NirDiamant/Prompt_Engineering

项目概览

项目以 22 个可运行的 Jupyter Notebook 为载体，串联了从零样本、思维链到自洽性、角色扮演等提示策略，属于动手实践导向的提示工程学习资源。

项目类型

AI 编程

应用场景

学习教育

部署方式

查看项目说明

License

License 待确认

适合谁

• 希望通过真实代码和实际运行来学习 LLM 提示工程技巧的开发者及教育者。
• 面临复杂业务提示调优需求，需要一份系统化技巧手册作为参考的 LLM 应用构建者。

核心能力

• 包含 22 个完整的 Jupyter Notebook 教程，系统覆盖了从提示工程基础概念到高级策略的知识，使用者可以直接克隆仓库在本地运行和学习。
• 提供关于基本提示结构、模板和变量的教程，帮助初学者理解如何使用结构化的方式与 LLM 进行交互。
• 通过 Notebook 演示零样本、少样本以及思维链等核心提示技术，使用户能够掌握引导大模型推理能力的常用手段。
• 具体实现了自洽性、受限生成以及角色提示等高级策略，帮助用户在面对复杂逻辑时探索不同的提示设计方式。

限制与风险

• 项目采用了专门定制的非商业许可证，限制了将其用于商业目的的权利，企业团队在引入前需审慎评估合规边界。

如何开始

• 上手难度较低：首先使用 git 克隆代码仓库，接着在本地进入名为 all_prompt_engineering_techniques 的目录，最后打开目标 Notebook 跟随其中的实现指南逐步运行即可。

核验依据

• GitHub 项目简介: 22 prompt engineering techniques with hands-on Jupyter Notebook tutorials, from fundamental concepts to advanced strategies for leveraging LLMs.
• README: Our goal is to provide a valuable resource for everyone - from beginners taking their first steps in AI to seasoned practitioners pushing the boundaries of what's possible.
• README: Prompt engineering is at the forefront of artificial intelligence, revolutionizing the way we interact with and leverage AI technologies.
• README: 22 hands-on tutorials covering everything from basic prompt templates to advanced techniques like chain-of-thought, self-consistency, and tree-of-thought prompting.
• README: Learn prompt engineering techniques from beginner to advanced levels

内容核验时间：