Prompt Engineering Guide

Prompt engineering is a relatively new discipline for developing and optimizing prompts to efficiently use language models (LMs) for a wide variety of applications and research topics. Prompt engineering skills help to better understand the capabilities and limitations of large language models (LLMs). Researchers use…

课时

• Guides 🔮
  • Prompt Engineering - Introduction
  • Prompt Engineering - Basic Prompting
  • Prompt Engineering - Advanced Prompting
  • Prompt Engineering - Applications
  • Prompt Engineering - ChatGPT
  • Prompt Engineering - Adversarial Prompting
  • Prompt Engineering - Reliability
  • Prompt Engineering - Miscellaneous Topics
• Prompt Engineering Guide
• pages
  • About
  • About
  • About
  • 关于
  • Agents
  • LLM Applications & Guides
  • プロンプトアプリケーション
  • Prompting Applications
  • 提示应用
  • Prompt Engineering Course
  • Prompt Engineering Courses
  • Datasets
  • データセット
  • 数据集
  • Prompt Engineering Guide
  • Prompt Engineering Guide
  • 프롬프트 엔지니어링 가이드
  • 提示工程指南
  • Introduction
  • はじめに
  • Introduction
  • 提示工程简介
  • Model Prompting Guides
  • モデル
  • Models
  • 模型
  • Prompt Engineering Notebooks
  • Prompt Engineering Notebooks
  • Prompt Engineering Notebooks
  • Prompt Engineering笔记本
  • Papers
  • 論文
  • Papers
  • 论文
  • Prompt Hub
  • Prompt Hub
  • Prompt Hub
  • Prompt Hub
  • Additional Readings
  • 参考文献
  • Additional Readings
  • 阅读推荐
  • LLM Research Findings
  • LLM Research Findings
  • LLM Research Findings
  • LLM Research Findings
  • Risks & Misuses
  • リスクと誤用
  • Risks & Misuses
  • 风险和误用
  • Services
  • Services
  • Prompting Techniques
  • プロンプトエンジニアリング技術
  • Prompting Techniques
  • 提示技术
  • Tools & Libraries
  • ツール & ライブラリ
  • Tools & Libraries
  • 工具和库
  • agents
    • AI Workflows vs. AI Agents
    • Agent Components
    • Context Engineering Deep Dive: Building a Deep Research Agent
    • Why Context Engineering?
    • Deep Agents
    • Function Calling in AI Agents
    • Introduction to AI Agents
  • applications
    • Generating Code
    • コード生成
    • Generating Code
    • 代码生成
    • Context Caching with Gemini 1.5 Flash
    • Fine-Tuning with GPT-4o Models
    • Function Calling with LLMs
    • Function Calling with LLMs
    • LLMs의 Function Calling
    • 在LLM中调用函数
    • Tackling Generated Datasets Diversity
    • Generating Data
    • データ生成
    • 데이터 생성
    • 生成数据
    • Prompt Function
    • Prompt Function
    • 프롬프트 함수(Prompt Function)
    • 提示函数
    • Generating Synthetic Dataset for RAG
    • Graduate Job Classification Case Study
    • ケーススタディ: 新卒にふさわしい仕事の分類
    • 학위가 필요한 직업을 분류한 사례 연구
    • 毕业生职位分类案例研究
  • guides
    • Prompt Engineering Guide
    • Context Engineering Guide
    • Prompt Engineering Guide
    • Prompt Engineering Guide
    • Prompt Engineering Guide
  • introduction
    • Basics of Prompting
    • プロンプトの基礎
    • 프롬프트의 기초
    • 基本概念
    • Elements of a Prompt
    • プロンプトの要素
    • 프롬프트의 구성 요소
    • 提示词要素
    • Examples of Prompts
    • プロンプトの例
    • 프롬프트 예시
    • 提示词示例
    • LLM Settings
    • LLMの設定
    • LLM 설정
    • 模型设置
    • General Tips for Designing Prompts
    • プロンプトの設計に関する一般的なヒント
    • 프롬프트 설계에 관한 일반적인 팁
    • 设计提示的通用技巧
  • models
    • ChatGPT Prompt Engineering
    • ChatGPT プロンプトエンジニアリング
    • ChatGPT 프롬프트 엔지니어링
    • ChatGPT提示工程
    • Claude 3
    • Prompting Guide for Code Llama
    • Prompting Guide for Code Llama
    • Prompting Guide for Code Llama
    • Prompting Guide for Code Llama
    • LLM Collection
