高能幹貨分享，有關提示詞工程的一切都在這份教程里

機器之心報導

編輯：佳琪、Panda

想讓 AI 幫你自動搞掂任務，離不開要在聊天框內用提示詞對它發號施令。

但找到合適的提示詞並不容易，這需要設計、優化和評估，不僅耗時，還需要自己學習技巧。

有時候，你可能感覺這和調參有著異曲同工之妙，怎麼都是玄學？

嘗試了不同的措辭、語氣，甚至還和模型玩上了角色扮演。但實際上，就像一千個人眼中有一千個哈姆雷特一樣，對於完全相同的提示詞，模型也會給出不同的回答。因此，我們難以確定哪些方法真正奏效。

今天，開源社區 DiamantAI 的主理人 Nir Diamant 發佈了一套提示詞工程技術庫，系統性地教我們如何提高和 AI 的溝通技巧，更好發揮 AI 的潛能。

才上線幾個小時，它就在 GitHub 上拿到了 200 多顆 star，並且還在以這個速度不斷攀升。

無論是像Google、微軟這樣的科技巨頭，還是吳恩達等資深專家，以及眾多行業大咖都推出過專業的提示詞課程。更不用提，通過「魔法打敗魔法」，用 AI 自動生成提示詞的方法也是一抓一大把，比如這篇文章《還在人工煉丹？自動提示工程指南來了，還帶從頭實現》。

那麼，為什麼這個提示詞課程還能脫穎而出，收到如此多的關注呢？

答案可能就在作者 Nir Diamant 自己寫下的推薦語中：「所有與提示詞工程相關的內容，你都能在這裏找到！」

從教程的體量上，就已經能感受到它有多全面了。它總共分 7 大部分，22 個章節，由易到難逐步進階，條理分明，從基礎概念入門，到最近流行的思維鏈提示詞，鼓勵 AI 模型將複雜問題分解為逐步推理過程。每節課都附有詳細的代碼。

我們可以看到，教程從最基礎的環境設置入手，如 OpenAI API 和 LangChain 庫，逐步引導你從零樣本提示開始，深入學習如何實現基礎和高級的少樣本學習，以及如何可重覆使用，大大提升效率的結構化提示。

在整個學習的過程中，教程還會教你如何根據模型的響應進行迭代優化，不斷提升提示效果。

在具體課程中，Nir Diamant 設計了各種案例，讓你直觀感受一下，提高自己的溝通技巧，對提升 AI 模型對事實的準確性有什麼效果，即使是提示結構和措辭的微小調整，也能幫助 AI 更好地吃透你的需求。

有時，精心設計的提示詞可能包含過多條件，導致提示過長，反而增加了模型理解的難度。課程還講解了如何在提示詞的細節和簡潔性之間找到平衡。

和其他泛泛講述提示詞工程對等方面有什麼應用的課程不同，學到後期，你就可以上手設計跨多語言工作、防止提示詞注入並在提示詞中實施內容過濾等等高級應用了。

• GitHub 鏈接：https://github.com/NirDiamant/Prompt_Engineering

課程概覽

基礎概念

1.Introduction to Prompt Engineering，提示詞工程入門：在 AI 和語言模型語境中全面介紹提示詞工程的基礎概念，其中包含理論解釋和實際演示，覆蓋了基礎概念、結構化提示詞、比較分析和解決問題的應用。

2.Basic Prompt Structures，基礎提示詞結構：其中探索了兩種基本類型的提示詞結構，包括單輪提示詞和多輪提示詞（對話）。其實現使用了 OpenAI 的 GPT 模型和 LangChain，演示了單輪和多輪提示詞、提示詞模板和對話鏈。

3.Prompt Templates and Variables，提示詞模板和變量：介紹了如何使用變量來創建和使用提示詞模板，重點是 Python 和 Jinja2 模板引擎。實現上，其中涉及模板創建、變量插入、基於條件的內容、列表處理、整合 OpenAI API。

核心技術

1.Zero-Shot Prompting，零樣本提示：探索了零樣本提示，讓語言模型可以在沒有具體示例或先驗訓練時也能執行任務。具體實現上，其中演示了直接任務規範設定、基於角色的提示詞、格式規範設定和多步驟推理，使用的工具是 OpenAI 的 GPT 模型和 LangChain。

2.Few-Shot Learning and In-Context Learning，少樣本學習和上下文學習：使用 OpenAI 的 GPT 模型和 LangChain 庫介紹少樣本學習和上下文學習技術。其實現包括基礎和高級的少樣本學習、上下文學習，還有示例選取方法和評估的最佳實踐。

3.Chain of Thought (CoT) Prompting，思維鏈提示：介紹思維鏈提示技術，引導 AI 模型將複雜問題分解為逐步推理過程。其實現涵蓋基礎和高級思維鏈技術，解決各種問題的應用場景，並還比較了標準提示詞技術。

