22种提示技巧，动手实操，让LLM输出更精准
这是一个系统化的提示工程（Prompt Engineering）学习资源库，包含22种提示技巧，从基础概念到高级策略，全部配有可运行的Jupyter Notebook教程。项目旨在帮助开发者、研究人员和AI爱好者深入理解和掌握如何高效地与大型语言模型（如GPT、Claude等）交互。它覆盖了思维链（Chain-of-Thought）、少样本学习（Few-shot Learning）、上下文学习（In-Context Learning）等核心技术，并提供了基于LangChain的实践示例。通过动手实验，用户可以学会如何设计精确的提示词，从而显著提升LLM在复杂任务中的表现，如推理、代码生成和内容创作。项目还整合了生成式AI的最新进展，是学习提示工程从入门到精通的实用指南。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆仓库
把 Prompt_Engineering 仓库完整下载到本地，命令在你想存放项目的目录下执行。
git clone https://github.com/NirDiamant/Prompt_Engineering.git2进入教程目录
克隆完成后切换到 all_prompt_engineering_techniques 目录，里面按技巧分类存放 Notebook。
cd all_prompt_engineering_techniques3选择要学的技巧
在该目录中找到感兴趣的技巧，打开对应的 Jupyter Notebook 文件，共 22 个动手教程。
4按指南实现
每个技巧的 Notebook 内都写有详细实现指南，按其中说明逐个执行单元格即可完成练习。
克隆成功且 all_prompt_engineering_techniques 目录下能看到各技巧的 Notebook 文件即可。
Q：仓库里有多少教程？
A：共有 22 个动手教程，覆盖从基础提示模板到思维链、自洽性、思维树等高级提示技巧。
Q：每个技巧该怎么学？
A：进入 all_prompt_engineering_techniques 目录，打开对应技巧的 Notebook，按里面的详细实现指南逐步执行。
Q：需要安装哪些依赖？
A：README 未提供依赖安装清单和安装命令，请按各个 Notebook 内的说明自行准备运行环境。
Q：需要大模型 API 密钥吗？
A：README 未说明密钥配置方式；涉及调用 GPT、Claude 等模型的内容，请按对应 Notebook 指引自行准备。
Prompt Engineering Guide、OpenAI Cookbook、LangChain Hub
Prompt_Engineering 是学习教育领域的开源项目，由 NirDiamant 开发，2024 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（7,864）位列前 6%，在学习教育分类的 427 个项目里位列前 10%。
近 44 天，它的 GitHub 星标从 7,789 增加到 7,864，净增 75。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。从国内网络环境看，可直接访问。
它主要面向的使用场景是：学习提示工程，快速提升LLM应用开发能力。同类可对比的替代方案包括 Prompt Engineering Guide、OpenAI Cookbook、LangChain Hub。
下一篇：curriculum
awesome-awesome-ai
开源
一站式导航AI资源，告别收藏夹吃灰
An awesome list for collecting awesome lists related to AI.
machine-learning
开源
免费学AI，从入门到实战，社区共建资源库
Learn AI together, for free. AI learning and teaching resources for everyone.
groundhog
开源
拆解 Cursor 原理，手把手教你造 AI 编程助手
Groundhog's primary purpose is to teach people how Cursor and all these other coding···
notebooks
开源
跟着最新视觉模型教程，边看边跑代码，快速上手实战
A collection of tutorials on state-of-the-art computer vision models and techniques.···