    • モデル一覧
    • 모델 선택
    • Model Collection
    • Scaling Instruction-Finetuned Language Models
    • スケーリングされた指示によるファインチューニングされた言語モデル
    • 지시에 따라 파인튜닝된(Instruction-Finetuned) 언어 모델 스케일링
    • 扩展指令微调语言模型
    • Gemini Advanced
    • Gemini Advanced
    • Gemini Advanced
    • Gemini Advanced
    • Gemini 1.5 Pro
    • Gemini 1.5 Pro
    • Gemini 1.5 Pro
    • Gemini 1.5 Pro
    • Getting Started with Gemini
    • Gemini Prompting Guide
    • Gemini Prompting Guide
    • 开始使用Gemini
    • Gemma
    • GPT-4
    • GPT-4
    • GPT-4
    • GPT-4
    • Grok-1
    • Kimi K2.5
    • Llama 3
    • Prompt Engineering Guide
    • Prompt Engineering Guide
    • Prompt Engineering Guide
    • Prompt Engineering Guide
    • Mistral 7B LLM
    • Mistral 7B LLM
    • Mistral 7B LLM
    • Mistral 7B LLM
    • Mistral Large
    • Mixtral 8x22B
    • Mixtral
    • Mixtral
    • Mixtral
    • Mixtral
    • OLMo
    • OLMo
    • OLMo
    • OLMo
    • Phi-2
    • Phi-2
    • Phi-2
    • Phi-2
    • Sora
    • Sora
    • Sora
    • Sora
  • prompts
    • Adversarial Prompting in LLMs
    • Adversarial Prompting in LLMs
    • 大型语言模型中的对抗性提示
    • LLMs for Classification
    • LLMs for Classification
    • 使用大型语言模型（LLMs）进行分类
    • LLMs for Code Generation
    • LLMs for Code Generation
    • LLMs for Code Generation
    • LLMs for Creativity
    • LLMs for Creativity
    • LLMs for Creativity
    • LLM Evaluation
    • LLM Evaluation
    • LLM Evaluation
    • Image Generation
    • Image Generation
    • Image Generation
    • Information Extraction with LLMs
    • Information Extraction with LLMs
    • Information Extraction with LLMs
    • Mathematical Understanding with LLMs
    • Mathematical Understanding with LLMs
    • Mathematical Understanding with LLMs
    • Question Answering with LLMs
    • Question Answering with LLMs
    • Question Answering with LLMs
    • Reasoning with LLMs
    • Reasoning with LLMs
    • Reasoning with LLMs
    • Text Summarization with LLMs
    • Text Summarization with LLMs
    • Text Summarization with LLMs
    • Truthfulness in LLMs
    • Truthfulness in LLMs
    • Truthfulness in LLMs
    • adversarial-prompting
      • Jailbreaking LLMs
      • LLMs越狱
      • Prompt Injection in LLMs
      • Prompt Injection in LLMs
      • Prompt Leaking in LLMs
      • LLMs中的提示泄露
    • classification
      • Few-Shot Sentiment Classification with LLMs
      • 使用大型语言模型（LLMs）进行小样本情感分类
      • Sentiment Classification with LLMs
      • 使用大型语言模型（LLMs）进行情感分类
    • coding
      • Generate Code Snippets with LLMs
      • Produce MySQL Queries using LLMs
      • Drawing TiKZ Diagram
    • creativity
      • Proof of Infinite Primes in Shakespeare Style
      • Interdisciplinary Tasks with LLMs
      • Inventing New Words
      • Rhyming with Proofs
    • evaluation
      • Evaluate Plato's Dialogue
    • image-generation
      • Draw a Person Using Alphabet Letters
    • information-extraction
      • Extract Model Names from Papers
    • mathematics
      • Evaluating Composite Functions
      • Adding Odd Numbers with LLMs
    • question-answering
      • Closed Domain Question Answering with LLMs
      • Open Domain Question Answering with LLMs
      • Science Question Answering with LLMs
    • reasoning
      • Indirect Reasoning with LLMs
      • Physical Reasoning with LLMs
    • text-summarization
      • Explain Concepts with LLMs
    • truthfulness
      • Identify Hallucination in LLM Responses
  • research
    • What is Groq?
