17 分钟12要素智能体：可靠LLM应用的模式——Dex Horthy，HumanLayer
学会设计能够暂停、恢复、请求人工判断，并将业务状态与模型猜测分离的AI工作流。
中级自动化
提示词入门101｜Code w/ Claude
Anthropic. Anthropic Applied AI团队的两名成员针对一个真实的客户用例（分析瑞典汽车事故报告）逐步构建一条提示词。他们从一个效果不佳的单句提示词入手，逐层加入角色、任务背景、动态内容、示例和最后的强调。这是YouTube上最清楚地演示文章所述“角色+背景+任务+约束+格式”完整结构的视频，并且沿途也展示了各种失败模式。
AI Expert 注释
演示使用Claude，但无论你使用哪种模型，这种逐层构建的方式都与文章中的“角色—背景—任务—约束—格式”结构一一对应。
您应该从中获得什么
逐层加入角色、任务背景、示例、约束和输出格式，构建更有效的提示词。
先观看或了解
能够熟练编写基础提示词；最好先了解文章介绍的五部分结构。
最后审核：2026年5月18日
继续观看
通过相同的视频学习路径，继续观看下一个精选配套视频。
深入学习
精选的外部课程，帮助您更深入地了解该主题。
DeepLearning.AIChatGPT Prompt Engineering for Developers
Isa Fulford · Andrew Ng
用90分钟获得相当于一年实践积累的直觉。如果你已经开始编写调用LLM的代码，或正准备这样做，这是目前网上最高效的课程，能帮你弥合“试用ChatGPT”和“交付一项调用LLM的功能”之间的差距。
中级约1.5小时
Coursera · Vanderbilt UniversityPrompt Engineering for ChatGPT
Dr. Jules White
这是DeepLearning.AI短期课程的学术型补充：方法同样严谨，但学习周期更长，面向不会编程的人。Dr. White将提示词设计讲解为一组可复用的模式（请求输入、扩展大纲、事实核查清单、菜单操作），而不是零散技巧。学完后，你会像设计师一样设计LLM提示词，而不再依靠猜测。
初级约18小时
Microsoft LearnWork Smarter with AI: Craft Effective Prompts for Microsoft Copilot
Microsoft Learn
Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.
中级~1h 5m · self-paced