#Prompt Engineering 通识教程

欢迎来到 Prompt Engineering（提示词工程） 通识课。本教程根据 OpenAI Prompting 指南、OpenAI Prompt engineering 与 Anthropic Prompting best practices 整理，并与本站 Cursor、Claude Code、LangChain、Dify 的 Agent 写法对齐。

这是一门 短而完整 的前置课：不讲某个产品的菜单，只讲你每次把任务交给模型时都要用的那套合同——角色、任务、约束、输出格式，以及示例、结构、评估。学完后再进编辑器、框架或可视化平台，不会把「感觉提示词很玄」当成工作方式。

本课 不教授 越狱、提示注入利用或社会工程。陷阱章只从 防御 角度提醒：把不可信文本当数据，而不是当指令。

---

#教程目录

#基础篇

1. 提示词工程简介 — 提示词是什么、为什么 Agent 时代仍要写清楚、本课边界
2. 四个构件 — 角色、任务、约束、输出格式
3. 结构与分隔 — system / user、XML 与 Markdown、分隔符

#写法篇

4. Few-shot 示例 — 零样本 / 少样本、示例怎么挑、什么时候不要堆例子
5. 结构化输出 — JSON 与 schema 合同、一小段 Pydantic + OpenAI
6. 工具与 Agent — 能调工具时提示词怎么变；衔接 MCP / LangChain / Cursor

#工程篇

7. 评估 — 金标题、回归、不要只靠 vibe-check
8. 常见陷阱 — 含糊、上下文过长、泄密、注入的防御意识
9. 实战案例 — 改写三条提示、抽 JSON、仓库 Agent 指令
10. 资源与延伸阅读 — 官方文档与本站后续课程

---

#学习路径

不必按产品路线再学一遍提示词。Cursor 的对话、Claude Code 的 CLAUDE.md、LangChain 的 system_prompt、Dify 的「提示词」框，用的是同一套构件。

---

#前置知识

• 用过任意聊天框（ChatGPT、Claude、Cursor Agent、Dify 均可）
• 知道「一次请求会消耗 token、有上下文长度上限」即可
• 不要求 先会 Python；结构化输出 有约十行示例，跳过代码仍能读概念
• 不要求 先学 MCP / LangChain；那些课把本课的合同接到工具循环上

---

#与本站其他课程的关系

怎么读： 先建立「提示词是合同」的图像，用四个构件改掉自己常用的一句含糊话，再学结构与示例。只有当你要把输出交给程序或 Agent 时，才需要 JSON 与工具章。评估不是选修——上线前至少备 10 道金标题。

学完你应能：

• 指出一段提示词缺了角色、任务、约束还是格式
• 用标签或围栏把「政策」和「用户粘贴」分开
• 用 2～5 个示例钉死边界，而不是堆形容词
• 给下游代码一份 schema，而不是「看起来像 JSON」
• 用金标题做回归，而不是只看一次聊天

权威出处以 OpenAI / Anthropic 官方文档为准。模型会变，合同写法相对稳定。中英两份应同步；只改一边会让另一边的读者读到过期合同。

---

#下一步

• 提示词工程简介
• 四个构件