编程导航教程

首页

Prompt Engineering 提示词工程学习路线 | 26 年最新零基础到精通一条龙(万人收藏⭐️)

2025-11-18 19:47
阅读 9.9k
下载文档
评论
问答
笔记
0个评论
点击登录,快来和大家讨论吧~
表情
图片
暂无评论
大纲
    2

    编程导航学习网站:学编程、做项目、拿 Offer!

    企业高频面试题库:开始刷题,面试遇原题!

    精选简历模板大全:1 分钟搞定简历!

    AI 资源导航网站:获取最新 AI 黑科技!

    1 对 1 模拟面试:随时随地提升面试能力

    Prompt Engineering 求职高频面试题:开始刷题

    ⭐️ 推荐先观看 鱼皮的保姆级 AI 指南视频,快速掌握程序员必知必会的 AI 概念、AI 工具、AI 开发技术、AI 编程技巧。

    后端转AI训练营海报.jpeg

    开篇介绍

    Prompt Engineering(提示词工程)是指通过精心设计和优化输入给 AI 模型的文本(提示词),来引导模型产生期望输出的技术和方法。它不仅仅是简单地 "问 AI 问题",而是一门需要理解模型特性、掌握语言技巧、运用创造性思维的综合学科。

    从简单的问答到复杂的任务执行,从内容创作到代码生成,提示词的质量直接决定了 AI 输出的质量。一个好的提示词能让普通的大模型发挥超常能力,一个差的提示词则可能让最先进的模型也无法给出满意答案。

    为什么要学 Prompt Engineering?

    首先,提示词工程是使用 AI 的基础技能,可以应用到包括内容创作、代码生成、数据分析、问答系统、教育辅导、创意设计、商业分析、客服自动化等各个领域。无论你是开发者、产品经理、设计师还是内容创作者,掌握提示词工程都能显著提升你的 AI 使用效率。

    其次,提示词工程师已经成为一个新兴职业。许多公司开始招聘专门的提示词工程师,负责优化 AI 应用的提示词,薪资待遇也相当可观。

    就业方向

    学好 Prompt Engineering 有助于从事多个方向的工作:

    1. 提示词工程师:专门负责设计和优化 AI 应用的提示词,提升 AI 产品的性能和用户体验。
    2. AI 产品经理:需要深入理解提示词能力,设计更好的 AI 产品功能。
    3. AI 应用开发工程师:在开发 AI 应用时需要编写高质量的提示词。
    4. 内容创作者:使用 AI 辅助创作,提示词能力直接影响创作效率和质量。
    5. AI 培训师:教企业员工如何更好地使用 AI 工具,提示词是核心内容。

    学习路线图

    Prompt Engineering 提示词工程学习路线思维导图

    阶段 1:AI 大模型基础(1-5 天,仅供参考)

    学习目标

    了解 AI 大模型的基本概念和使用方法,为学习提示词工程打下基础。

    知识点

    大模型基础概念【必学】:

    • 什么是大语言模型(LLM)
    • 主流模型(GPT、Claude、文心一言、通义千问、Kimi 等)
    • Token 和上下文窗口
    • 模型的能力和局限性

    模型使用【必学】:

    • 模型选择(不同模型的特点)
    • 基本对话
    • 模型参数(temperature、top_p、max_tokens)
    • 使用成本

    学习建议

    1)这个阶段主要是快速入门,理解 AI 大模型的基本概念。建议注册并使用几个主流的 AI 工具,如 ChatGPT、Claude、DeepSeek、通义千问等,体验不同模型的特点。

    2)Token 是大模型的基本单位,要理解 Token 的概念。中文中 1 个汉字大约等于 1.5-2 个 Token,英文中 1 个单词大约等于 1-2 个 Token。上下文窗口决定了模型一次能处理多少内容,不同模型的上下文窗口大小不同。

    3)关于 AI 大模型应用开发的详细学习,可以查看 AI 大模型应用开发学习路线,对 AI 有一个整体的了解。

    4)可以使用鱼皮的 AI 导航网站 发现和对比各种 AI 工具和模型。

    AI资源大全网站

    学习资源

    • ⭐ AI 大模型应用开发学习路线:完整的 AI 学习路线
    • ⭐ AI 导航:AI 工具和资源大全

    阶段 2:提示词基础(1-5 天,仅供参考)

