Appearance
Prompt 工程资源
Prompt 是与 LLM 交互的核心界面。本页汇总提示词设计技巧、优化工具、管理平台与编程式方法，帮助你系统性地提升提示词质量。
经典技巧手册
综合指南
| 资源 | 作者/机构 | 特点 | 链接 |
|---|---|---|---|
| Prompt Engineering Guide | DAIR.AI | 最全面的开源指南，覆盖所有主流技巧 | promptingguide.ai |
| OpenAI Prompt Engineering | OpenAI | 官方最佳实践，策略与案例 | platform.openai.com |
| Anthropic Prompt Library | Anthropic | 官方提示词模板库 | docs.anthropic.com |
| Google Prompt Engineering | Gemini 优化指南 | ai.google.dev | |
| Microsoft Prompt Engineering | Microsoft | 系统性方法论 | learn.microsoft.com |
高级技巧
| 技巧 | 描述 | 适用场景 |
|---|---|---|
| Chain-of-Thought | 让模型逐步推理 | 数学、逻辑、复杂问题 |
| Few-Shot Prompting | 提供示例让模型学习模式 | 分类、格式转换、风格模仿 |
| Self-Consistency | 多次采样选多数答案 | 需要高可靠性的任务 |
| Tree of Thoughts | 多路径探索和评估 | 创意、策划、搜索空间大 |
| ReAct | 推理 + 行动交替 | 工具调用、多步骤任务 |
| Meta-Prompting | 让模型生成/优化提示词 | 提示词自动化、批量生成 |
编程式 Prompt 优化
框架与库
| 工具 | 特点 | 最佳场景 | 链接 |
|---|---|---|---|
| DSPy | Stanford 开发，算法优化提示词和权重 | 研究/生产级优化 | GitHub |
| TextGrad | 自动差分优化提示词 | 自动微调 | GitHub |
| OPRO | Google 提示词优化，用 LLM 优化提示词 | 自动发现最佳提示词 | Paper |
| PromptBreeder | DeepMind 自动提示词进化 | 进化算法优化 | Paper |
编程式框架对比
| 框架 | 优化方法 | 学习曲线 | 生产就绪 |
|---|---|---|---|
| DSPy | 签名优化、自动提示词 | 中等 | 是 |
| TextGrad | 梯度下降 | 高 | 部分 |
| OPRO | 迭代优化 | 低 | 部分 |
| 手动迭代 | 人工调试 | 低 | 是 |
Prompt 管理平台
生产级管理
| 平台 | 功能 | 定价 | 链接 |
|---|---|---|---|
| PromptLayer | 版本控制、性能追踪、协作 | 按使用量 | promptlayer.com |
| Humanloop | 评估、测试、协作 | 企业定价 | humanloop.com |
| Pezzo | 开源 Prompt 管理、版本控制 | 免费/自托管 | GitHub |
| Langfuse Prompt Management | 开源、与追踪集成 | 免费/自托管 | langfuse.com |
测试与评估
| 工具 | 功能 | 开源 | 链接 |
|---|---|---|---|
| Promptfoo | 批量测试、红队测试、CI/CD 集成 | 是 | GitHub |
| ChainForge | 可视化 Prompt 测试和比较 | 是 | GitHub |
| Weave (Weights & Biases) | 实验跟踪和比较 | 部分 | wandb.ai |
| PromptBench | 对抗性提示词测试 | 是 | GitHub |
领域专用技巧
代码生成
| 技巧 | 描述 | 效果 |
|---|---|---|
| 详细规范 | 提供接口定义、输入输出示例 | 显著提升代码质量 |
| 步骤分解 | 将复杂任务拆分为小步骤 | 减少错误 |
| 测试驱动 | 要求生成测试用例 | 提高代码可靠性 |
创意写作
| 技巧 | 描述 | 效果 |
|---|---|---|
| 角色定义 | 明确指定写作风格和受众 | 一致性和适配性 |
| 框架提示 | 提供结构化框架 | 组织性和完整性 |
| 迭代修改 | 逐步细化和调整 | 精细控制输出 |
数据分析
| 技巧 | 描述 | 效果 |
|---|---|---|
| 结构化输出 | 要求 JSON/XML 格式 | 可解析、可程序化 |
| 分步执行 | 先分析再总结 | 减少幻觉 |
| 上下文管理 | 提供相关背景和约束 | 提高准确性 |
Prompt 设计清单
markdown
## 高质量 Prompt 设计清单
### 基础
- [ ] 明确任务目标
- [ ] 定义输出格式
- [ ] 提供背景信息
- [ ] 设定角色和语气
### 高级
- [ ] 提供示例 (Few-Shot)
- [ ] 设定约束和限制
- [ ] 添加推理请求 (CoT)
- [ ] 设计错误处理逻辑
### 优化
- [ ] 测试多个变体
- [ ] 评估输出质量
- [ ] 追踪性能指标
- [ ] 版本控制和文档化相关页面
- Prompt Engineering — Prompt 工程概念
- DSPy — DSPy 编程式框架
- Chain-of-Thought & Reasoning — 推理链技巧
- In-Context Learning — 上下文学习
- AI 开发工具箱 — AI 开发工具
- Structured Output / JSON Mode — 结构化输出
参考来源
- DAIR.AI Prompt Engineering Guide
- OpenAI Prompt Engineering 文档
- Anthropic Prompt Library
- DSPy 文档
- Promptfoo 文档