结果空泛、像模板
补任务、受众、上下文和输出格式，先学 Prompt 四要素。
从任务定义到评测的提示词工程
Prompt Engineering 教程与提示词实战
别再收集“万能咒语”。真正有用的方法是：把任务说清、补足上下文、限制输出，再用新样本验证这条 Prompt 是否还能工作。
102 章8 道核心闸门Prompt Playbook
prompt.playbookEVAL READY
TASK把 5 份访谈记录整理成产品决定。
CONTEXT受众、原始记录、指标定义和已知缺口。
CONSTRAINT每项结论标出处；证据不足要说明；不要编造原话。
OUTPUT决策表：证据、置信度、风险、下一次测试。
RUN 01
EDGE CASE
HUMAN REVIEW
为什么首页不一次展示 102 章
JR Academy 的 Prompt Engineering 内容库现有 102 章。全部平铺只会让第一步更难，所以首页只定义 8 道核心闸门，其余内容收进可展开的参考目录；所有既有章节 URL 保持不变。
先判断哪里坏了，再选 Prompt 技巧
多数任务不需要先上高级框架。看输出失败在哪，再补那一层结构。
每次格式都不一样
加入示例与验证规则，进入 Few-shot 和 Evaluation。
任务包含多次判断
拆成 Prompt Chain，并让每次交接都能检查。
8 道闸门，完成一份 Prompt Playbook
全程使用同一个真实任务。每道闸门给同一份 Playbook 增加可复用 Prompt、测试结果或安全规则。
遇到具体问题，再进入对应资料库
核心路线负责教方法；下面这些入口负责解决写作、提取、编程、推理、图像和 Agent 问题，不必浏览 102 个标题。
完整 Prompt Engineering 章节目录
全部既有章节继续提供静态内链，方便搜索发现和老学员返回；默认折叠，避免干扰第一次学习。
Techniques17 章
Prompt Library36 章
24 · Prompt Library25 · Classification Prompts26 · Sentiment Classification27 · Sentiment (Few-shot)28 · Adversarial Prompts29 · Prompt Leaking30 · Jailbreaking31 · Mathematics Prompts32 · Adding odd numbers33 · Composite functions34 · Reasoning Prompts35 · Indirect reasoning36 · Physical reasoning37 · Coding Prompts38 · Code snippets39 · MySQL query40 · TikZ diagram41 · Q&A prompts42 · Open domain Q&A43 · Closed domain Q&A44 · Science Q&A45 · Information Extraction46 · Extract entities47 · Text Summarization48 · Explain a concept49 · Image Generation50 · Alphabet person (TikZ)51 · LLM evaluation52 · Evaluate outputs (teacher)53 · Truthfulness54 · Identify hallucination55 · Creativity56 · Interdisciplinary Ideas57 · Infinite primes (Shakespeare)58 · Invent new words59 · Rhyming proofs
Agents6 章
Models20 章
System Prompts 大师班8 章
Prompt Playbook
最后带走一套团队能复核、能复用的 Prompt
Prompt Playbook 不只保存最后一句话，还会保存任务、输入、测试样本、失败模式和交接规则。
任务与受众 Brief
可复用 Prompt 模板
Few-shot 示例集
Prompt Chain 流程图
Evaluation 评分卡
失败与安全规则
版本选择记录
System Prompt 合同
开始学习 Prompt Engineering 前，用户最常问的问题
Prompt Engineering（提示词工程）是伪需求吗？
我们观察到的情况是：模型确实在变聪明，简单任务上好的 prompt 和差的 prompt 差距在缩小。但到了复杂场景——比如让 AI 按特定 JSON 格式输出、处理多步推理、构建 Agent 工作流——prompt 技巧的差距依然很大。目前来看，这个技能至少在未来 2-3 年内都有实际价值。
学 Prompt 需要懂编程吗？
不需要。Prompt 本质是用自然语言描述任务，关键是把需求拆解清楚。不过到了 Agent 和 Tool Use 那部分，懂一点 JSON 和 API 概念会更容易上手。
课程教哪些模型的 Prompt？
主要用 GPT-4o、Claude 4.5 和 Gemini 做演示。不同模型对 prompt 的响应方式有差异——比如 Claude 更擅长遵循复杂指令，GPT-4o 在创意生成上更灵活。课程里教的是通用的结构化技巧，学完之后切换模型也能快速适配。
Prompt Lab 是什么？
一个交互式练习平台，目前有 41 个实验。你写 prompt，AI 即时评分并给出改进建议。比如「让 AI 输出 JSON」这个实验，你需要让 3 次运行的输出都是合法 JSON 才算通过——这比看文档有效得多。
学完大概需要多久？
看你的投入程度。如果每天花 30 分钟做 Prompt Lab 练习，基础部分 1 周能过完，整个课程（含 Agent 和生产级 prompt）大约 2-3 周。不用一口气学完，按需挑感兴趣的模块也行。
内容审核 Lightman WangFounder of JR Academy · JR Academy
LinkedIn ↗