提示工程指南（www.promptingguide.ai）是DAIR.AI发起的开源学习项目，聚焦大语言模型提示工程领域。网站系统整合了最新学术论文、系统化学习指南、专家讲座视频、实用参考资料与配套工具，为研发人员、数据科学家及AI爱好者提供从基础概念到高阶技巧的完整知识体系。项目在GitHub上获得超过3万星标，内容持续更新，覆盖LLM提示设计、优化策略及风险评估等关键主题，是学习提示工程的优质中文资源库。

官方入口

提示工程指南 官方入口
https://www.promptingguide.ai/zh

核心功能

• 系统化教程：从提示词要素、设计技巧到高级策略，按难度分层编排，适合循序渐进学习
• 前沿技术解析：涵盖零样本提示、少样本提示、链式思考（CoT）、自我一致性、思维树等主流方法
• 论文与资源库：聚合提示工程相关最新论文、讲座视频、参考资料，保持知识前沿性
• 实战案例展示：提供代码生成、数据创建、分类任务等真实应用场景示例，便于理解落地
• 模型对比分析：介绍Flan、ChatGPT、LLaMA、GPT-4等主流模型特点与适用提示策略
• 风险与伦理指南：系统梳理对抗性提示、偏见、真实性等潜在问题及应对建议
• 多语言支持：提供中文、英文等多语种界面，降低学习门槛

用户群体

该网站适合AI研发工程师、机器学习研究者、数据科学家、产品经理及对提示工程感兴趣的初学者。无论是希望提升LLM应用效果的开发者，还是需要设计高效提示词解决实际业务问题的从业者，都能从中获得方法论指导和可操作的实践建议。学术研究者亦可借助其论文索引追踪领域动态。

使用教程

网站内容组织清晰，建议用户按以下路径高效学习：首先通过”提示工程简介”章节理解基础概念与通用设计技巧，然后依次研读”提示技术”部分掌握各类进阶方法，再结合”提示应用”中的案例进行模拟练习。对于特定模型（如ChatGPT、GPT-4）的使用差异，可参考”模型”章节的对比说明。若关注安全性，需重点阅读”风险和误用”模块。每篇教程均配有代码示例和输出演示，建议动手复现以加深理解。

• 步骤一：浏览目录总览，定位当前知识水平对应章节
• 步骤二：从”提示词要素”开始，掌握角色、指令、格式等基本构成
• 步骤三：实践零样本与少样本提示，对比不同示例数量对输出的影响
• 步骤四：深入链式思考（CoT）与自我一致性技术，提升复杂推理任务效果
• 步骤五：学习思维树（ToT）与ReAct框架，解决多步规划问题
• 步骤六：查阅模型章节，了解不同LLM对提示格式的敏感度差异
• 步骤七：参考风险模块，设计鲁棒且负责任的提示方案

总结定位

提示工程指南（www.promptingguide.ai）作为DAIR.AI发起的开源项目，以系统化知识体系填补了提示工程领域的教育空白。其核心价值在于将分散的论文研究成果转化为可操作的学习路径，兼顾理论深度与实战指导，适合从入门到进阶的各阶段学习者。网站保持高频更新，内容与行业实践紧密同步，是构建提示工程能力的基础参考资源。

这个网站地址是由，心动导航网用户自主提交，或网络收集来的，如有违规或者是打不开的情况，请及时反馈！！