Prompt工程
Prompt工程模块构建了涵盖15+个核心平台的提示词工程技术生态,专注于大语言模型的高效交互与应用优化。该模块系统性地整合了PromptBase提示词交易市场、FlowGPT社区驱动提示词库、PromptHero AI艺术提示词平台、ChatGPT Shortcut效率工具等专业平台,以及国内的AI提示词工具、提示词生成器、Prompt优化助手等本土化解决方案。技术栈涵盖了思维链推理(Chain-of-Thought)、少样本学习(Few-shot Learning)、角色扮演(Role Playing)、任务分解(Task Decomposition)等核心Prompt技术,深入解析了提示词设计原理、优化策略、效果评估等关键技术环节。
模块详细介绍了文本生成、代码编写、数据分析、创意设计、教育培训等不同应用场景下的Prompt最佳实践,以及多轮对话管理、上下文控制、输出格式化、安全性约束等高级技巧。此外,还提供了Prompt模板库、自动化生成工具、A/B测试框架、效果监控系统等实用工具,以及Prompt工程师技能要求、职业发展路径、行业应用案例等专业指导,帮助开发者掌握与大语言模型高效交互的核心技能,实现AI应用的精准控制和效果优化。+自动化
- 提示工程指南 | Prompt Engineering Guide
- dair-ai/Prompt-Engineering-Guide: 🐙 Guides, papers, lecture, notebooks and resources for prompt engineering
- PlexPt/awesome-chatgpt-prompts-zh: ChatGPT 中文调教指南。各种场景使用指南。学习怎么让它听你的话。
目录
- Learning Prompt
- CO-STAR提示词框架参考
- ChainForge
- LangGPT
- PromptWizard
- cursor.directory 提示词参考
- prompt商业产品
0.Learning Prompt
简介
这些链接主要围绕提示工程(Prompt Engineering)相关内容。包括提供免费的提示工程在线课程,涵盖ChatGPT和Midjourney的教程,从基础到高级,教导用户如何使用这些工具;还有关于ChatGPT的学习路径规划,根据不同基础水平为用户提供学习建议。核心功能
- 学习指导:提供系统的提示工程学习路径和教程,帮助用户从基础到高级学习使用ChatGPT和Midjourney。
- 实践示例:给出大量实践示例,让用户通过实际操作巩固所学概念。
- 交流反馈:支持用户通过提交问题或使用表单反馈学习过程中的问题,共同改进和提升。
应用场景
- 个人学习:适合想要学习提示工程、使用ChatGPT和Midjourney的个人进行自主学习。
- 教学培训:可作为相关课程或培训的参考资料,辅助教学。
- Dyno
- 🧭 ChatGPT 学习导航 | Learning Prompt
- thinkingjimmy/Learning-Prompt: 免费 Prompt Engineering 教程
- 👋 Welcome | Learning Prompt
- About Prompt工程师指南,源自英文版,但增加了AIGC的prompt部分,为了降低同学们的学习门槛,翻译更新
- tonyyuhang/ChatGPT: focusing on prompts
------------------------------------------------------------
1.CO-STAR提示词框架参考
简介
两篇文章围绕结构化提示词的CO - STAR原则展开。第一篇详细介绍CO - STAR原则由新加坡政府科技局团队创立,获新加坡首届GPT - 4提示工程大赛冠军,阐述其六要素及在“论文阅读助手”中的应用;第二篇介绍用CO - STAR框架构建提示词,可对提示词文本分段,还给出使用示例。核心功能
- 构建提示词:帮助用户构建更完整、有效且精确的提示词,指导AI生成所需内容。
- 提高AI生成效果:使AI生成内容更具相关性、准确性,满足用户在内容和形式上的需求。
- 定制内容:针对不同背景、目标、风格、语调、受众和回应要求定制提示词。
技术原理
CO - STAR原则作为一种结构化提示词构建方法,通过向大语言模型(LLM)提供六个关键要素信息来发挥作用。提供背景信息(Context)帮助模型理解任务上下文;明确目标(Objective)使模型聚焦任务;指定风格(Style)和语调(Tone)让模型调整语言表达;描述受众(Audience)让内容更具针对性;规定回应(Response)确保输出格式符合预期。应用场景
