✍️Prompt 工程
学会与 AI 对话，写出高质量提示词，提升产出质量。
共 62 篇教程 · 6 个主题
基础提示技术
23 篇 多语言与跨语言提示：让大模型处理非英文任务 讲解多语言提示的常见陷阱与稳妥做法，包括显式指定回答语言、翻译增强与中文提示的特殊注意点。 负向提示：排除不想要的内容 负向提示显式列出禁止出现的内容或风格，帮助模型避开冗余、违规或不符预期的生成，在文生图中尤为常用。 角色提示：给模型设定身份与口吻 角色提示通过在开头声明模型的身份与口吻，引导其输出在专业性、语气与结构上都更贴合场景。本文讲清它的作用、典型写法与必须避开的风险。 角色提示最佳实践：让模型进入正确人设 讲解如何写好角色提示：明确身份、职责边界、输出格式与禁止事项，并给出高质量 system prompt 示例与常见坑。 结构化输出：JSON 与表格约束 结构化输出提示要求模型按固定字段返回 JSON 或表格，便于程序解析，是连接大模型与下游系统的关键。 结构化输出与约束解码：让大模型稳定吐出 JSON 讲解如何用 JSON Mode、函数调用与语法约束解码让大模型稳定输出结构化数据，并给出可落地的实现示例与排错技巧。 零样本提示：不喂示例如何驱动大模型 讲清零样本提示的写法要点、适用边界，以及与少样本提示的配合。 少样本排序：示例顺序的影响 少样本提示中示例的排列顺序会明显改变模型表现。本文讲清顺序敏感性的来源与稳健选型方法。 少样本提示：用示例教会大模型新任务 少样本提示把若干输入-输出示例放进上下文，无需微调就能让模型学会新任务。本文讲清上下文学习机制、示例选择与排序技巧，以及它与微调的边界。 少样本选型：示例怎么挑 少样本提示的效果很大程度取决于示例质量。本文讲清示例数量、顺序、多样性与标签准确性的选型要点。 少样本与零样本：示例到底有多大用 少样本与零样本是给模型任务的两种范式：一个先给几个例子，一个完全靠指令。本文对比两者的差异、适用场景，以及示例该怎么挑才有效。 输出格式化：让模型吐出可解析结果 输出格式化要求模型按约定结构（如 JSON、表格、分隔符）返回结果，方便程序直接解析与下游调用。本文讲清常用格式约定、约束技巧与避坑要点。 思维链 CoT：让模型一步步推理 思维链在提示中引导模型先写出中间推理步骤再给答案，显著提升算术、常识与符号推理的准确率。 思维链提示（CoT）：让大模型一步步推理 从 Few-shot CoT 到 Zero-shot CoT 与 Auto-CoT，掌握激活大模型推理能力的提示工程方法。 提示复用策略：沉淀可复用模板 提示复用策略把验证过的提示沉淀成模板与变量，避免每次从零重写，让团队在不同任务间保持一致与可迭代。本文讲清模板化、版本化与共享的落地做法。 提示格式化：分隔符与模板 用分隔符与固定模板隔离指令与内容，可降低提示注入与歧义。本文讲清分隔符选择、模板结构与变量填充。 提示模板管理：版本与复用 提示模板把可复用提示参数化并纳入版本管理。本文讲清模板结构、变量与版本回滚做法。 提示模板设计：可复用的结构化提示 讲清如何把零散提示沉淀为可复用模板（变量/占位符/结构），提升稳定性与可维护。 系统提示词设计实战 系统讲解 system/user/assistant 三种消息角色，手把手设计稳定可靠的系统提示词与防提示注入护栏。 系统提示设计：定边界与人格 系统提示在对话最前置入，定义模型的角色、边界与行为准则，是控制长期一致性的关键配置。 约束提示：用限制条件框住输出 讲清约束提示的类型、写法与效果，让模型输出更可控。 Agent 系统提示词设计：角色、约束与工具调用规范 讲解如何为 AI Agent 编写系统提示词，涵盖角色设定、目标拆解、工具调用约束、输出格式与错误处理，附可复用的模板与示例。 Prompt 进阶：思维链与高级技巧 深入讲解思维链 CoT、自洽性、角色提示与结构化输出等高级提示技巧，并附可直接复制的提示词示例。
高级推理与规划
14 篇 多步提示编排：把复杂任务拆成链 讲清把大任务拆成多步提示的思路（规划、执行、汇总），以及它与单条长提示的区别。 反思提示：让模型自我纠错 反思提示让模型先生成答案再做检查与修正，降低漏判与幻觉。本文讲清反思循环写法与适用场景。 计划与执行提示：先规划再动手 讲清 Plan-and-Execute 提示的两段式结构，适合复杂多步任务。 思维树（ToT）：让大模型探索多条推理路径 相比线性 CoT，Tree of Thoughts 以树状搜索拆解复杂问题，配合评估与回溯提升解题率。 提示集成与自一致性：让大模型投票更可靠 通过「自一致性」与「提示集成」两类方法，用多次采样投票把大模型一次生成的不稳定输出，收敛为可度量置信度的可靠答案。 提示链与复杂任务分解 讲解如何用提示链把复杂任务拆成多步，对比一次性提示，并给出研报生成与数据清洗的实战示例。 验证链（Chain-of-Verification）：先答再查 讲清 CoVe 的四步流程（生成→计划验证→执行→修正），减少幻觉。 元提示与提示词自动优化：让模型帮你写提示 讲解元提示（meta-prompting）思路与提示词自动优化方法，涵盖人工迭代模板、APE 自动生成、反馈驱动优化与可落地示例。 长程规划提示：让大模型分步完成复杂任务 用「先规划、再执行、设检查点、可回滚」的提示范式，让大模型稳定完成多步骤复杂任务。 