如何快速搭一个本地提示工程知识库5 分钟跑通 Prompt Engineering Guide【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide给大语言模型做应用时你大概率会先撞上这样一个场面同一条提示词第一次跑输出很对第二次就跑偏了。想定位原因你得回头翻提示技巧、查模型行为说明、核对上下文里塞了哪些信息——这些资料散落在一堆博客和论文里找起来比调试本身还慢。Prompt Engineering Guide 就是把这些零散内容整理成可本地运行的文档站论文清单、技巧讲解、应用案例、可运行的 notebook全部按章节归置并且提供 13 种语言版本每章内容都是你能直接读到、改到、翻译的源文件。这篇文章带你用几分钟把它跑起来再用两个真实任务走一遍它的核心内容最后把新手容易踩的坑列成一张清单。30 秒认识项目这个仓库本质上是一个内容 站点的文档工程基于 Nextra 文档框架所有章节放在 pages/ 目录下每章一个子目录同一主题按语言拆成带后缀的文件.en.mdx、.zh.mdx、.ar.mdx 等侧边栏顺序则由各目录下的 _meta 文件控制。内容上它覆盖五条线提示基础、提示技巧、RAG 与 AI Agents、应用案例、模型与风险。如果你是给团队搭提示规范的开发者或需要接手文档翻译与维护这个仓库是一个能直接开工的起点。站点的第一印象来自一个很小的例子模型收到 The sky is补全出 blue。这个入门章节的开篇例子直接点出了整个项目想回答的问题你输入什么、怎么说决定模型输出什么。最短路径跑起来前提是 Node 18 以上并已安装 pnpm。四步走完git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev终端出现就绪提示后浏览器打开 http://localhost:3000/ 左侧就是完整导航Introduction、Prompting Techniques、AI Agents、Applications、Prompt Hub、Models。每个导航项对应 pages/ 下的一个目录你在页面上看到的内容几秒内就能追溯到对应的 .mdx 源文件。用一个真实任务走通核心功能任务一读懂什么才算 Agent目标把 AI Agent 和普通聊天调用区分开。做法从侧边栏进入 AI Agents 章节第一页就会看到这张组件图图里把 Agent 拆成三块模型负责推理工具负责行动调 API、查数据库记忆负责留存上下文。结果拿着这个框架你再读同章节的 function calling 和 deep agents 页面每一页正好对应其中一个组件阅读顺序自然就有了。任务二用 Few-Shot 练一个日志分级提示目标让模型稳定输出日志级别。做法与其在提示里解释什么算警告不如直接把几个样例贴进去格式本身就是指令ERROR: 数据库连接超时重试 3 次失败 WARN: 缓存命中率低于 80% INFO: 订单服务启动成功 磁盘使用率达到 91%请分级结果模型给出 WARN。Few-Shot 这一章里还有一个反直觉的发现——样例的标签贴错也没关系模型真正学到的是标签集合和输出格式而不是每条样例的对错。关键机制拆解仓库里的内容串起来其实是一条输入 → 处理 → 输出的链路三段各解决一个具体问题。输入端给模型一个参照系它解决的问题指令模糊时输出空间太大模型只能蒙。做法把输入拆成四个部分——指令、上下文、输入数据、示例elements 页面有逐项说明。任务难就加示例像上面的日志分级模型缺它不知道的知识就先从外部文档库检索相关片段塞进上下文这就是 RAG 章节覆盖的事。处理端让模型把推理摊开它解决的问题模型急着给结论中间一步算错全错。做法在提示里要求它逐步作答即 Chain-of-Thought。技巧章节的 Auto-CoT 实验把这种先拆步再给答案的模式量化了出来换成你自己的任务感受一下顾客退 5 件商品中的 2 件每件 39 元 另退运费补贴 8 元包装费 15 元不退。 第 1 步商品退款 2 × 39 78 第 2 步合计退款 78 8 86 元结果中间步骤摆出来后哪一步错了肉眼可见。同目录的 Self-Consistency 页面再进一步多跑几次取多数答案稳定性还能再提一档。输出端让结果能被程序接住它解决的问题自然语言式的输出没法直接解析下游脚本一行格式对不上就中断。