- 社交媒体文案撰写:如创建Facebook推广帖子。
- 商业报告生成:生成符合特定风格和目标的商业报告。
- 学术论文辅助:如构建“论文阅读助手”提示词,辅助阅读和理解学术论文。
- CO-STAR原则详解
- GPT-4提示词冠军如何写 prompt:CO-STAR 框架、文本分段、系统提示_co-star框架-CSDN博客
------------------------------------------------------------
1.ChainForge
简介
ChainForge 是一个开源的可视化环境,用于对大语言模型(LLM)的提示词进行测试、分析和评估。它基于 ReactFlow 和 Flask 构建,支持同时查询多个 LLM,能对提示词、模型及响应质量进行比较,还可设置评估指标并可视化结果。用户可本地安装或在线试用,但在线版本功能有限。核心功能
- 多模型查询:可同时查询多个 LLM 或同一 LLM 的不同设置,快速测试提示词想法和变体。
- 比较评估:跨提示词排列、模型及模型设置比较响应质量,选择最佳提示词和模型。
- 评估指标设置:设置评估指标(评分函数),并可视化不同提示词、参数、模型及设置下的结果。
- AI 辅助:利用内置生成式 AI 功能创建合成表和输入示例,或借助模型生成评估代码。
- 聊天交互:进行多轮对话,测试用户查询措辞对 LLM 输出的影响。
技术原理
ChainForge 基于 ReactFlow 和 Flask 构建。它通过设置提示词模板并提供输入变量的变体,生成所有可能的输入排列组合,向所选的 LLM 发起查询。同时,可使用 Python 代码或基于 LLM 的评分器设置评估指标,对 LLM 响应进行评估和可视化。应用场景
- 提示词工程:快速测试和比较不同提示词及参数,找到最优提示词集。
- 模型选择:比较不同模型和模型设置下的响应,为特定用例选择最佳模型。
- 评估研究:设置评估指标,对 LLM 输出进行评估和分析。
- 实验分享:通过分享链接,将实验结果分享给他人。
- ianarawjo/ChainForge: An open-source visual programming environment for battle-testing prompts to LLMs.
- ChainForge Documentation
------------------------------------------------------------
1.LangGPT
简介
LangGPT 项目旨在以结构化、模板化方式编写高质量 ChatGPT prompt,可视为面向大模型的 prompt 编程语言。它解决了现有 Prompt 创建方法缺乏系统性、灵活性、交互友好性以及未充分结合大语言模型特性等问题,提供模板、变量、命令等功能,帮助用户轻松上手大模型指令编写。核心功能
- 结构化编写:提供模板,按模板填内容即可编写 prompt。
- 灵活配置:使用变量引用、设置和更改 prompt 内容,用命令设置预定义行为。
- 交互引导:通过 Workflow 定义与用户交互、角色行为,引导用户使用。
- 缓解记忆缺失:利用 Reminder 缓解大模型长期记忆缺失问题。
- 多格式支持:本质上支持 json、yaml 等能表达层级结构关系的标记方式。
技术原理
运用 markdown 语言表达层级结构,通过 Role 模板的 Profile、Rules、Workflow、Initialization 四部分定义和配置角色。使用“<>”标识变量,根据不同作用域识别变量内容;用“/”标识命令设置默认动作;添加 Reminder 缓解遗忘问题;使用条件语句实现不同情况的动作选择。应用场景
- 大模型指令编写:帮助用户快速上手大模型指令编写,如创建诗人、小红书爆款生成器等不同角色的 prompt。
- 内容创作:利用 LangGPT GPTs 生成有条理的提示词,提升写作和创作效率,如生成中文演讲标题、专业文书等。
- 问题解决:借助 MathGPT 解决数学问题,使用 PDF Reader 高效阅读文档等。
- 0.LangGPT —— 人人都可编写高质量 Prompt
- 0.LangGPT: 面向大语言模型的自然语言编程框架
- 1.GPT最佳实践指南