自动提示优化：让模型改进自己的提示 讲清用模型自动搜索与改写提示的思路（如 OPRO、APE），以及何时值得投入。 自反思提示（Self-Refine）：让模型自己改自己 讲清 Self-Refine 的闭环思路（生成→反馈→修订），以及与 CoT/ToT 的区别。 自一致性：多采样投票提精度 自一致性对同一个思维链问题多次采样，再用多数投票选出答案，用推理路径的多样性换取更高的准确率。 自一致性提示：多次采样取共识 自一致性提示让模型对同一个复杂问题采样多条推理路径，再按多数答案投票，从而降低单次推理的随机错误。本文讲清它的做法、适用问题与代价。 ReAct：推理加行动的提示框架 ReAct 让模型在推理与行动之间交替，先思考再调用工具，再据观测结果继续推理，完成需要外部信息的任务。
上下文与记忆
5 篇 多轮上下文：对话记忆管理 多轮对话要把历史消息放进上下文，但受窗口限制。本文讲清消息拼接、摘要压缩与显式状态三种记忆策略。 上下文压缩：在有限窗口塞进更多 上下文压缩在模型固定上下文窗口的限制下，用摘要、关键句抽取或检索式压缩，把长内容压成更精炼且保留要点的形式，从而降低成本并缓解截断。本文讲清方法与权衡。 提示词压缩与缓存：用 Prompt Caching 把长上下文成本打下来 讲解如何用 Prompt Caching 与上下文压缩复用系统提示与大段资料，降低长上下文调用的成本与延迟，并给出不同厂商的缓存命中要点。 提示压缩与上下文裁剪：给长上下文瘦身 用「摘要压缩、关键句抽取、语义检索」给长提示瘦身，在尽量保真的前提下压低 token 成本、缓解注意力稀释。 长上下文提示技巧：在百万 token 里用好模型 讲解向长上下文大模型投喂长文档、代码库与多材料时的组织技巧，涵盖分块、重排、位置偏好与 lost-in-the-middle 应对。
检索增强与工具
7 篇 多模态提示：图文混合地驱动大模型 当模型能看图、听声、读文件，提示词也要学会组织多种输入。本文讲清图文混合提示的写法、视觉指代、局限与最佳实践。 工具调用提示：函数声明写法 工具调用让大模型在生成文本之外调用外部函数。本文讲清函数声明结构、参数 schema 写法与典型调用流程。 工具调用与 Function Calling 提示工程 讲解大模型如何通过工具调用弥补知识时效、计算与外部系统访问的短板，并系统梳理 Function Calling 协议的提示设计要点 检索增强提示：接外接知识 检索增强提示先把相关问题与文档召回，再拼进提示让模型基于真实资料作答，缓解知识过时与幻觉。 图像提示：文生图描述技巧 文生图提示靠细节描述控制画面。本文讲清主体、风格、构图与负面提示的写法要点。 Agent 提示：规划与子任务 Agent 提示让模型把目标拆成可执行的子任务并调用工具。本文讲清规划、反思与工具循环写法。 RAG 场景的提示工程：把检索结果用对 检索到的上下文怎么组织、如何标注出处、怎样抑制噪声，直接决定 RAG 回答质量。本文讲清 RAG 提示的关键设计。
评测与工程化
8 篇 如何评测与迭代 Prompt 讲解为何要给提示词做评测，如何用 LLM 当裁判、构建测试用例集与 A/B 版本管理来持续迭代。 提示 A/B 测试：量化对比 提示 A/B 测试用同一批样本比较两版提示的指标差异。本文讲清实验设计、指标与显著性判读。 提示版本管理：像代码一样迭代提示 提示工程同样需要版本管理：把提示当作可评审、可回滚、可对比效果的资产，才能在迭代中稳定提升。本文讲清为什么以及怎么做。 提示词版本管理：把 Prompt 当代码用 Git 与评测回归守着 讲解为何要给提示词做版本管理，用 Git 管理提示词文件、用评测集与 pytest 化测试做回归，并给出多环境配置与评审工作流。 提示调试：当模型答不对时怎么改 讲清提示调试的系统方法（定位问题→假设→小改动→对照验证）。 提示鲁棒性优化：让输出更稳定 通过约束格式、锚定示例、少样本校准、自洽性投票与断言式收尾，配合变体评测，把模型输出波动压到可监控、可回归的水平。 提示评测：系统化打分 提示评测用固定数据集与指标对提示打分，支撑迭代决策。本文讲清评测集、指标与回归对比方法。 提示评测自动化：把 Prompt 质量变成可回归测试 讲解如何用评测集与 pytest 化测试、LLM 裁判与 CI 回归，把提示词质量变得可度量、可复现。
安全与防御
5 篇 对抗提示：红队测试提示 对抗提示用刻意构造的输入探测模型漏洞。本文讲清红队测试的目标、常见攻击手法与记录方法。 提示安全护栏：输入过滤与拒答设计 讲解在输入与输出两侧为 Prompt 系统构建护栏：敏感过滤、意图判别、内容审核与拒答边界，形成纵深防御。 提示词安全红蓝对抗：用红队视角打磨 Prompt 用「红队攻击加蓝队加固」的对抗视角，把写好的 prompt 反复试探与收紧，让它在越狱、指令注入与数据泄露面前更稳更可靠。 提示注入防御：护栏写法 提示注入攻击能让外部内容劫持系统指令。本文讲清注入原理与分隔、约束、兜底三类护栏写法。 约束解码：控住生成格式 约束解码在生成阶段用语法或正则限制下一个 token，从源头保证输出符合 JSON、SQL 等格式，比纯提示更可靠。
没有匹配的教程，换个关键词、难度或主题试试。