Repolode
Enviar
NirDiamant

NirDiamant/Prompt_Engineering

Colección de 22 técnicas de prompt engineering, cada una explicada en un tutorial práctico de Jupyter Notebook para trabajar con LLMs.

Ver en GitHubSitio web
Estrellas
7,925
Forks
1,034
Issues abiertos
14
Último commit
hace 7 días

¿Qué es?

Este repositorio es un recurso para aprender prompt engineering: la práctica de redactar entradas que permitan obtener resultados fiables de modelos de lenguaje grandes. Abarca 22 técnicas, desde conceptos básicos como las plantillas de prompts y las estructuras de uno o varios turnos, pasando por métodos fundamentales como zero-shot, few-shot y chain-of-thought prompting, hasta estrategias avanzadas como self-consistency, la descomposición de tareas, el encadenamiento de prompts y la seguridad de los prompts.

Cada técnica cuenta con su propio Jupyter Notebook, que combina explicaciones con código ejecutable. Los ejemplos usan los modelos GPT de OpenAI y la biblioteca LangChain; la lección sobre plantillas usa Jinja2. También se tratan temas como la evaluación de la eficacia de los prompts, el prompting multilingüe y cómo manejar la ambigüedad.

Nir Diamant mantiene el repositorio y también publica un libro complementario que cubre las mismas 22 técnicas. Además, incluye enlaces a repositorios relacionados con RAG y agentes.

Funciones clave

  • 01Abarca 22 técnicas, desde estructuras básicas de prompts hasta estrategias avanzadas
  • 02Cada técnica cuenta con un Jupyter Notebook independiente y código ejecutable
  • 03Los ejemplos usan modelos GPT de OpenAI y la biblioteca LangChain
  • 04Incluye plantillas de prompts con Jinja2 y temas de seguridad de los prompts
  • 05Abarca evaluación, pruebas A/B y prompting multilingüe

Casos de uso

  • Aprender prompt engineering, desde los conceptos básicos hasta las técnicas avanzadas
  • Consultar un método específico, como chain-of-thought o self-consistency, con código funcional
  • Preparar prompts para aplicaciones de LLM en producción, teniendo en cuenta la evaluación y la seguridad

Inicio rápido

  1. 1

    Clona el repositorio y abre los notebooks de Jupyter

  2. 2

    Abre en Jupyter cualquier notebook sobre técnicas, como la lección introductoria

Antes de usarlo

  • Los tutoriales son notebooks de Jupyter, no una biblioteca o un paquete instalable.
  • Para ejecutar los ejemplos, necesitas una clave de API de un LLM, que no es gratuita.

Temas

#prompt-engineering#llm#jupyter-notebook#tutorial#langchain#openai#chain-of-thought#few-shot-learning#ai#chatgpt

Preguntas frecuentes

¿Qué es Prompt_Engineering?
Colección de 22 técnicas de prompt engineering, cada una explicada en un tutorial práctico de Jupyter Notebook para trabajar con LLMs. Este repositorio es un recurso para aprender prompt engineering: la práctica de redactar entradas que permitan obtener resultados fiables de modelos de lenguaje grandes. Abarca 22 técnicas, desde conceptos básicos como las plantillas de prompts y las estructuras de uno o varios turnos, pasando por métodos fundamentales como zero-shot, few-shot y chain-of-thought prompting, hasta estrategias avanzadas como self-consistency, la descomposición de tareas, el encadenamiento de prompts y la seguridad de los prompts.
¿Prompt_Engineering es gratuito? ¿Qué licencia tiene?
Prompt_Engineering es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿Prompt_Engineering sigue mantenido?
Mantenimiento activo. El último commit de Prompt_Engineering fue el 31 oct 2026.
¿Para qué puedo usar Prompt_Engineering?
Aprender prompt engineering, desde los conceptos básicos hasta las técnicas avanzadas Consultar un método específico, como chain-of-thought o self-consistency, con código funcional Preparar prompts para aplicaciones de LLM en producción, teniendo en cuenta la evaluación y la seguridad
¿Cómo se instala Prompt_Engineering?
Clona el repositorio y abre los notebooks de Jupyter Abre en Jupyter cualquier notebook sobre técnicas, como la lección introductoria
¿Dónde consigo Prompt_Engineering?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/NirDiamant/Prompt_Engineering

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados