Подборка примеров в Jupyter Notebook и руководств по выполнению типовых задач с помощью OpenAI API.
NirDiamant/Prompt_Engineering
Подборка из 22 техник промпт-инжиниринга: для каждой есть практический интерактивный урок в Jupyter Notebook по работе с LLM.
- Звёзды
- 7,927
- Форки
- 1,035
- Открытые issues
- 14
- Последний коммит
- 9 дней назад
Что это?
Репозиторий — учебный ресурс по промпт-инжинирингу: практике составления запросов, которые помогают получать предсказуемые результаты от больших языковых моделей. В нём разобраны 22 техники: от основ, таких как шаблоны промптов и одно- и многошаговые диалоги, до ключевых методов — zero-shot, few-shot и chain-of-thought prompting — и продвинутых стратегий, включая self-consistency, декомпозицию задач, цепочки промптов и безопасность промптов.
Для каждой техники подготовлен отдельный Jupyter Notebook с объяснениями и исполняемым кодом. В примерах используются модели GPT от OpenAI и библиотека LangChain, а в уроке по шаблонам — Jinja2. Также рассматриваются оценка эффективности промптов, работа на нескольких языках и обработка неоднозначностей.
Репозиторий поддерживает Nir Diamant. Он также выпустил книгу по тем же 22 техникам и добавил ссылки на связанные репозитории о RAG и агентах.
Ключевые возможности
- 01Охватывает 22 техники — от базовых структур промптов до продвинутых стратегий
- 02Для каждой техники есть отдельный Jupyter Notebook с исполняемым кодом
- 03В примерах используются модели GPT от OpenAI и библиотека LangChain
- 04Включает шаблоны промптов на Jinja2 и темы, связанные с безопасностью промптов
- 05Рассматривает оценку, A/B-тестирование и промптинг на нескольких языках
Сценарии использования
- Изучение промпт-инжиниринга — от основ до продвинутых техник
- Поиск конкретного метода, например chain-of-thought или self-consistency, с рабочим кодом
- Подготовка промптов для production-приложений на базе LLM с учётом оценки качества и безопасности
Быстрый старт
- 1
Клонируйте репозиторий и откройте ноутбуки Jupyter
- 2
Откройте в Jupyter любой ноутбук с описанием техник, например вводный урок
Что важно знать
- Учебные материалы представлены в виде ноутбуков Jupyter, а не устанавливаемой библиотеки или пакета.
- Для запуска примеров нужен API-ключ LLM, который не предоставляется бесплатно.
Темы
Частые вопросы
- Что такое Prompt_Engineering?
- Подборка из 22 техник промпт-инжиниринга: для каждой есть практический интерактивный урок в Jupyter Notebook по работе с LLM. Репозиторий — учебный ресурс по промпт-инжинирингу: практике составления запросов, которые помогают получать предсказуемые результаты от больших языковых моделей. В нём разобраны 22 техники: от основ, таких как шаблоны промптов и одно- и многошаговые диалоги, до ключевых методов — zero-shot, few-shot и chain-of-thought prompting — и продвинутых стратегий, включая self-consistency, декомпозицию задач, цепочки промптов и безопасность промптов.
- Prompt_Engineering можно использовать бесплатно? Какая у него лицензия?
- Prompt_Engineering распространяется с открытым исходным кодом под лицензией Other. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- Prompt_Engineering всё ещё поддерживается?
- Активно поддерживается. Последний коммит в Prompt_Engineering — 31 окт. 2026 г..
- Для чего можно использовать Prompt_Engineering?
- Изучение промпт-инжиниринга — от основ до продвинутых техник Поиск конкретного метода, например chain-of-thought или self-consistency, с рабочим кодом Подготовка промптов для production-приложений на базе LLM с учётом оценки качества и безопасности
- Как установить Prompt_Engineering?
- Клонируйте репозиторий и откройте ноутбуки Jupyter Откройте в Jupyter любой ноутбук с описанием техник, например вводный урок
- Где скачать Prompt_Engineering?
- Исходный код и инструкции по установке — на GitHub: https://github.com/NirDiamant/Prompt_Engineering
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Надстройка для Microsoft Word с AI-чатом и агентом, который может редактировать документы прямо в Word.
Интерактивный курс из глав, который учит разработчиков составлять эффективные промпты для Claude.
Коллекция из более чем 90 практических проектов-уроков по LLM, RAG-пайплайнам и AI-агентам, сгруппированных по уровню сложности.
Совместимый с OpenAI API прокси, который улучшает рассуждения LLM с помощью методов инференса вроде MoA, MCTS и best-of-N без обучения моделей.
Исполняемые Python-ноутбуки, примеры приложений и материалы для изучения Elasticsearch в сценариях поиска, наблюдаемости и безопасности.