wangxuqi/Prompt-Engineering-Guide-Chinese · 上手攻略
- 仓库：wangxuqi/Prompt-Engineering-Guide-Chinese
- 链接：https://github.com/wangxuqi/Prompt-Engineering-Guide-Chinese
- 分类：academic-writing · llm-infra
- 作者：Tom
- 更新：2026-08-14
这是什么
Prompt-Engineering-Guide-Chinese（Prompt 工程师指南中文版）是由 wangxuqi 维护的中文翻译项目，翻译自 DAIR.AI 的英文原版 dair-ai/Prompt-Engineering-Guide（Stars 77.3k+）。原版是目前最全面、最活跃的 Prompt 工程开源教程，涵盖从基础概念到高级技巧的完整知识体系。
本中文版在原版基础上增加了 AIGC（AI Generated Content）相关 prompt 的内容，降低中文学习者的门槛，持续更新。
核心内容包括： - Prompt 工程基础概念与设计原则 - 基础提示词技巧（零样本、少样本） - 高级提示词技术（思维链、自我一致性、Tree of Thoughts 等） - ChatGPT、Midjourney、Stable Diffusion 等具体工具的 prompt 指南 - 对抗性提示（Adversarial Prompting）与安全性 - Prompt 可靠性与评估 - 最新论文、工具与数据集
解决什么问题
Prompt 工程是 2023 年后兴起的新学科，如何高效地通过提示词从 LLM 获取高质量输出，是每个 AI 应用开发者和研究者的核心技能。该仓库将散落在论文、博客、教程中的 prompt 技术系统化整理，并翻译为中文，适合：
- 中文开发者学习 prompt 工程的系统性教程
- 学生和研究人员了解 LLM 能力边界与优化方法
- 产品经理和 AI 爱好者快速上手 ChatGPT、Midjourney 等工具
快速上手
直接阅读（无需安装）
访问中文版 GitHub 页面：https://github.com/wangxuqi/Prompt-Engineering-Guide-Chinese
各指南以 Markdown 文件存放于 guides/ 目录，可直接在 GitHub 在线阅读。
本地运行
# 克隆仓库
git clone https://github.com/wangxuqi/Prompt-Engineering-Guide-Chinese.git
cd Prompt-Engineering-Guide-Chinese
# 用任意 Markdown 阅读器打开 guides/ 目录
# 推荐 Obsidian + /open 命令直接预览
原版英文（含最新内容）
英文原版更新更及时，有完整网页版：
- GitHub：https://github.com/dair-ai/Prompt-Engineering-Guide
- 网页版：https://promptguide.com （DAIR.AI 官方）
核心内容速览
指南文件结构
guides/
├── prompts-intro.md # Prompt 工程简介
├── prompts-basic-usage.md # 基本提示词用法
├── prompts-advanced-usage.md # 高级提示词技术
├── prompts-chatgpt.md # ChatGPT 专项指南
├── prompts-midjourney.md # Midjourney 专项指南
├── prompts-stable_diffusion.md
├── prompts-applications.md # 应用场景
├── prompts-adversarial.md # 对抗性提示
├── prompts-reliability.md # 可靠性
└── prompts-miscellaneous.md # 其他主题
pages/
├── papers.mdx # 最新论文列表
├── tools.mdx # 工具汇总
├── datasets.mdx # 数据集
└── readings.mdx # 延伸阅读
关键概念速学
零样本提示（Zero-shot）
直接给出任务指令，不提供示例：
将以下句子翻译成法语：
The weather is nice today.
少样本提示（Few-shot）
在指令前提供若干示例，让模型学习模式：
This is awesome! // Positive
This is bad! // Negative
Wow that movie was rad! // Positive
What a horrible show! // __
模型输出：Negative
思维链提示（Chain-of-Thought, CoT）
在示例中显式展示推理过程，引导模型给出中间步骤：
问：一个商店有 12 个球，卖掉 3 个，又进货 7 个，现在有几个？
答：12 - 3 = 9，9 + 7 = 16，所以现在有 16 个球。
问：小明有 5 个苹果，给了小红 2 个，又买了 4 个，现在有几个？
答：
LLM 核心参数（必知）
| 参数 | 作用 | 低值效果 | 高值效果 |
|---|---|---|---|
| Temperature | 控制随机性 | 更确定、更准确 | 更随机、更有创造性 |
| Top_p | 核采样概率阈值 | 更聚焦输出 | 更多样化输出 |
⚠️ 建议：通常只调其中一个参数，不要同时调两个。
模板设计黄金法则
来自 W32 Lessons 的写作指引：
- 显式指令放句首，分隔符
###分隔上下文 - 越具体越好，但多余细节要删
- 示例胜过文字描述，few-shot 比纯文字指令更稳定
- 对不同模型（GPT-4 / Claude / GPT-3.5）需分别调优，相同 prompt 在不同模型上表现差异显著
典型适用场景
- 应用开发：用 Prompt 工程优化 RAG、Agent 工具调用、代码生成的输出质量
- 学术研究：复现和改进论文中的 prompt 技术（如 CoT、Self-consistency）
- 内容创作：ChatGPT 写作润色、Midjourney 画图、Stable Diffusion 文生图的 prompt 优化
- 模型评估：用对抗性提示测试 LLM 的安全边界和可靠性
- 教学备课：用该指南作为 LLM 相关课程的教材或参考资料
坑与注意
中文版可能滞后于英文原版
原版 dair-ai/Prompt-Engineering-Guide 更新活跃，中文翻译存在一定时间差。涉及最新论文（如 2025-2026 年发布的技术）时，优先查阅英文原版或 DAIR.AI 官网。
示例中的模型版本
README 中说明默认示例使用 text-davinci-003，这是 OpenAI 2022-2023 年的模型。新版 GPT-4o、Claude 3.5 等在指令遵循能力上有显著提升，部分旧版"技巧"（如少样本示例数量）在新模型上可能不再必要，需实测验证。
不是所有技术都同等有效
思维链（CoT）在数学和推理任务上效果显著，但在简单分类、情感分析等任务上可能适得其反。使用前应了解各技术的适用边界（参考 prompts-reliability.md）。
作为学习路径而非工具集
该指南适合建立系统性认知，但具体项目中往往需要结合 LangChain、PromptFlow 等框架使用，不建议把它当作"拿来即用"的 prompt 模板库。
与同类对比
| 资源 | 类型 | 语言 | 特色 |
|---|---|---|---|
| dair-ai/Prompt-Engineering-Guide | 教程合集 | 英 | 77k+ Stars，最全面，更新最快 |
| wangxuqi/Prompt-Engineering-Guide-Chinese | 翻译版 | 中 | 中文友好，含 AIGC 部分 |
| LearnPrompt / PromptBase | prompt 市集 | 英 | 可直接购买/售卖优质 prompt |
| LangChain Docs | 框架文档 | 英 | 工程落地为主，非教程 |
推荐组合：中文学习者以本仓库入门 → 跟进英文原版和 DAIR.AI 官网获取最新内容 → 配合 LangChain 做工程落地。
一句话推荐结论
Prompt-Engineering-Guide-Chinese 是中文世界最系统的 Prompt 工程学习资源，适合作为 LLM 应用开发的入门教材，但涉及最新技术时请以英文原版为准。