    学习目标

    掌握提示词编写的基本技巧,能够编写清晰有效的提示词。

    知识点

    提示词基本结构【必学】:

    • 指令(Instruction)
    • 上下文(Context)
    • 输入数据(Input Data)
    • 输出指示(Output Indicator)

    基本编写技巧【必学】:

    • 清晰具体的指令
    • 提供充分的上下文
    • 使用分隔符
    • 指定输出格式
    • 设置约束条件

    常见模式【必学】:

    • 角色扮演(Role Playing)
    • 任务分解(Task Decomposition)
    • 示例引导(Few-shot Learning)
    • 步骤说明(Step-by-step)

    学习建议

    1)提示词的核心是清晰和具体。要明确告诉 AI 你想要什么,而不是让 AI 猜测。比如不要说 “写一篇文章”,而要说 “写一篇 1000 字的关于 Python 学习的文章,包含学习路线、资源推荐和实战建议”。

    2)提供上下文非常重要。AI 不知道你的背景和需求,要主动提供相关信息。比如 “我是一个零基础的编程学习者,想学习 Python 用于数据分析,请帮我制定学习计划”。

    3)使用分隔符可以让提示词结构更清晰。比如使用三个引号 """ 或三个反引号 ``` 来分隔不同的部分。这样 AI 能更好地理解哪些是指令、哪些是数据。

    4)指定输出格式能让 AI 的输出更符合预期。比如 “请用 JSON 格式输出”、“请用表格形式展示”、“请用 Markdown 格式” 等。

    5)建议多实践,尝试不同的提示词写法,对比效果。可以从简单的任务开始,如让 AI 总结文章、翻译文本、解释概念等,逐步增加难度。

    学习资源

    • ⭐ 阿里云提示词编写指南:官方最佳实践
    • ⭐ 2025 提示词工程教程:B 站最好的教程
    • ⭐ 提示工程指南:系统化学习资源
    • OpenAI Prompt Engineering 指南:官方文档
    • Learn Prompting:提示工程课程

    阶段 3:高级提示词技巧(1-5 天,仅供参考)

    学习目标

    掌握高级提示词技巧,能够处理复杂任务,优化提示词效果,显著提升 AI 的回答质量和准确性。

    知识点

    Few-shot Learning【必学】:

    • 零样本提示(Zero-shot)
    • 单样本提示(One-shot)
    • 少样本提示(Few-shot)
    • 示例选择技巧
    • 示例顺序优化

    思维链(Chain of Thought)【必学】:

    • CoT 原理
    • "让我们一步步思考"
    • 零样本 CoT
    • 少样本 CoT
    • 自洽性(Self-Consistency)

    输出控制【必学】:

    • 结构化输出(JSON、XML、表格)
    • 输出长度控制
    • 输出格式约束
    • 输出质量控制

    提示词模板【必学】:

    • 变量占位符
    • 模板复用
    • 条件判断
    • 循环结构

    高级技巧【建议学】:

    • 思维树(Tree of Thoughts)
    • 自我反思(Self-Reflection)
    • 迭代优化(Iterative Refinement)
    • 提示词链接(Prompt Chaining)

    学习建议

    1)Few-shot Learning 是提升 AI 输出质量的重要技巧。通过提供几个示例,可以让 AI 理解你期望的输出格式和风格。示例要精心选择,要有代表性,要覆盖不同情况。

    2)思维链(CoT)是让 AI 进行复杂推理的关键技巧。通过引导 AI "一步步思考",可以显著提升推理任务的准确性。CoT 特别适合数学问题、逻辑推理、复杂分析等任务。

    3)结构化输出让 AI 的输出更易于程序处理。可以要求 AI 输出 JSON、XML 等格式,然后在程序中解析使用。要明确指定输出的字段、类型、格式等。

    4)提示词模板可以提高提示词的复用性。将提示词中可变的部分提取为变量,不同场景下替换变量值即可。这在开发 AI 应用时非常有用。

    5)建议参考 Google 和 OpenAI 的官方提示词指南,学习业界最佳实践。也可以研究一些优秀的 AI 产品(如 ChatGPT、Claude、Kimi)的提示词设计。

    经典面试题

    1. 什么是 Few-shot Learning?如何使用?
    2. 思维链(CoT)的原理是什么?
    3. 如何让 AI 输出结构化数据?
    4. 如何优化提示词以提升输出质量?
    5. 提示词模板有什么作用?

