Repolode
Enviar
NirDiamant

NirDiamant/Prompt_Engineering

Coleção de 22 técnicas de engenharia de prompts, cada uma explicada em um tutorial prático de Jupyter Notebook para trabalhar com LLMs.

Ver no GitHubSite
Estrelas
7,924
Forks
1,034
Issues abertas
14
Último commit
há 8 dias

O que é?

Este repositório é um recurso de aprendizado sobre engenharia de prompts: a prática de escrever entradas que geram resultados confiáveis com modelos de linguagem de grande porte. Ele aborda 22 técnicas, organizadas desde os fundamentos — como templates de prompt e estruturas de um ou vários turnos —, passando por métodos centrais como prompting zero-shot, few-shot e chain-of-thought, até estratégias avançadas, incluindo self-consistency, decomposição de tarefas, encadeamento de prompts e segurança de prompts.

Cada técnica tem seu próprio Jupyter Notebook, que combina explicações com código executável. Os exemplos usam os modelos GPT da OpenAI e a biblioteca LangChain; a lição sobre templates usa Jinja2. Os tópicos também incluem a avaliação da eficácia dos prompts, prompting multilíngue e como lidar com ambiguidades.

O repositório é mantido por Nir Diamant, que também publica um livro complementar sobre as mesmas 22 técnicas, e inclui links para repositórios relacionados a RAG e agentes.

Recursos principais

  • 01Aborda 22 técnicas, de estruturas básicas de prompts a estratégias avançadas
  • 02Cada técnica tem um Jupyter Notebook independente, com código executável
  • 03Os exemplos usam modelos GPT da OpenAI e a biblioteca LangChain
  • 04Inclui templates de prompt com Jinja2 e tópicos sobre segurança de prompts
  • 05Aborda avaliação, testes A/B e prompting multilíngue

Casos de uso

  • Aprender engenharia de prompts, dos fundamentos às técnicas avançadas
  • Consultar um método específico, como chain-of-thought ou self-consistency, com código funcional
  • Preparar prompts para aplicações de LLM em produção, considerando avaliação e segurança

Início rápido

  1. 1

    Clone o repositório e abra os notebooks do Jupyter

  2. 2

    Abra no Jupyter qualquer notebook sobre técnicas, como a aula introdutória

Antes de usar

  • Os tutoriais são notebooks do Jupyter, não uma biblioteca ou um pacote instalável.
  • Para executar os exemplos, é necessário ter uma chave de API de um LLM, que não é gratuita.

Tópicos

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

Perguntas frequentes

O que é Prompt_Engineering?
Coleção de 22 técnicas de engenharia de prompts, cada uma explicada em um tutorial prático de Jupyter Notebook para trabalhar com LLMs. Este repositório é um recurso de aprendizado sobre engenharia de prompts: a prática de escrever entradas que geram resultados confiáveis com modelos de linguagem de grande porte. Ele aborda 22 técnicas, organizadas desde os fundamentos — como templates de prompt e estruturas de um ou vários turnos —, passando por métodos centrais como prompting zero-shot, few-shot e chain-of-thought, até estratégias avançadas, incluindo self-consistency, decomposição de tarefas, encadeamento de prompts e segurança de prompts.
Prompt_Engineering é gratuito? Qual é a licença?
Prompt_Engineering é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
Prompt_Engineering ainda é mantido?
Manutenção ativa. O último commit de Prompt_Engineering foi em 31 de out. de 2026.
Para que posso usar Prompt_Engineering?
Aprender engenharia de prompts, dos fundamentos às técnicas avançadas Consultar um método específico, como chain-of-thought ou self-consistency, com código funcional Preparar prompts para aplicações de LLM em produção, considerando avaliação e segurança
Como instalar Prompt_Engineering?
Clone o repositório e abra os notebooks do Jupyter Abra no Jupyter qualquer notebook sobre técnicas, como a aula introdutória
Onde consigo Prompt_Engineering?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/NirDiamant/Prompt_Engineering

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados