Prompt Engineering Guide

「提示工程指南」（Prompt Engineering Guide）是一个把提示工程讲成体系的学习站点，提供简体中文版，官网描述为「A Comprehensive Overview of Prompt Engineering」。它不卖工具，内容从大语言模型设置、提示词要素、通用设计技巧一路讲到链式思考、思维树、检索增强生成、ReAct、Reflexion 等进阶技术，并配有可运行示例。除教程外，站点还收录了模型介绍、风险与误用章节，以及提示词注入、提示词泄露与越狱等对抗性内容。

核心能力

• 基础教程：官网目录包含提示工程简介、大语言模型设置、基本概念、提示词要素与设计提示的通用技巧。
• 提示技术：官网列出零样本提示、少样本提示、链式思考（CoT）、自我一致性、生成知识提示、Prompt Chaining、思维树（ToT）、检索增强生成（RAG）、ART、自动提示工程师、Active-Prompt、方向性刺激提示、PAL、ReAct、Reflexion、多模态思维链、基于图的提示与 meta-prompting。
• 提示应用：官网列出生成数据、生成代码、毕业生工作分类案例研究、提示函数、Function Calling、context-caching、finetuning 与 synthetic RAG 等。
• Prompt Hub：官网按分类、代码、创意、评估、信息抽取、图像生成、数学、问答、推理、文本摘要、真实性与对抗提示等分类给出示例。
• 模型介绍：官网列出 Flan、ChatGPT、LLaMA、GPT-4、Mistral 7B、Gemini、Phi-2、Mixtral、Code Llama、OLMo 与 Sora 等条目。
• 风险与误用：官网设有对抗性提示、真实性、偏见与 LLM Research 等章节。
• 中文与社区：站点提供简体中文版，并链接 GitHub 与 Discord。

适合谁

• 想系统补齐提示工程知识的产品经理与运营
• 需要把提示词工程化的开发者与算法工程师
• 教 AI 应用课程、需要体系化讲义的培训讲师
• 研究模型幻觉、偏见与对抗攻击的研究者
• 想从零学提示词、需要中文资料的学生

使用建议

• 按目录顺序先读基础章节再进进阶技术，跳着看容易只学到示例句式。
• 示例里的模型与参数多为历史版本，动手时按你当前使用的模型重新验证。
• RAG、ReAct 这类技术偏工程实现，建议结合官方文档与代码一起看。
• 风险与误用章节值得单独读一遍，尤其是做对外服务时。
• 内容会随社区更新，正式引用前核对原文与出处。