提示词不是一句咒语，而是一套任务说明
很多人第一次接触 AI，会不断寻找所谓万能提示词。Prompt Engineering Guide 更有价值的地方，是把提示设计拆成目标、上下文、示例、输出格式与评估标准，让结果可以复现和改进。它从基础概念讲到零样本、少样本、提示链、RAG 与 Agent，结构比收藏几十张提示词截图更完整。
实际阅读时不必从第一页一直看到最后。先选择自己最常做的任务，例如总结长文、提取字段或生成代码，再回到对应章节理解为什么某种写法有效。需要马上试验时，可在站内介绍的 ChatGPT、Claude 或 Google AI Studio 中用同一输入做对照。
用一个真实任务走完学习闭环
建议保留一份测试集：准备五到十个具有代表性的输入，先记录当前提示的结果，再只改变一个因素。若同时更换模型、示例、温度和输出格式，即使结果变好也很难知道原因。指南中的技术应当拿来做实验，而不是只记住名称。
- 明确输入、目标用户和不能违反的限制；
- 给出一至三个高质量示例，观察模型是否学到模式；
- 固定输出结构，再检查准确率、遗漏与稳定性；
- 把失败样例加入测试集，下一版继续回归验证。
高级术语要结合成本和边界理解
思维链、自洽性、ReAct 或检索增强并非每个问题都需要。简单格式转换如果也套上复杂流程，往往只会增加延迟和费用。先用最短提示达到可接受结果，再根据失败类型决定是否增加示例、工具调用或外部知识。
指南会引用论文和不同模型的实践，但模型行为持续变化。正式产品不能把某篇教程当作永久规则，应记录模型版本、日期和评估结果。涉及事实、法律、医疗或财务内容时，提示工程也不能替代可靠来源与人工复核。
适合长期查阅，不适合照抄术语
这份指南适合开发者、内容团队和希望把 AI 变成稳定工作流的用户。每学完一节，最好把结论改写成自己的提示模板、测试样例和使用说明。真正能复用的不是一段华丽文字，而是清楚的任务定义、可比较的结果和知道何时应当停止相信模型。
网站内容较多，首次访问可先看基础提示、常见技巧和风险章节，再按项目需要进入 RAG 或 Agent。这样既能建立共同语言，也不会在尚未解决基本输入问题时，被高级框架分散注意力。