    学习资源

    • ⭐ 谷歌 AI 提示工程白皮书 2025:12 个关键技巧
    • Prompt Engineering 最佳实践:全面实战指南

    阶段 4:领域专用提示词(1-3 天,仅供参考)

    领域专用提示词是针对特定行业和场景设计的提示词,比如编程、写作、分析等,让 AI 更专业地完成任务。

    学习目标

    掌握不同领域的提示词编写技巧,能够针对特定任务优化提示词。

    知识点

    内容创作【必学】:

    • 文章写作提示词
    • 文案创作提示词
    • 故事创作提示词
    • 风格模仿提示词

    代码生成【必学】:

    • 代码编写提示词
    • 代码解释提示词
    • 代码审查提示词
    • Bug 修复提示词

    数据分析【建议学】:

    • 数据总结提示词
    • 数据可视化提示词
    • 洞察发现提示词

    问答系统【必学】:

    • 知识问答提示词
    • 客服对话提示词
    • 教育辅导提示词

    创意设计【建议学】:

    • 图像生成提示词
    • 创意构思提示词
    • 头脑风暴提示词

    学习建议

    1)不同领域的提示词有不同的技巧。内容创作要注重风格和结构,代码生成要注重准确性和规范性,数据分析要注重逻辑和洞察。要针对不同领域学习专门的提示词技巧。

    2)代码生成是程序员最常用的场景。要学会如何描述需求、如何提供上下文(如技术栈、代码规范)、如何引导 AI 生成高质量代码。也要学会让 AI 解释代码、审查代码、修复 Bug。

    3)图像生成提示词(如 Midjourney、Stable Diffusion)和文本提示词有很大不同。要掌握如何描述画面、风格、构图、光影等。可以学习一些优秀的图像提示词案例。

    4)建议收集和整理各领域的优秀提示词模板,建立自己的提示词库。可以在 GitHub、提示词分享网站等找到大量优质提示词,也可以在鱼皮的 AI 资源导航 上看到优质的提示词汇总。

    学习资源

    • OpenAI 提示词示例:官方提示词案例
    • 提示词分享社区:各类提示词模板

    阶段 5:提示词优化和调试(1-5 天,仅供参考)

    学习目标

    掌握提示词优化方法和调试技巧,能够通过测试和迭代找到最佳的提示词策略,系统地改进提示词质量。

    知识点

    提示词优化方法【必学】:

    • 迭代优化
    • A/B 测试
    • 参数调整(temperature、top_p)
    • 负面提示词(Negative Prompts)
    • 提示词压缩

    常见问题和解决【必学】:

    • 输出不准确
    • 输出不完整
    • 输出格式错误
    • 幻觉问题
    • 安全性问题

    评估方法【必学】:

    • 准确性评估
    • 完整性评估
    • 一致性评估
    • 创造性评估

    调试技巧【必学】:

    • 分步调试
    • 简化复杂提示词
    • 查看中间输出
    • 对比不同版本

    学习建议

    1)提示词优化是一个迭代过程。不要期望一次就写出完美的提示词,可以利用大模型开发平台(比如阿里云百炼)的调试能力进行多次调整。放心大胆地先写一个基础版本,观察效果,然后逐步优化。

    2)参数调整很重要。temperature 控制输出的随机性,0 表示确定性输出,1 表示更有创造性。对于事实性任务(如翻译、总结),建议使用较低的 temperature;对于创造性任务(如写作、头脑风暴),可以使用较高的 temperature。

    3)幻觉问题是大模型的常见问题,AI 可能会编造不存在的事实。要学会识别和减少幻觉,比如要求 AI "如果不知道就说不知道"、提供具体的参考资料、使用 RAG 技术等。

    4)安全性也要注意。提示词可能被注入攻击,要学会防范。比如在用户输入前后添加明确的分隔符,告诉 AI 哪些是指令、哪些是用户数据。

    经典面试题

    1. 如何优化一个效果不好的提示词?
    2. temperature 参数有什么作用?如何选择?
    3. 什么是幻觉?如何减少幻觉?
    4. 如何评估提示词的质量?
    5. 提示词注入攻击是什么?如何防范?