------------------------------------------------------------
1.PromptWizard
简介
PromptWizard 是微软开源的研究框架,旨在通过反馈驱动的自我进化提示实现提示优化自动化和简化。它结合大语言模型(LLM)的迭代反馈与高效探索和细化技术,能在数分钟内创建高效提示,在多种任务中表现出色,还能降低计算成本。核心功能
- 自动化提示优化:自动生成、评估和优化提示指令及示例,提高任务性能。
- 联合优化:同时优化指令和上下文示例,确保二者协同工作以满足特定任务需求。
- 自我进化机制:通过迭代反馈循环,不断改进提示和示例。
- 生成推理链:为每个示例生成详细推理链,提升模型解决问题的能力。
技术原理
- 反馈驱动细化:LLM 生成、评估和改进自身的提示和示例,通过迭代反馈实现持续改进。
- 联合优化与合成:生成健壮、多样且任务感知的合成示例,同时优化提示和示例。
- 自我生成思维链步骤:结合选定的少量示例,为每个示例生成详细推理链。
应用场景
- 研究领域:帮助研究人员解决前沿挑战,提高模型性能。
- 企业组织:简化工作流程,提升效率和可扩展性,适用于多种任务,如数学问题求解、创意内容生成等。
- PromptWizard:通过反馈驱动的自我进化提示实现提示优化的未来 - 微软研究院
- PromptWizard
- microsoft/PromptWizard:任务感知代理驱动的提示优化框架
------------------------------------------------------------
1.cursor.directory 提示词参考
简介
该项目提供了如何向 Cursor 和 Windsurf 目录添加新规则或提示的指南,包括详细步骤及规则文件的重要参数说明。核心功能
- 指导用户向 Cursor 和 Windsurf 目录添加新规则或提示。
- 提供项目开发服务器的启动命令。
应用场景
- 开发者向 Cursor 和 Windsurf 目录贡献新规则或提示。
- 开发者进行项目开发测试,通过启动开发服务器查看效果。
- pontusab/cursor.directory: Find the best cursor rules for your framework and language
------------------------------------------------------------
2.prompt商业产品
简介
PromptPerfect是一款用于提示工程、优化和生成的AI工具,支持多种模型,可应用于营销、工程等领域;AI Short专注于IT编程辅助,提供编程问题解答、代码编写引导等功能;PromptPort则包含多种类型的提示示例,如会议纪要生成、职业规划文章创意生成等。核心功能
- PromptPerfect:提供提示创建、分析和优化功能,具备聊天、自动调优、竞技场等特色功能,支持多领域应用。
- AI Short:针对编程场景,提供编程问题解答、代码编写引导、代码释义、项目开发辅助等功能。
- PromptPort:提供丰富的提示示例,涵盖会议纪要、职业规划、文章创意、影视剧情总结等多个领域。
技术原理
- PromptPerfect:通过对输入提示进行智能分析,结合模型特点和用户需求,运用算法优化提示内容,以提升模型输出效果。
- AI Short:利用自然语言处理技术理解编程相关问题,结合代码知识库和算法,为用户提供编程辅助。
- PromptPort:基于预设的模板和规则,对输入的信息进行结构化处理,生成符合要求的提示内容。
应用场景
- PromptPerfect:适用于营销人员进行活动优化、创作者进行内容创作、工程师进行项目开发等场景。
- AI Short:主要应用于编程开发过程中,帮助程序员解决问题、提高开发效率。
- PromptPort:可用于会议管理、职业规划、写作、影视推荐等多个领域,为用户提供创意和指导。
- PromptPerfect - AI Prompt Generator and Optimizer
- AiShort(ChatGPT Shortcut)-简单易用的 AI 快捷指令表,让生产力倍增! | AiShort(ChatGPT Shortcut)-AI Prompt Management,Productivity Tool
- PromptPort - Navigate the Sea of Creativity with the Best Writing Prompts Around!