    • Groq 是什么？
    • LM-Guided Chain-of-Thought
    • 语言模型引导的思维链(CoT)
    • Efficient Infinite Context Transformers
    • 高效处理无限长文本的Transformer模型
    • LLM Agents
    • LLM Agents
    • LLM Agents
    • 大语言模型智能体简介
    • LLM Reasoning
    • 大语言模型的推理能力
    • LLM In-Context Recall is Prompt Dependent
    • 大型语言模型的上下文记忆受提示影响
    • LLM Tokenization
    • 大语言模型（LLM）的标记化处理
    • Reducing Hallucination in Structured Outputs via RAG
    • 利用 RAG 降低结构化输出中的虚假信息
    • How Faithful are RAG Models?
    • RAG 模型的忠实度如何？
    • Retrieval Augmented Generation (RAG) for LLMs
    • Retrieval Augmented Generation (RAG) for LLMs
    • Retrieval Augmented Generation (RAG) for LLMs
    • 大语言模型的检索增强生成 (RAG) 方法
    • Best Practices and Lessons Learned on Synthetic Data for Language Models
    • 语言模型合成数据的实用技巧与经验
    • Reasoning with Intermediate Revision and Search for LLMs
    • 大语言模型的中间修订与搜索推理
    • Trustworthiness in LLMs
    • Trustworthiness in LLMs
    • Trustworthiness in LLMs
    • 大语言模型的可信度探索
  • risks
    • Adversarial Prompting in LLMs
    • 敵対的プロンプト（Adversarial Prompting）
    • 적대적 프롬프팅
    • 对抗性提示
    • Biases
    • バイアス
    • 편향
    • 偏见
    • Factuality
    • 事実性
    • 사실성
    • 真实性
  • techniques
    • Active-Prompt
    • アクティブプロンプト
    • Active-Prompt
    • Active-Prompt
    • Automatic Prompt Engineer (APE)
    • 自動プロンプトエンジニア（APE）
    • Automatic Prompt Engineer (APE)
    • 自动提示工程师（APE）
    • Automatic Reasoning and Tool-use (ART)
    • Automatic Reasoning and Tool-use (ART)
    • Automatic Reasoning and Tool-use (ART)
    • 自动推理并使用工具 (ART)
    • Self-Consistency
    • Self-Consistency（自己整合性）
    • Self-Consistency
    • 自我一致性
    • Chain-of-Thought Prompting
    • Chain-of-Thoughtプロンプティング
    • Chain-of-Thought Prompting
    • Chain-of-Thought Prompting
    • Directional Stimulus Prompting
    • 方向性刺激プロンプティング
    • Directional Stimulus Prompting
    • 方向性刺激提示
    • Few-Shot Prompting
    • Few-Shotプロンプティング
    • Few-Shot Prompting
    • 少样本提示
    • GraphPrompts
    • グラフプロンプト（GraphPrompts）
    • GraphPrompts
    • GraphPrompts
    • Generated Knowledge Prompting
    • 知識生成プロンプティング
    • Generated Knowledge Prompting
    • 生成知识提示
    • Meta Prompting
    • Multimodal CoT Prompting
    • マルチモーダルCoTプロンプティング
    • Multimodal CoT Prompting
    • 多模态思维链提示方法
    • PAL (Program-Aided Language Models)
    • PAL（プログラム支援言語モデル）
    • PAL (프로그램지원언어모델)
    • PAL（程序辅助语言模型）
    • Prompt Chaining
    • Prompt Chaining
    • Prompt Chaining
    • 链式提示
    • Retrieval Augmented Generation (RAG)
    • 検索により強化された生成 (RAG)
    • Retrieval Augmented Generation (RAG)
    • 检索增强生成 (RAG)
    • ReAct Prompting
    • ReAct
    • ReAct Prompting
    • ReAct 框架
    • Reflexion
    • Reflexion
    • Reflexion
    • 自我反思（Reflexion）
    • Tree of Thoughts (ToT)
    • Tree of Thoughts (ToT)
    • Tree of Thoughts (ToT)
    • 思维树 (ToT)
    • Zero-Shot Prompting
    • Zero-Shotプロンプティング
    • Zero-Shot Prompting
    • 零样本提示

开始学习 → Advanced Prompting