南的内容。
适合什么人群
- AI领域入门学习者（系统学习提示工程基础知识）
- 大模型应用开发人员（优化业务场景下的提示设计）
- 高校AI相关专业师生（作为课程参考资料开展教学）
- 企业AI产品团队（搭建智能客服、内容生成等AI应用）
- 内容创作从业者（提升AI辅助内容生产的输出质量）
- 数据分析师（优化大语言模型处理数据任务的效率）
总结
这是一个在AI领域认可度较高的开源学习项目，GitHub标星量超过3万，是很多人接触提示工程领域的入门参考。和零散的网络教程不同，它的内容体系性很强，从最基础的提示逻辑到前沿的研究成果都有覆盖，不同基础的用户都能找到对应的学习内容。它没有局限于单一模型的使用技巧，而是覆盖了市面上大多数主流大语言模型的适配方法，同时加入了大量可直接复用的实战案例，用户学完就能快速应用到自己的工作中。它的开源属性也让内容能够保持更新，不会因为大模型技术迭代而过时，对于想要系统掌握提示工程相关知识的用户来说，是一个值得长期查阅的学习资源。
价格与免费额度
Prompt Engineering Guide是完全免费的开源项目，所有内容对所有用户开放，无需注册账号、支付费用即可查看全站的技术讲解、案例、资源汇总等全部内容，也可自由下载项目中的Notebook实验文件。项目不设置付费会员、付费内容板块，运营成本由发起方和社区贡献者共同承担，适合所有想要学习提示工程的用户免费使用。用户若有能力也可通过GitHub参与内容贡献，共同完善项目资源。
优点与不足
优点
- 内容体系完整，覆盖从基础到高级的全阶段提示工程知识，无需额外拼凑零散资料
- 多模型适配指导全面，支持市面上多数主流大语言模型，适配不同用户的使用需求
- 实战案例丰富，包含多个行业的应用场景，可直接套用优化思路到实际任务中
- 内容持续更新，开源协作模式保证内容能同步最新的研究成果和行业实践
- 完全免费开放，所有内容无需注册付费即可查看，降低学习门槛
不足
- 部分高级技术章节的内容偏学术性，没有相关基础的用户理解起来存在一定难度
- 站点交互功能较少，暂不支持在线运行提示示例，需要用户自行打开大模型工具实践
- 中文内容更新进度略慢于英文版本，部分最新研究内容暂时只有英文说明
- 没有配套的练习题和测验环节，用户难以自行检测学习效果的掌握程度
能帮你做的 8 件事
- 01全阶技术讲解
- 02多模型实践指导
- 03学习资源整合
- 04实战案例解析
- 05提示工程场景的常用方案
- 06大语言模型场景的常用方案
- 07AI领域入门学习者（系统学习提示工程基础知识）的日常效率工具
- 08零成本体验完整核心功能
更新历史
- Prompt Engineering Guide 收录进 Toolifai 目录
- 页面资料核验与信息更新
常见问题
这个指南适合完全没有AI基础的用户学习吗？
适合，指南设置了专门的基础概念章节，会从大语言模型的基本交互逻辑、提示的基本构成等入门内容讲起，搭配简单的示例，没有AI基础的用户可以从入门章节开始逐步学习。不过部分涉及高级技术、模型原理的章节需要一定的机器学习基础，零基础用户学习到相关内容时，可以先查阅指南中推荐的前置参考资料，再继续学习，也可以先掌握基础提示技术，满足日常使用需求后再逐步深入学习高级内容。
指南里的示例可以直接用到其他大模型上吗？
基础的提示逻辑是通用的，少样本提示、思维链等基础技术的示例思路可以适配大部分主流大语言模型，但不同模型的训练方式、指令遵循规则存在差异，部分针对特定模型优化的提示直接套用可能效果存在差异。指南专门设置了不同模型的适配章节，用户可以先查看对应模型的适配说明，再对示例内容进行微调，就能获得更好的输出效果，也可以参考案例中的优化思路，结合自己使用的模型特性设计专属的提示。
怎么参与这个项目的内容贡献？
用户可以访问项目的GitHub仓库，首先查看贡献指南文档，了解内容提交的规范和审核规则。如果是修正内容错误，可以直接提交Issue说明问题，或者Fork仓库修改后提交Pull Request；如果是补充新的技术内容、案例，可以先提交Issue讨论内容的适用性，得到维护者确认后再提交修改。所有提交的内容会经过项目维护团队的审核，符合要求的内容会被合并到主分支，同步到官方网站展示，贡献者也会被列入项目的贡献者名单中。
指南的内容更新频率是怎样的？
项目的内容更新没有固定的周期，维护团队会定期整理提示工程领域的最新研究论文、行业实践成果，同时合并社区贡献的优质内容，一般前沿的技术成果会在发布后的1-3个月内被整理到指南中。中文版本的内容更新会略晚于英文版本，维护团队会在英文版本内容更新后，组织志愿者进行翻译和本地化适配，保证中文用户也能及时获取到最新的内容，用户也可以关注项目的GitHub仓库动态，获取最新的更新通知。
有没有配套的练习资源可以巩固学习内容？
目前官方指南本身没有设置专门的配套练习题，不过每个章节都提供了对应的提示示例，用户可以在学习完每个章节后，修改示例中的参数、任务目标，在自己常用的大模型中进行测试，观察不同调整带来的输出变化，也可以结合自己的实际工作需求，设计对应的任务场景，用所学的提示技术进行优化。此外社区也有爱好者基于该指南整理了配套的练习题库，用户可以在项目的讨论区查找相关的资源，辅助巩固学习效果。
可以用这个指南的内容做教学培训吗？
该项目采用宽松的开源协议，在注明来源的前提下，允许非商业用途的内容使用，包括用于学校课程教学、内部技术培训、社区公益分享等场景。如果是商业用途的培训，需要提前查看项目的开源协议详情，或者联系项目维护团队获取授权。使用过程中也可以向学员推荐该指南的官方站点，方便学员课后自行查阅更多相关内容，也可以鼓励学员参与项目的贡献，共同丰富指南的内容。
开始使用 Prompt Engineering Guide
从官方入口了解最新功能与使用方式。
由 Toolifai 编辑维护
欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。
