企业官网建设流程全解析

3步搭好Prompt Engineering学习站：从跑通到思维链实操的完整方案

【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-Guide

上次你让AI模型验算一道算术，它直接甩出结论不给过程，你一检查发现它算错了。该解决的正是提示工程（Prompt Engineering）问题——开源项目 Prompt-Engineering-Guide 把整套方法整理成可本地浏览的网站：从基础提示词到思维链、RAG和AI Agent，一页全收。

它到底帮你解决什么

大多数人写提示词靠手感：输出不好就重写一遍。这个项目把提示工程的方法论拆开给你：提示词由哪些部分构成、加了示例会怎样、让模型先写过程能提升多少准确率。

它相当于一个实验场——每个技术都配有可直接复制的提示词、真实输出和背后的研究论文，你可以逐一复现，而不是只读概念。

5分钟跑起来

装好pnpm后执行下面4行：

git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev

然后访问http://localhost:3000/就能看到完整文档站，内容按 Introduction、Techniques、Applications、Models、Research、Risks 六大模块组织。

核心机制：一张图看懂

这张图展示了提示工程各要素如何互相咬合。打个比方：提示词是你在餐厅下的单，思维链（Chain-of-Thought，就是让模型把推理过程写出来）是让厨师先写步骤再上菜，上错菜也能查到错在哪；RAG（检索增强生成，先查资料再回答）则相当于给模型配了一本"菜单参考"，不靠它硬记。

最直观的效果来自这个经典的奇数验算例子：

动手试一个真实场景

场景：你要让模型判断"一组数字里的奇数相加是否为偶数"。不给提示时，模型经常直接吐True/False，错得还很自信。

操作步骤：

1. 打开本地站点，进入 Techniques 模块，找到 Chain-of-Thought 页面。
2. 复制下面的提示词，粘贴到任意大模型对话框。

The odd numbers in this group add up to an even number: 15, 32, 5, 13, 82, 7, 1 先列出所有奇数并求和，再给出判断 A:

3. 对比有"先列过程"和没有的输出差异。

预期结果：模型会先列出奇数（15、5、13、7、1），求和得41，最后才判断False。多一句"给出过程"，输出就从"直接给答案"变成"可核查的答案"——这正是提示词没效果怎么排查的核心动作之一。

踩过的坑与对策

• 现象：依赖装完，pnpm dev却报缺包。原因：用了npm install绕过锁文件。解法：一律用pnpm install。
• 现象：模型直接给结论，看不到计算过程。原因：提示词没要求推理步骤。解法：加一句"逐步思考"（zero-shot CoT）或附一个带过程的示例。
• 现象：长提示词输出混乱、答非所问。原因：指令、示例、输入混在一起。解法：用---分隔符切分三段，各放各的内容。

下一步往哪走

站点跑起来、基础提示词写得出手之后，三个具体方向：

• 进阶提示：读 guides/prompts-advanced-usage.md，少样本（few-shot）、分解再解决（decompose-and-solve）都在这里。
• Agent方向：pages/agents/ 讲函数调用、上下文工程与深度代理，也就是提示词怎么协调工具和记忆。
• 技术清单：pages/techniques/ 收录了一整套论文级技术，建议从 思维链CoT详解 开始。

【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