做法把输出格式写进提示——要 JSON、要表格、要固定字段顺序量大了之后加一道校验让模型对照约束自查或交给格式校验器兜底。research 目录里关于结构化输出的章节有现成方案可抄。踩坑清单现象pnpm dev 启动时报端口占用。原因3000 端口已有别的进程在跑。解法结束占用进程后重启或换一个空闲端口再启动。现象安装或构建报错依赖拉不下来。原因Node 版本低于 18。解法升到 Node 18 以上删掉 node_modules 重新执行 pnpm install。现象新写了章节文件侧边栏里却不显示。原因只加了 mdx 文件没在该目录的 _meta.xx.json 里登记条目。解法在对应语言的 _meta 文件里补上键值对键和文件名一致值写显示名称。现象翻译完一章页面打不开或内容缺失。原因文件名后缀和目录约定没对齐每章是名称.语言.mdx的命名格式。解法对照同目录已有文件的命名注意阿拉伯语单独放在 ar-pages/ 目录其他语言才进 pages/ 下的语言后缀文件。往哪走刚上手的话按顺序读完 introduction 目录的五页再进 techniques 挑一个和你业务对口的页面把例子跑一遍。技巧过完之后自然的下一站是 agentsfunction calling、deep agents 两条线以及 guides 目录下较新的主题上下文工程、深度研究、推理模型。想参与贡献门槛最低的是翻译在 pages/ 下挑一种语言的 mdx 和 _meta 文件逐节补全即可。内容型贡献走 guides/ 目录每个文件就是一个独立主题prompts-intro.md、prompts-basic-usage.md 这类。拿不准就开一个 issue 先讨论或者直接提 PR。这个仓库把提示怎么写从零散的博文变成了一套可本地运行、可逐章修改、可翻译的文档工程。现在就可以执行 pnpm dev等侧边栏跳出来后挑一个最贴近你业务的技巧页面把示例完整做一遍。【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何快速搭一个本地提示工程知识库：5 分钟跑通 Prompt Engineering Guide
如何快速搭一个本地提示工程知识库5 分钟跑通 Prompt Engineering Guide【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide给大语言模型做应用时你大概率会先撞上这样一个场面同一条提示词第一次跑输出很对第二次就跑偏了。想定位原因你得回头翻提示技巧、查模型行为说明、核对上下文里塞了哪些信息——这些资料散落在一堆博客和论文里找起来比调试本身还慢。Prompt Engineering Guide 就是把这些零散内容整理成可本地运行的文档站论文清单、技巧讲解、应用案例、可运行的 notebook全部按章节归置并且提供 13 种语言版本每章内容都是你能直接读到、改到、翻译的源文件。这篇文章带你用几分钟把它跑起来再用两个真实任务走一遍它的核心内容最后把新手容易踩的坑列成一张清单。30 秒认识项目这个仓库本质上是一个内容 站点的文档工程基于 Nextra 文档框架所有章节放在 pages/ 目录下每章一个子目录同一主题按语言拆成带后缀的文件.en.mdx、.zh.mdx、.ar.mdx 等侧边栏顺序则由各目录下的 _meta 文件控制。内容上它覆盖五条线提示基础、提示技巧、RAG 与 AI Agents、应用案例、模型与风险。如果你是给团队搭提示规范的开发者或需要接手文档翻译与维护这个仓库是一个能直接开工的起点。站点的第一印象来自一个很小的例子模型收到 The sky is补全出 blue。这个入门章节的开篇例子直接点出了整个项目想回答的问题你输入什么、怎么说决定模型输出什么。最短路径跑起来前提是 Node 18 以上并已安装 pnpm。四步走完git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide cd Prompt-Engineering-Guide pnpm install pnpm dev终端出现就绪提示后浏览器打开 http://localhost:3000/ 左侧就是完整导航Introduction、Prompting Techniques、AI Agents、Applications、Prompt Hub、Models。