提示词工程指南

提示词工程（Prompt Engingering），也被称为上下文提示（In-Context Prompting），指的是通过结构化文本的方法来完善提示词（Prompt），从而引导大模型生成更符合预期的输出结果的技术。简单点说就是“用更聪明的提问方式，让AI更好地理解并完成任务”。通过提示词工程可以在不通过训练更新模型权重的情况下，让大模型完成不同类型的任务。提示词工程的效果在不同的模型中可能会有很大的差异，因此需要大量的实验和探索。掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。

提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作用。用户可以通过提示工程来提高大语言模型的安全性，也可以赋能大语言模型，比如借助专业领域知识和外部工具来增强大语言模型能力，同时，赋能大语言模型也可以用于生成训练模型的高质量数据集，能够大大提高原有人工构建数据集的效率。

提示词工程可以帮助改善大语言模型的性能，使其更好地满足用户需求，这是在预模型互动时常用的策略，特别是在自然语言处理任务和生成任务中，比如文本生成、医疗问答、文章写作等。基于对大语言模型的浓厚兴趣，我们编写了这份全新的提示工程指南，介绍了大语言模型清关的学习指南、模型选择、提示词编写技巧等内容。

---

我们的教程包含前言、环境设置、常见推理任务、合成数据、RAG、Agent等，带大家全方位熟悉提示词的使用，下面我们给出了教程的内容导航👇：

章节	关键内容	状态
第一章 环境安装	获取教程代码、本地调用大模型环境安装、调用API使用大模型	✅
第二章 模型选择	什么时候分别使用Base、Instruct、Reasoning模型	✅
第三章 提示词撰写技巧	模型参数设置、提示词基础结构、提示词要素、CoT等	✅
第四章 常见任务示例	文本生成、信息提取、指令问答、代码生成、数学计算等	✅
第五章 多模态大模型提示词	图像分析、视频分析提示词、音频大模型介绍	✅
第六章 合成数据	预训练、微调、推理数据合成原理&代码实践	✅
第七章 RAG检索	构建向量数据库、文档处理、检索向量、提示词增强、模型生成	✅
第八章 Agent实践	函数调用、MCP实践、多Agents介绍	✅
第九章 RAG实战	数据准备、RAG实站	✅