提示工程指南：5步快速让大模型输出你要的答案

提示工程指南5步快速让大模型输出你要的答案【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 是一份开源的提示工程与大模型应用手册收录 17 种提示技巧、RAG 与 AI Agent 实战文档、论文清单和可运行 notebook。如果你日常用 ChatGPT 这类大模型它是可以直接照着抄的手册。 让大模型听话这件事过去有多麻烦写一句提示模型答非所问。换个说法再试又跑偏。你只能靠感觉反复改词改到天荒地老。换一个新模型之前调好的提示又得从头再来。有了这份指南情况反过来17 种技巧每种都带验证过的示例还有分类整理的提示词库复制粘贴就能用。 最省事的安装步骤git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev浏览器打开http://localhost:3000/看到左侧有 Introduction、Techniques、Models 这些栏目的文档站点就算跑成功了。核心能力拆解技巧库让模型学会分步推理这一节帮你把 CoT、few-shot、自一致性等技巧直接搬进自己的项目。比如思维链CoT对比了普通提示和分步提示在同一道题上的表现左边直接给答案算错了右边给出推理步骤模型跟着算对了。完整技巧章节可以读 CoT 章节原文。Prompt Hub分类现成的提示词拿了就用这里帮你省掉从零写提示词的时间。分类、代码、信息抽取、数学等十几类任务每类都有现成提示词和对应输出示例。RAG 知识增强让模型基于你的资料回答模型记不住你的私有文档也不该瞎编。这一节讲清检索增强生成RAG的完整链路文档进库、按问题检索、带着检索结果生成回答模型从此基于你的资料说话。AI Agent让模型动手不只是动嘴这一节帮你理解智能体的三件套工具、记忆、规划。用户请求进来Agent 决定何时调用外部工具、何时查记忆、何时拆解任务最后把结果交还给你。️ 跟着做一遍用 CoT 让模型解对数学题操作在本地站点打开 Techniques 菜单下的 Chain-of-Thought Prompting 页把示例提示词原样复制下来粘贴给大模型。The odd numbers in this group add up to an even number: 15, 32, 5, 13, 82, 7, 1. A:看到什么模型输出逐步计算过程——把奇数 15、5、13、7、1 加起来得 41答案是 False。不贴例子直接问它经常一口咬定一个错的数。为什么有效示例向模型演示了先算过程、再下结论的格式。模型会模仿这个格式复杂判断就不再凭空拍脑袋。你拿到的是一个可复用的提问模板。进阶组合函数调用让模型从会说变成会做。你问伦敦天气如何模型不直接回答而是输出一次get_current_weather(locationLondon)的 API 调用拿到真实数据后再组织语言。完整流程见 函数调用章节。并行工作流复杂任务把一条提示拆成多条分支——生成回答、安全检查、合规检查各自跑最后合并输出。下面的工作流图就是这种结构的实际例子。另外notebooks 目录 里有现成的 Jupyter notebook覆盖 RAG、ReAct、函数调用改改参数就能跑。⚠️ 常见卡点现象pnpm install报错或卡住不动。原因没装 pnpm或网络访问不到 npm 源。怎么办先执行npm install -g pnpm换用国内镜像源后重试安装。现象pnpm dev跑起来了但打开 3000 端口看到的是别的东西。原因端口被之前没关掉的进程或其他程序占了。怎么办在终端按 CtrlC 停掉旧进程重新执行pnpm dev。现象照抄了提示词模型输出却和文档里的不一样。原因文档示例基于 gpt-3.5-turbo 默认参数验证你的模型或参数不同。怎么办先换同款模型复现一遍仍有偏差就把 temperature、top_p 调回默认值再试。基础技巧到智能体板块都在本地站点的左侧菜单里。打开仓库跟着文档就能上手。【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