每个导航项对应 pages/ 下的一个目录你在页面上看到的内容几秒内就能追溯到对应的 .mdx 源文件。用一个真实任务走通核心功能任务一读懂什么才算 Agent目标把 AI Agent 和普通聊天调用区分开。做法从侧边栏进入 AI Agents 章节第一页就会看到这张组件图图里把 Agent 拆成三块模型负责推理工具负责行动调 API、查数据库记忆负责留存上下文。结果拿着这个框架你再读同章节的 function calling 和 deep agents 页面每一页正好对应其中一个组件阅读顺序自然就有了。任务二用 Few-Shot 练一个日志分级提示目标让模型稳定输出日志级别。做法与其在提示里解释什么算警告不如直接把几个样例贴进去格式本身就是指令ERROR: 数据库连接超时重试 3 次失败 WARN: 缓存命中率低于 80% INFO: 订单服务启动成功 磁盘使用率达到 91%请分级结果模型给出 WARN。Few-Shot 这一章里还有一个反直觉的发现——样例的标签贴错也没关系模型真正学到的是标签集合和输出格式而不是每条样例的对错。关键机制拆解仓库里的内容串起来其实是一条输入 → 处理 → 输出的链路三段各解决一个具体问题。输入端给模型一个参照系它解决的问题指令模糊时输出空间太大模型只能蒙。做法把输入拆成四个部分——指令、上下文、输入数据、示例elements 页面有逐项说明。任务难就加示例像上面的日志分级模型缺它不知道的知识就先从外部文档库检索相关片段塞进上下文这就是 RAG 章节覆盖的事。处理端让模型把推理摊开它解决的问题模型急着给结论中间一步算错全错。做法在提示里要求它逐步作答即 Chain-of-Thought。技巧章节的 Auto-CoT 实验把这种先拆步再给答案的模式量化了出来换成你自己的任务感受一下顾客退 5 件商品中的 2 件每件 39 元 另退运费补贴 8 元包装费 15 元不退。 第 1 步商品退款 2 × 39 78 第 2 步合计退款 78 8 86 元结果中间步骤摆出来后哪一步错了肉眼可见。同目录的 Self-Consistency 页面再进一步多跑几次取多数答案稳定性还能再提一档。输出端让结果能被程序接住它解决的问题自然语言式的输出没法直接解析下游脚本一行格式对不上就中断。做法把输出格式写进提示——要 JSON、要表格、要固定字段顺序量大了之后加一道校验让模型对照约束自查或交给格式校验器兜底。research 目录里关于结构化输出的章节有现成方案可抄。踩坑清单现象pnpm dev 启动时报端口占用。原因3000 端口已有别的进程在跑。解法结束占用进程后重启或换一个空闲端口再启动。现象安装或构建报错依赖拉不下来。原因Node 版本低于 18。解法升到 Node 18 以上删掉 node_modules 重新执行 pnpm install。现象新写了章节文件侧边栏里却不显示。原因只加了 mdx 文件没在该目录的 _meta.xx.json 里登记条目。解法在对应语言的 _meta 文件里补上键值对键和文件名一致值写显示名称。现象翻译完一章页面打不开或内容缺失。原因文件名后缀和目录约定没对齐每章是名称.语言.mdx的命名格式。解法对照同目录已有文件的命名注意阿拉伯语单独放在 ar-pages/ 目录其他语言才进 pages/ 下的语言后缀文件。往哪走刚上手的话按顺序读完 introduction 目录的五页再进 techniques 挑一个和你业务对口的页面把例子跑一遍。技巧过完之后自然的下一站是 agentsfunction calling、deep agents 两条线以及 guides 目录下较新的主题上下文工程、深度研究、推理模型。想参与贡献门槛最低的是翻译在 pages/ 下挑一种语言的 mdx 和 _meta 文件逐节补全即可。内容型贡献走 guides/ 目录每个文件就是一个独立主题prompts-intro.md、prompts-basic-usage.md 这类。拿不准就开一个 issue 先讨论或者直接提 PR。这个仓库把提示怎么写从零散的博文变成了一套可本地运行、可逐章修改、可翻译的文档工程。现在就可以执行 pnpm dev等侧边栏跳出来后挑一个最贴近你业务的技巧页面把示例完整做一遍。【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考