    学习资源

    • 提示词优化技巧:Google 最佳实践

    阶段 6:项目实战(3-15 天,仅供参考)

    学习目标

    通过实际项目巩固所学知识,积累提示词工程实战经验。

    学习建议

    1)为自己的工作或学习场景设计提示词。比如程序员可以设计代码生成、代码审查的提示词;内容创作者可以设计文章大纲、标题生成的提示词;学生可以设计学习辅导、作业批改的提示词。

    2)建立个人的提示词库。将常用的提示词整理成模板,分类管理。可以使用 Notion、飞书文档等工具管理提示词库。

    3)参加提示词分享社区,学习别人的优秀提示词,也分享自己的经验。可以在 GitHub、Reddit、Discord 等平台找到提示词社区。

    4)尝试参加提示词竞赛或挑战。一些平台会举办提示词相关的比赛,通过比赛可以快速提升能力。

    5)如果你是开发者,可以学习如何在代码中使用提示词,开发 AI 应用。推荐学习 LangChain、Spring AI 等 AI 开发框架。通过优化自己 AI 应用的输出效果来学习提示词,是最快的。

    6)强烈推荐通过鱼皮的 AI 实战项目来学习提示词工程的应用。在实际项目中,提示词是 AI 应用的核心,通过实战可以快速掌握提示词的编写和优化技巧。

    项目推荐

    鱼皮原创 AI 项目(强烈推荐,按难度排序):

    新手入门(建议全部完成):

    1. AI 编程助手(25年最新):适合新手入门 AI 应用开发,实战 LangChain4j 框架,学习如何设计和优化提示词,掌握对话记忆、结构化输出、RAG 等提示词技巧
    2. AI 程序员技术练兵场(25年最新):Vue + Java 全栈 AI 应用,深入实战提示词工程,包括结构化输出、Few-shot Learning、动态提示词等高级技巧

    企业级项目(选择 2-3 个):

    1. AI 超级智能体项目(25年最新):学习 AI 智能体的提示词设计,掌握复杂任务的提示词编排和优化
    2. AI 零代码应用生成平台(25年最新):实战 LangChain4j AI 智能体、LangGraph4j 工作流,学习多步骤提示词链接、工作流提示词设计
    3. AI 答题应用平台:深入业务场景,学习如何针对特定领域(教育、测评)设计和优化提示词
    4. 智能 BI 项目:学习数据分析场景的提示词设计,包括 AIGC Prompt 优化技巧
    5. 智能面试刷题平台:学习问答系统的提示词设计和优化
    6. AI 自动回复工具(25年最新):学习自动化场景的提示词设计,掌握 OpenAI API 的提示词最佳实践

    其他项目推荐:

    • 个人 AI 助手(日程管理、邮件撰写)
    • 内容创作工具(文章大纲、标题生成)
    • 学习辅助工具(知识问答、习题生成)
    • 代码助手(代码生成、代码审查)
    • 提示词库和管理工具

    学习资源

    • ⭐ 鱼皮原创 AI 项目教程:保姆级项目教程,在实战中学习提示词工程
    • AI 导航:发现优质 AI 工具
    • 提示词示例库:各类优质提示词

    阶段 7:求职备战(面试前 1 个月突击)

    学习目标

    熟练掌握提示词工程常见面试题,准备好作品和经验,顺利通过面试。

    学习建议

    1)打磨简历和作品:简历上要展示你的提示词工程能力,比如优化过的提示词案例、开发的 AI 应用、提升的效率等。建议使用 老鱼简历 制作简历,关于如何写好简历,推荐学习鱼皮的 保姆级写简历指南。

    老鱼简历网站简历模板大全

    2)多刷面试题:提示词工程的面试题主要包括基本概念、技巧应用、优化方法等。建议使用 面试鸭 刷题,搜索 "提示词"、"Prompt" 等关键词。

    面试鸭刷题神器热门八股文

    3)准备案例分享:面试时可能会要求你展示提示词案例或现场编写提示词。建议提前准备几个优秀的提示词案例,能够清楚地讲解设计思路和优化过程。

    更多求职干货:编程导航求职干货分享

    经典面试题

    基础概念:

    1. 什么是 Prompt Engineering?
    2. 提示词的基本结构有哪些?
    3. 什么是 Few-shot Learning?
    4. 什么是思维链(CoT)?
    5. Token 是什么?如何计算 Token 数量?

