快速了解
DAIR.AI 维护的开源提示工程指南,收录论文、学习指南与课程,覆盖零样本、少样本、思维链到 RAG 与 AI Agents 等进阶技术,提供多语言版本,是系统学习大语言模型提示工程的首选资料库。
适合你吗?
可以用来做什么
详细介绍
工具介绍
Prompt Engineering Guide 是由 DAIR.AI 维护的一个开源提示工程指南项目,旨在系统性地整理和传播与大语言模型(LLM)提示工程相关的知识。它解决了提示工程领域资料分散、技术演进快、初学者难以入手的问题,将论文、学习指南、课程和工具资源汇聚于一处,是目前该领域覆盖面最广的公开资料库之一。
核心功能
- 系统化的提示工程技术文档:从零样本(Zero-shot)、少样本(Few-shot)提示,到思维链(Chain-of-Thought)等经典技术,均有详细的原理说明与示例演示。
- 进阶技术覆盖:深入讲解检索增强生成(RAG)与 AI Agents(智能体)等前沿应用方向,帮助用户从基础提示走向复杂系统构建。
- 论文与资源聚合:持续收录提示工程领域的重要学术论文、外部课程链接以及相关笔记,方便用户追踪最新研究动态。
- 多语言版本支持:项目提供多种语言的翻译版本,降低了非英语用户的学习门槛。
- 在线课程配套:DAIR.AI 基于该指南推出了配套的免费在线课程,将文档内容转化为可交互的学习路径。
- 开源社区驱动:项目托管于 GitHub,任何人都可以参与贡献、修正或补充内容,保证资料的时效性与准确性。
适合哪些人
该指南非常适合刚开始接触大语言模型、希望系统学习提示工程方法论的初学者,它能帮助你避开零散信息的干扰,建立清晰的知识框架。同时,对于已在实际项目中开发 AI 应用的工程师、研究大模型能力边界的研究人员,以及需要设计相关课程的技术教育者,该资料库也是随时可查阅的权威参考。
可以用来做什么
- 系统学习提示工程:按照指南的目录结构,从基础提示技术逐步学习到高级应用,形成完整的知识体系。
- 查阅 RAG 与 Agent 进阶内容:当需要在项目中引入外部知识库或构建自主决策的智能体时,可快速查阅相关章节获取方法论与代码思路。
- 获取论文与课程资源:通过指南中的论文列表和课程链接,追踪学术前沿,或直接参与在线课程进行系统训练。
- 作为教学备课素材:教育者可以引用指南中的案例和结构,设计自己的提示工程课程大纲。
- 团队内部知识分享:将指南作为团队学习大语言模型技术的统一教材,确保成员间知识水平对齐。
使用方式
该项目是一个 GitHub 开源仓库,无需安装或付费。你可以直接通过浏览器访问其在 GitHub 上的页面(github.com/dair-ai/Prompt-Engineering-Guide)在线阅读全部内容,也可以将仓库克隆到本地,便于离线查阅或进行二次创作。若希望获得更佳阅读体验,可访问 DAIR.AI 部署的在线网页版本。所有内容均以 Markdown 格式存储,结构清晰,方便检索。
优点
- 完全免费且开源,无任何使用门槛,并允许社区贡献,内容持续更新。
- 知识体系完整,从入门到进阶的技术均有覆盖,适合作为系统学习的主线。
- 理论与实践结合紧密,每个技术点都配有具体的 Prompt 示例,易于理解与直接套用。
- 聚合了大量外部优质资源(论文、课程),节省了自行搜索和筛选的时间成本。
使用时需要注意
该指南是学习资料,本身不提供 API 调用能力,阅读时需自行准备可访问的大语言模型(如 OpenAI、Anthropic 或其他开源模型)来实践其中的示例。由于提示工程技术迭代较快,部分内容可能滞后于最新模型的能力,建议结合官方文档同步学习。此外,指南内容以英文为主,虽然提供多语言版本,但部分翻译可能不如原文精准。
总结
Prompt Engineering Guide 是目前学习提示工程最全面、最系统的开源资料库,尤其适合从零开始构建知识体系的学习者,以及需要快速查阅进阶技术(如 RAG、Agent)的开发者。它既是教程,也是工具书,能够伴随你在提示工程领域持续成长。
主要用途
- 系统学习提示工程技术
- 查阅RAG与Agent进阶内容
- 获取论文及课程资源
适合人群
相关 AI 工具
查看更多Deep playground
Deep playground 是一个交互式神经网络可视化平台,允许用户在浏览器中直观地构建和训练简单神经网络。你可以通过调整网络层数、神经元数量、学习率等参数,实时观察权重、偏置以及决策边界的变化。适合机器学习初学者和教育工作者,用于理解深度学习的基本原理与训练过程。
Approaching (Almost) Any Machine Learning Problem
Approaching (Almost) Any Machine Learning Problem 是一本面向机器学习实践的开源电子书,系统讲解从问题定义、数据预处理、特征工程到模型选择和评估的完整流程。核心内容包括分类、回归、排序等常见任务的方法论,以及交叉验证、处理不平衡数据等实用技巧。适合希望系统化提升ML项目解决能力的开发者、数据科学家和进阶学习者。
AI-For-Beginners
微软推出的 AI-For-Beginners 是一个面向初学者的 AI 学习课程仓库,提供免费、系统的教程和项目。核心功能涵盖人工智能基础概念、机器学习、神经网络等模块,配有代码示例和实践练习。适合编程零基础或刚接触 AI 的自学者、教育工作者,以及希望快速入门 AI 技术的学生和开发者。
Learn About
Learn About 是 Google 推出的教育搜索 AI,可扮演学习教练角色。它除了提供常规搜索结果,还能围绕主题生成结构化学习路径、关键概念解释和互动问答,帮助用户系统性地理解知识。适合学生、自学者或教师用于深度探索、复习备考及课堂辅助教学。
大型语言模型提示工程指南:从基础到实战
面向开发者的提示工程实战指南,源自Brex内部实践,系统讲解LLM原理、提示策略与安全建议,并附真实生产案例,助你高效构建GPT-4等模型应用。
ML YouTube Courses
ML YouTube Courses 是一个在 GitHub 上整理的机器学习课程合集,收录了 YouTube 平台上大量高质量、免费的视频教程,涵盖从入门到进阶的深度学习、强化学习等主题。核心功能是通过分类列表快速定位合适的学习资源,省去四处搜索的麻烦。适合自学机器学习的学生、研究人员和开发者。