進階策略

1.Self-Consistency and Multiple Paths of Reasoning，自我一致性和多路徑推理：探索生成多樣化推理路徑並聚合結果以改進 AI 生成的答案的技術。其實現包括設計多樣化推理提示、生成多個響應、實現聚合方法和應用自我一致性檢查。

2.Constrained and Guided Generation，有約束和引導的生成：專注於設置模型輸出約束和實現基於規則的生成技術。使用 LangChain 的 PromptTemplate 進行結構化提示，實現約束條件，探索基於規則的生成技術。

3.Role Prompting，角色提示：探索為 AI 模型分配特定角色並製定有效的角色描述。展示如何創建基於角色的提示，為 AI 模型分配角色，並針對各種場景優化角色描述。

高級實現

1.Task Decomposition in Prompts，提示詞中的任務分解：探索複雜任務分解技術和提示詞中的鏈式子任務。涵蓋問題分析、子任務定義、定向提示詞工程、按順序執行和結果綜合。

2.Prompt Chaining and Sequencing，提示鏈和序列處理：演示如何連接多個提示詞並為複雜的 AI 驅動的任務構建邏輯流程。其實現中探索了基本的提示鏈、序列提示、動態提示詞生成和提示鏈中的錯誤處理。

3.Instruction Engineering，指令工程：專注於為語言模型製定清晰有效的指令，平衡專用性和通用性。其實現中涵蓋創建和優化指令、實驗不同結構，並基於模型響應實施迭代改進。

優化和改進

1.Prompt Optimization Techniques，提示詞優化技術：探索提示詞優化的高級技術，重點是 A/B 測試和迭代改進。在其實現中，演示了提示詞的 A/B 測試、迭代改進過程，以及使用相關指標進行性能評估。

2.Handling Ambiguity and Improving Clarity，處理歧義和提高清晰度：專注於識別和解決模糊提示，以及編寫更清晰提示的技術。在其實現中，涵蓋分析模糊提示、實現消除歧義的策略，探索了編寫更清晰提示的技術。

3.Prompt Length and Complexity Management，提示詞長度和複雜度管理：其中探索了使用大型語言模型時管理提示詞長度和複雜度的技術。在其實現中，演示了平衡細節和簡潔性的技術，以及處理長上下文的策略，包括分塊、彙總和迭代處理。

專業化應用

1.Negative Prompting and Avoiding Undesired Outputs，負面提示和避免不期望的輸出：探索負面提示和避免大型語言模型產生不期望輸出的技術。在其實現中，涵蓋基本負面示例、明確排除、使用 LangChain 實現約束，以及評估和改進負面提示詞的方法。

2.Prompt Formatting and Structure，提示詞格式化和結構：探索各種提示詞格式和結構元素，展示它們對 AI 模型響應的影響。在其實現中，演示了創建各種提示詞格式、整合結構元素，並比較了不同提示詞結構的響應。

3.Prompts for Specific Tasks，用於特定任務的提示詞：探索為特定任務創建和使用提示詞：文本摘要、問答、代碼生成和創意寫作。在其實現中，涵蓋了設計任務特定的提示詞模板，這些模板使用 LangChain 實現，可執行示例輸入，並分析每種任務類型的輸出。

高級應用

1.Multilingual and Cross-lingual Prompting，多語言和跨語言提示：探索設計在多種語言中有效工作的提示詞和語言翻譯任務的技術。在其實現中，涵蓋創建多語言提示詞、實現語言檢測和適配、設計跨語言翻譯提示詞，以及處理各種書寫系統和腳本。

2.Ethical Considerations in Prompt Engineering，提示詞工程中的倫理考慮：探索提示詞工程的倫理維度，重點是避免偏見並創建包容和公平的提示詞。在其實現中，涵蓋識別提示詞中的偏見、實施創建包容性提示詞的策略，以及評估和改進 AI 輸出倫理質量的方法。

3.Prompt Security and Safety，提示詞安全性：專注於防止提示詞注入和在提示詞中實現內容過濾，以確保 AI 應用程序的安全性。其實現中涵蓋了提示詞注入預防技術、內容過濾實現，以及測試安全措施的有效性。

4.Evaluating Prompt Effectiveness，評估提示詞效果：探索評估 AI 語言模型中提示詞效果的方法和技術。在其實現中，涵蓋設置評估指標、實施手動和自動評估技術，並使用 OpenAI 和 LangChain 提供了實踐示例。

如果你也正需要一個這樣的提示詞工程「百科全書」，那就趕緊：

1. 複製這個庫：

git clone https://github.com/NirDiamant/Prompt_Engineering.git

2. 找到你感興趣的技術：

cd all_prompt_engineering_techniques

3. 跟隨每個技術筆記本中的詳細實現指南。

當然，你也可以為這個項目添磚加瓦，做出自己的貢獻。

參考鏈接：

https://github.com/NirDiamant/Prompt_Engineering https://x.com/NirDiamantAI/status/1844385492801933599