- PromptMuse - The Best Writing Prompts
PromptForge
简介
PromptForge是一个AI提示工程工作台,旨在帮助用户高效地创建、测试和优化AI提示(Prompt)。它通过AI辅助智能生成和优化提示,并提供高级分析工具,将提示工程从艺术转变为科学。该平台支持多种主流AI模型,并为专业用户和开发者提供系统性的提示管理和评估能力。核心功能
- AI辅助提示生成与优化: 利用先进AI模型辅助用户构建和完善提示,提供智能建议和优化反馈。
- 系统性评估与测试: 具备强大的评估引擎,能自动生成全面的测试套件,涵盖鲁棒性、安全性、准确性和创造性等多个维度,以系统化验证提示效果。
- 多模型比较与动态参数调整: 支持用户在不同AI模型(如Claude、GPT-4等)之间进行比较,并允许动态调整输入参数以测试提示在不同条件下的表现。
- 提示管理: 提供完善的提示管理功能,包括搜索、标签、历史记录和导出导入,便于用户对提示进行组织和复用。
- 自然语言处理分析: 应用NLP技术对提示进行语法结构、语义内容和上下文信息的分析与评估,从而提供优化建议和评分。
技术原理
PromptForge的技术核心在于融合了先进的AI模型和自然语言处理(NLP)技术,并构建了一套系统化的测试评估框架。- AI模型集成: 平台内部集成了如Claude、GPT-4等大型语言模型,这些模型经过海量文本数据训练,能够深刻理解自然语言的语义和上下文,从而实现提示的智能生成与优化。
- 自然语言处理(NLP): 运用NLP技术对用户输入的提示进行深度解析,包括词法分析、句法分析、语义理解等,以评估提示的质量并提供针对性的优化建议。
- 自动化测试引擎: 基于预定义的测试场景和规则,系统性评估引擎能够自动生成和执行测试用例,对提示在各种情境下的表现进行量化评估,确保提示的鲁棒性、安全性、准确性和创造性。
- 数据驱动优化: 通过测试结果的数据反馈,实现提示的迭代优化,形成一个闭环的提示工程工作流。
应用场景
- 内容创作: 辅助文案撰写者、创意人员快速生成高质量的文案、故事大纲、广告语和社交媒体内容,大幅提升创作效率。
- 教育领域: 帮助教师生成教学大纲、课程计划、考试题目,为学生提供个性化的学习提示和答题指导。
- 企业客服: 优化智能客服系统的对话提示,提高客户问题解决效率和准确性,提升客户满意度。
- 游戏开发: 辅助游戏开发者生成丰富的剧情线索、角色对话、任务提示和背景设定,增强游戏的交互性和沉浸感。
- 数据分析: 帮助数据分析师生成数据报告模板和分析提示,快速构建数据分析流程,并高效产出高质量的分析内容。
- AI应用开发: 为AI开发者提供专业的提示工程工具,确保其AI应用在不同场景下都能获得最佳性能和用户体验。
- PromptForge-github
- PromptForge-website
Prompt Optimizer – 开源AI提示词优化工具
AI Prompt Optimizer(AI提示词优化器)是一个专业的提示词工程工具或平台,旨在帮助用户优化AI模型的提示词(prompts),从而提升AI交互的效率和准确性,并改善大型语言模型(LLM)的输出质量。它通过智能化方法,将用户的想法转化为更精确、更有效的提示词。
核心功能
- 智能提示词优化: 利用智能优化算法,对用户输入的提示词进行分析和改进,生成更符合最佳实践的优化提示词。
- 深度推理分析: 提供对提示词的深度分析能力,帮助用户理解提示词的效果。
- 可视化调试与评估: 可能包含可视化工具,以便用户调试和评估优化后的提示词效果。
- 多模型支持: 支持优化针对不同AI模型(如GPT-4、Claude、Midjourney等)的提示词。
- 任务辅助: 通过AI辅助,将用户想法转化为精确提示,从而完成特定任务并生成高质量内容。
- 社区共享: 提供社区功能,促进用户间的提示词分享和交流。
技术原理
- 智能优化算法: 采用复杂的算法来分析和改进提示词,可能包括基于模型反馈的迭代优化。
- 深度学习与大型语言模型(LLM): 依赖于先进的LLM(如OpenAI的GPT系列或Google的Gemini)的能力,理解和生成文本。
