
DAIR.AI 的 Prompt Engineering Guide 将提示词技术、模型用法与实际任务例子组织成公开文档。从简单指令入手后,可以用几条已知输入测试示例学习、分解任务和检索材料的影响。它适合想弄清写法背后原理,再按自己的模型调整的读者。

| 方向 | 具体用途 | 核对要点 |
|---|---|---|
| 基础指令 | 说明任务、提供上下文及指定输出 | 先建一条简单可运行的基线 |
| 示例学习 | 用少量输入与预期结果说明输出模式 | 覆盖容易混淆的边界情况 |
| 检索与评估 | 理解如何用外部材料补充任务并评估效果 | 检查来源质量、样本和比较口径 |
| 你的需求 | 可用资源 | 适用原因 |
|---|---|---|
| 系统学习通用方法 | Prompt Engineering Guide | 可按技术与示例循序阅读 |
| 快速拿模板参考 | Prompts.chat | 有面向实际任务的社区样例可改写 |
| 组织线上模板和运行记录 | Langfuse | 提供面向应用的模板管理和版本关联 |
希望让模型把客服问题按「账单」「登录」「其他」归类,再比较有无示例对边界问题的影响。
官方指南开放阅读并提供公开代码仓库。文中提及的模型按各供应商规则使用。
设计思想可以参考。消息格式、示例数量、上下文限制和工具用法请按当前模型文档确认。
用同样的模型、测试输入和评估条件对照少样本与原有指令,避免把测试样本写进示例。