    技巧应用:

    1. 如何让 AI 输出 JSON 格式的数据?
    2. 如何让 AI 进行角色扮演?
    3. 如何让 AI 一步步思考问题?
    4. 如何提供有效的示例?
    5. 如何设置输出约束?

    优化方法:

    1. 如何优化一个效果不好的提示词?
    2. 如何减少 AI 的幻觉?
    3. temperature 和 top_p 有什么作用?
    4. 如何评估提示词的质量?
    5. 如何防范提示词注入攻击?

    实战经验:

    1. 你写过哪些优秀的提示词?详细说说。
    2. 你如何优化提示词效果的?
    3. 你在使用 AI 时遇到过什么问题?如何解决的?
    4. 如何为特定领域设计提示词?

    面试题库

    • ⭐ AI 面试题 - 面试鸭
    • Prompt 提示词工程面试题 - 面试鸭

    求职资源

    • ⭐ 鱼皮的保姆级求职指南:从简历到面试的完整指南
    • ⭐ 鱼皮的保姆级写简历指南:如何写出高质量简历
    • 编程导航的求职干货分享:求职经验和技巧
    • 老鱼简历:写简历工具 + 简历模板大全
    • 真实面经大全:了解真实的面试流程
    • 几百场真实面试视频:观看他人的面试过程
    • 1 对 1 模拟面试:AI 模拟面试练习
    • 面试题讲解视频:面试鸭官方题解

    持续学习资源

    知识总结

    • ⭐ 编程导航:学习路线、项目教程、面试题、编程资源一站式平台
    • ⭐ AI 导航:AI 工具和资源大全
    • AI 大模型应用开发学习路线:完整的 AI 学习路线
    • 鱼皮原创 AI 项目合集:在实战中学习提示词工程

    提示词资源

    • 提示工程指南:系统化学习
    • Learn Prompting:提示工程课程
    • OpenAI Prompt Engineering:官方指南
    • 阿里云提示词指南:最佳实践

    提示词社区

    • PromptBase:提示词交易平台
    • FlowGPT:提示词分享社区
    • AI Prompt Library:提示词库

    总结

    Prompt Engineering 是 AI 时代的核心技能,掌握提示词工程能让你更好地驾驭 AI,提升工作和学习效率。从基础的清晰表达到高级的思维链技巧,从通用技巧到领域专用方法,从编写到优化,提示词工程的知识体系完整且实用。

    学习 Prompt Engineering 要先了解 AI 大模型的基本原理和使用方法。掌握提示词的基本结构和编写技巧,学会清晰具体地表达需求。深入学习高级技巧,如 Few-shot Learning、思维链、结构化输出等。针对不同领域学习专用的提示词技巧。通过大量实践,不断优化和迭代提示词。

    记住,提示词工程是一门实践性很强的技能,没有捷径,只有多练习。要保持好奇心,多尝试不同的写法,多对比效果。

    此外,AI 发展日新月异,一定要持续关注 AI 领域的最新进展,学习新的提示词技巧。

    希望这份学习路线能够帮助大家少走弯路,更高效地掌握 Prompt Engineering 技能。加油小伙伴们 💪🏻!

    程序员必备资源

    1)程序员学习交流圈:极客教程、实战项目、求职宝典

    2)程序员面试八股文:实习/校招/社招高频考点、企业真题解析

    3)程序员写简历神器:专业模板、丰富例句、直通面试

    4)AI 知识资源大全:前沿技术、最新 AI 资讯、提示词大全

    5)1 对 1 模拟面试:实习/校招/社招面试拿 Offer 必备