返回
芝士酷 / 人工智能 / prompt-engineering / README.md

README.md

11.4 KB · MD · 2026-06-18 10:07

提示词工程

本目录用于系统学习提示词工程。重点不是背模板，而是掌握一种可复用的工作方法：把对 AI 的请求写成清晰、可测试、可迭代的任务规格。

目录结构

  • 核心课程/：主线知识，按学习顺序阅读。
  • 工具箱/：长期复用的模板、评估清单和检查方法。
  • 案例/：具体应用场景。法律文书、合同、论文、客服等场景应放在这里，不打断主线课程。

学习目标

  • 理解提示词工程不是“咒语”，而是任务设计、上下文管理、输出约束和评估迭代。
  • 能为总结、分析、写作、代码、信息抽取、知识库问答和工具型 Agent 写出稳定提示词。
  • 知道什么时候靠提示词，什么时候应该改模型、加检索、用结构化输出、用工具调用或做评估。
  • 建立自己的提示词版本管理习惯：任务、输入、输出、失败样例、修改原因都要可追踪。

初学者怎么读

不要一开始通读所有材料。这个目录故意覆盖了从入门到工程化的完整链路，初学者应先跑通最小闭环，再回头补进阶内容。

第一轮只解决一个问题：怎样把一句模糊请求改成清楚任务。

  1. 读 核心课程/00-现代Prompt生态地图.md，只建立全景，不要求记住所有名词。
  2. 读 核心课程/00.5-术语词典与最小用例.md 的“速读清单”，其余术语遇到再查。
  3. 读 核心课程/01-现代提示词工程总论.md。
  4. 读 核心课程/01.5-AI辅助Prompt开发工作流.md。
  5. 做 练习/01-basic-prompts.md 和 练习/01.5-ai-assisted-prompt-development.md。

第二轮再学习工程化能力：

  1. 核心课程/02-从提示词到上下文工程.md
  2. 核心课程/05-RAG与文件检索.md，然后做 练习/03-mini-rag.md
  3. 核心课程/06-工具调用MCP与Agent工作流.md
  4. 核心课程/06.5-Responses API与结构化实现.md，然后做 练习/02-json-schema-extraction.md
  5. 核心课程/06.6-安全与Prompt Injection专题.md，然后做 练习/04-tool-calling-loop.md
  6. 核心课程/07-Eval自动化与回归测试.md，然后做 练习/05-eval-runner.md

03、04、08、09 是进阶补强：当你开始复用流程、管理长期规则、拆多 agent 或关心上线成本时再精读。

推荐学习顺序

下面是完整学习顺序，不等于第一天必须全部读完。

  1. 核心课程/00-现代Prompt生态地图.md
  2. 核心课程/00.5-术语词典与最小用例.md
  3. 核心课程/01-现代提示词工程总论.md
  4. 核心课程/01.5-AI辅助Prompt开发工作流.md
  5. 核心课程/02-从提示词到上下文工程.md
  6. 核心课程/03-Agent Skills与可复用能力.md
  7. 核心课程/04-指令层级与长期上下文.md
  8. 核心课程/05-RAG与文件检索.md
  9. 核心课程/06-工具调用MCP与Agent工作流.md
  10. 核心课程/06.5-Responses API与结构化实现.md
  11. 核心课程/06.6-安全与Prompt Injection专题.md
  12. 核心课程/07-Eval自动化与回归测试.md
  13. 核心课程/08-多智能体协作与Subagents.md
  14. 核心课程/09-成本延迟优化与生产监控.md
  15. 练习/README.md
  16. 工具箱/AI辅助Prompt开发模板.md
  17. 工具箱/评估清单.md
  18. 工具箱/Eval自动化模板.md
  19. 工具箱/多智能体协作模板.md
  20. 工具箱/成本延迟优化模板.md
  21. 工具箱/Prompt版本记录模板.md
  22. 工具箱/综合实战项目模板.md
  23. 工具箱/模板库.md

如果读到某个英文缩写或平台名词觉得不清楚，先查 核心课程/00.5-术语词典与最小用例.md。它按“定义、什么时候用、最小例子、常见误解”解释核心术语。不要把词典当成必须背完的章节，它更像学习时随手查的索引。

案例材料

案例不是主线必读，适合需要处理具体文档或业务时再看。

  • 案例/法律文书/长文档与法律文书提示词.md
  • 案例/法律文书/法律文书模板.md
  • 案例/法律文书/法律文书评估清单.md
  • 案例/综合实战/知识库问答Agent实战.md
  • 案例/代码助手/代码助手提示词与评估.md
  • 案例/论文阅读/论文阅读提示词与评估.md
  • 案例/客服问答/客服问答提示词与评估.md

案例用于把主线方法迁移到不同场景。先学主线，再按自己的任务选择案例练习。

练习材料

  • 练习/01-basic-prompts.md
  • 练习/01.5-ai-assisted-prompt-development.md
  • 练习/02-json-schema-extraction.md
  • 练习/03-mini-rag.md
  • 练习/04-tool-calling-loop.md
  • 练习/05-eval-runner.md

核心原则

成熟提示词通常包含六个部分：

  1. 目标：让模型知道最终要完成什么。
  2. 背景：给模型必要上下文，不假设它知道你的业务。
  3. 输入：清楚标出要处理的材料。
  4. 约束：说明不能做什么、边界在哪里。
  5. 输出格式：告诉模型用什么结构交付。
  6. 验证标准：告诉模型什么算好结果。

工程化判断

提示词工程有边界。遇到下面情况，不应该继续只靠“把提示词写长”：

  • 输出必须被程序消费：优先使用结构化输出、JSON Schema 或函数调用。
  • 需要回答私有资料、长文档或不断更新的资料：优先使用检索、文件搜索或 RAG。
  • 需要操作外部系统：把操作设计成权限清晰、参数可校验的工具。
  • 同类任务要长期复用：沉淀成 Skill，而不是每次复制 prompt。
  • 多个 Skills、MCP 配置和资源要共享：考虑打包成 Plugin。
  • 任务可以并行拆解且中间过程噪声很大：考虑 Subagents。
  • 是高风险任务：保留原文依据、引入人工复核、记录失败样例。
  • 同一个提示词要长期复用：建立小型评估集，按版本迭代。

平台边界

本目录把通用方法和具体平台机制放在同一条学习线上。学习时要区分：

  • 通用方法：目标、输入边界、输出格式、引用依据、评估、权限控制、人工复核。
  • OpenAI API 机制：Responses API、Structured Outputs、function calling、built-in tools、Batch、Flex、Priority、prompt caching。
  • Codex / Agent 平台机制：AGENTS.md、Skills、Plugins、Subagents、Memory。
  • 跨平台协议：MCP。不同客户端支持程度、授权方式和安全策略可能不同。

不要把某个平台的名词误认为所有模型都天然支持的能力。做工程时以当前使用平台的官方文档为准。

整理原则

  • 主线以通用能力为主：prompt、context、skill、RAG、tool、agent、eval、guardrail；平台实现内容要单独标注边界。
  • 工具箱只放可跨场景复用的模板和检查方法。
  • 场景化内容放入 案例/，例如法律文书、合同、论文、客服、代码助手。
  • 某个案例中的好方法如果具备通用价值，再抽象回 核心课程/ 或 工具箱/。

参考来源

以下笔记综合了官方文档中的稳定做法：