课程结构比提示词清单更适合新手
Learn Prompting 把提示设计整理成可连续学习的章节，从基本指令和示例逐步进入可靠性、图像提示、应用开发与安全。对于刚开始使用生成式 AI 的人，这种顺序能避免一上来就堆叠复杂术语，却连任务目标和输出要求都没有写清。
学习时最好准备一个固定练习主题，例如把一篇文章改写成摘要、问答和表格。每完成一章都用同一材料测试，变化会比随手输入不同问题更容易观察。课程是方法说明，实际效果仍需要在所用模型中验证。
每章结束都留下可复用成果
不要只在浏览器里读完。把最有用的原则写成一页检查表，再保存一个成功和一个失败案例。几天后重新测试，如果仍能解释差异，才算真正掌握。
- 用自己的任务重写示例，不原样照搬；
- 比较无示例、单示例和多示例的变化；
- 为事实类回答增加来源与不确定性要求；
- 记录失败输入，检查提示注入和越权风险。
安全章节值得内容团队认真看
当 AI 只用于改写个人笔记时，错误影响有限；一旦接入搜索、文件、数据库或自动发布，提示注入和错误工具调用就会变成真实风险。课程中的安全内容能帮助理解为什么外部网页、邮件和上传文件不能被当作可信指令。
任何模型都不应直接获得超出任务需要的权限。对外发布、删除数据、发送邮件和付费操作要保留人工确认，并把敏感信息从练习材料中移除。学习“怎样让模型做更多”时，也要同步学习“怎样限制它只能做必要的事”。
完成基础后再进入项目实践
基础章节掌握后，可结合 Google AI Studio 测试长上下文和结构化输出，或用系统型的 Prompt Engineering Guide 继续学习 RAG 与 Agent。两者与课程并非替代关系：一个提供学习顺序，一个适合专题查阅。
课程内容和模型界面都会更新，笔记中应记录访问日期。遇到模型表现与示例不同，不必急着认定自己做错，先确认模型、参数和上下文是否一致，再判断方法是否仍适用。