- 提示词工程最佳实践: 结合OpenAI和Google等平台发布的提示词工程指导原则和最佳实践,例如零样本/少样本提示、添加上下文、分解提示等。
- 上下文管理与模型优化: 利用模型的大上下文窗口进行信息处理,并通过模型优化、微调等技术提升提示词的效果。
- AI辅助生成: 通过内置的辅助聊天机器人将用户非结构化的想法转化为结构化、优化的提示。
应用场景
- 提升AI模型输出质量: 适用于任何需要与LLM交互并追求更高质量、更准确输出的用户和开发者。
- 内容创作与优化: 帮助内容创作者生成更具吸引力、更精准的文案、文章或其他媒体内容。
- 自动化客服与问答: 优化AI客服机器人的提示词,提升其理解用户意图和提供准确答案的能力。
- 企业内部AI工具开发: 协助企业构建定制化的AI工具,如自动化培训、加速研究、洞察客户需求等。
- AI应用开发与调试: 为AI开发者提供高效的提示词测试、评估和部署机制,简化集成流程。
- 教育与研究: 辅助学生和研究人员更好地利用AI模型进行学习和数据分析。
- Github仓库:https://github.com/linshenkx/prompt-optimizer
------------------------------------------------------------
Nano Banana 玩法教程大全
Nano Banana(又名Gemini 2.5 Flash Image):谷歌最新、最快速且最高效的模型。其原生多模态架构可同步处理文本和图像,解锁对话式编辑、多图像组合与逻辑推理等强大功能
- 文本生成图像:根据简单或复杂的文字描述生成高质量图像。
- 图像+文本编辑:上传图像并结合文本指令添加、移除或修改元素、改变风格或调整色彩。
- 多图融合与风格迁移:通过多张输入图像组合新场景或将某种风格迁移至其他图像。
- 迭代优化:通过多轮对话逐步调整图像细节,直至完美呈现。
- 文字渲染:生成包含清晰精准文字的图像,特别适用于标志、图表和海报设计。
热门玩法
- 将任意图片变成手办
将这张照片转化为一个角色形象。在其背后放置一个盒子,盒子上印有该角色的图像,盒子上方的电脑屏幕上显示Blender建模过程。在盒子前方添加一个圆形塑料底座,角色形象站立其上。
```


- 卡通变现实
Variant Prompt: For easier additional editing.Depict as a live big budget costume test on set, shot on film against green screen.
描绘成在片场进行的大预算服装试穿,使用胶片拍摄。
变体提示:为了更轻松地进行额外编辑,描绘成现场的大预算服装测试,在片场拍摄,使用胶片对绿幕拍摄。 ```

- 360度产品展示
Change Perspective: Perfect side angle view.
这辆汽车及其确切环境。
改变视角:完美的侧面角度视图
生成不同视角的图片后,用可灵2.1通过首尾帧生成视频。
```

- 姿态参考
提示词:模特姿势变得像草图一样。
```

- 图像位置参考
直接在图中标记位置,Nano Banana 就可以生成准确的图像。


- 漫画生成
- 准备角色参考的图片,三视图缺一不可。

- 标记分区
- 在图中加入提示词,生成漫画:
- 系列IP/动漫角色生成
提示词:首先,请设置基本色板和阴影与饱和度。
prompt:Next, please do the character model sheet.
接下来,请制作角色模型表。
prompt:Next, please provide the [basic action set].
接下来,请提供基本动作集。
prompt:Please give me the costume design set.
提示词:请给我服装设计套装。
prompt:Please make an expression sheet.
提示词:请制作表情表。 ```






更多内容参考:https://mp.weixin.qq.com/s/jW4JKYzhAWq0DKHdU7T3gA