它是什么
Prompt-Engineering-Guide 是由 DAIR.AI 维护的开源知识库，系统整理了提示工程（Prompt Engineering），以及相邻的上下文工程（Context Engineering）、检索增强生成（RAG）与 AI Agent 主题的学习资料、论文索引、讲义和可运行笔记本。它的定位不是某个具体工具或框架，而是一份持续更新的"方法论地图"：告诉读者有哪些已被验证的提示技巧、这些技巧出自哪些论文、以及如何在代码里验证它们。
背景上，2022 年前后大语言模型进入广泛应用阶段，"怎么问才对"从一个聊天技巧变成了工程问题——同一个模型，提示结构不同，输出质量可能差出几个档次。但相关论文、博客和课程散落在 arXiv、社交平台和各家文档中，缺乏统一入口。这个仓库的价值就在于把这些材料按技术脉络归拢，README 中记载它曾在 Hacker News 登顶，并已提供十余种语言的翻译版本，采用 MIT 协议发布，可自由用于学习、教学与二次整理。
核心功能 / 内容清单
- 提示技术分类指南：按难度和用途拆解 zero-shot、few-shot、思维链（CoT）、自一致性、生成知识提示、ReAct 等主流技术。每个技术都给出原理说明、适用条件与示例，让读者知道"什么时候该用哪一种"，而不是背诵模板。
- 论文与前沿资料索引：按技术主题和任务类型整理的论文清单，是追踪该领域进展的高效入口。对于要写综述或做技术选型的人，这部分省去了大量检索与筛选成本。
- 讲义与课程资源：包含官方讲座视频与配套讲义，把零散的技巧串成有顺序的学习路径，适合用来搭建自学计划或内部培训大纲。
- 可运行 Notebook：配套的代码示例可直接在 Jupyter 中执行。它的意义在于把"看懂"变成"跑通"，读者可以修改提示、替换模型、观察输出差异，形成自己的直觉。
- 多语言版本：官方支持多种语言的翻译，使非英语读者也能以母语理解核心概念，同时为译者提供了参与贡献的入口。
- 向系统层延伸的内容：除提示本身外，还覆盖 RAG、AI Agent 与上下文工程。这对应了行业从"调一句 prompt"到"搭一套带检索和工具的流水线"的演进，让仓库不局限于单轮对话技巧。
典型使用场景
场景一：为具体业务设计提示词。 假设要做一个合同摘要或客服问答功能，输出必须稳定、可复用。可以先用技术分类章节定位合适手段——比如用 few-shot 固定输出格式、用思维链处理需要推理的判断、用结构化输出约束字段；再对照论文条目理解这些方法的边界与失效条件；最后在 Notebook 里用真实样本反复试验，产出一版可回归、可迭代的提示词。整个过程不必从零试错，因为前人踩过的坑已经写在条目里。
场景二：团队做 RAG 或 Agent 的技术预研。 这类项目涉及检索策略、重排、工具调用、多步规划等大量决策点，术语也容易各说各话。可以先用 RAG 与 Agent 章节建立共同的概念框架和术语表，再用论文索引筛选候选方案，把讨论从"感觉哪个好"拉回到"依据是什么"。对刚组建的团队，这能显著压缩前期调研时间。
场景三：教学、内部分享与自学路径搭建。 把仓库当作课程大纲使用：先读基础技术页建立词汇，再看讲义视频梳理脉络，最后用 Notebook 布置练习。相比零散地看短视频，这种"概念—论文—代码"的三段结构更利于形成可迁移的能力。
适合谁用
- AI 应用开发者与算法工程师：需要把模型能力落到可交付功能上，关注提示稳定性、可维护性与与 RAG/Agent 的配合。
- 产品经理与业务人员：不一定写代码，但需要判断某个需求能否用提示解决、成本与风险大致在哪。
- 学生与研究者：需要快速建立领域全貌、找到代表性论文与后续引用线索。
- 技术写作者与译者：仓库长期接受翻译与勘误类贡献，是参与开源内容建设门槛较低的场景。
- 相对不适合：希望拿到开箱即用 SDK、托管服务或完整产品方案的人，这里提供的是方法与资料，不是成品工具。
快速上手
最轻的方式是直接阅读网页版，或按主题拆分阅读仓库中的 Markdown 文件；建议顺序是"基础技术 → 进阶技术 → 应用与系统"。
若要在本地使用，常规路径是克隆仓库后用 Markdown 阅读器浏览文档，用 Jupyter 打开 Notebook，先补齐依赖与模型 API 密钥再逐格运行。仓库目录结构、依赖安装命令与站点构建方式可能随版本调整，具体以官方 README 与仓库内说明为准。
另一种高效用法是"检索式阅读"：遇到具体问题时（例如如何让模型稳定输出 JSON、如何减少幻觉），把它当索引按关键词定位对应章节和论文，而不是从头通读。参与贡献通常通过 Issue 或 Pull Request，翻译、勘误、补充论文都属于常见形式，提交规范同样以仓库贡献说明为准。
注意事项
- 内容与推广需区分看待：该仓库 README 中包含指向付费课程与商业服务的推广入口。这些是维护方的商业动作，与仓库内的开源资料相互独立，按需取舍即可，不影响资料本身的使用。
- 知识型仓库的时效性：论文条目和示例会滞后于模型迭代，某些技巧在新模型上可能已被内置或不再必要，示例输出也难以逐字复现，需自行验证。
- 运行成本与密钥安全：Notebook 通常需要外部模型 API 密钥，会产生调用费用；不要把密钥提交进版本库或公开分享。
- 协议边界：MIT 主要覆盖仓库自身的文档与代码。文中引用的论文、插图及第三方素材版权归各自作者，转载或再分发前应核对原始许可。
- 术语不统一："提示工程/提示词工程""上下文工程"等中文表述目前仍混用，涉及严谨讨论时对照英文原词更稳妥。
- 技巧非普适保证：这些方法属于经验性总结，效果随模型、版本和任务分布变化明显。把它当假设来源，而非可直接照搬的规则。