Prompt_Engineering

22种提示技巧，动手实操，让LLM输出更精准

开源 🏷️定价信息待确认 ✅ 目前可打开对话助手 🍴 复刻 1034 🐛 待处理 3 👀 关注 86

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 7924

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类对话助手

开发团队NirDiamant

官网地址https://diamant-ai.com

GitHubhttps://github.com/NirDiamant/Prompt_Engineering

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议NOASSERTION

主要语言Jupyter Notebook

技术栈/模型ai,chain-of-thought,chatgpt,claude,few-shot-learning,genai,generative-ai,gpt,in-context-learning,langchain,llm,llms,machine-learning,openai,prompt-engineering,prompting,python,tutorials

GitHub 星标★ 7924

上线时间2024-10-10 00:00:00

代码更新2026-10-31

仓库体积20.8 MB

本站数据更新2026-11-08

维护状态较活跃

收录时间2026-08-09

浏览次数6

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 7924

技术标签

ai chain-of-thought chatgpt claude few-shot-learning

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：本地安装 4 步

⚠ 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。

环境要求

已安装 Git，用于克隆仓库
可打开并运行 .ipynb 文件的环境（README 未指定具体安装方式）
用于存放仓库的本地目录读写权限

安装与启动步骤

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.git
```
2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_techniques
```
3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。