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. 示例是Anthropic在这段视频中逐项讲解的十个要素之一，你可以看到他们将示例添加到真实的客户提示词中，并由此改变模型的输出。如果你想了解如何在完整的提示词中使用少样本方法，而不只是把它视为一项孤立技巧，这段视频会很有帮助。
AI Expert 注释
推荐这段视频，是为了让你看到少样本方法如何在完整的提示词中发挥作用，而不只是把它当作一项孤立技巧；请留意加入示例后输出如何变化。
您应该从中获得什么
你将能够把示例放入更完整的提示词结构中，并预判它们会如何改变模型的输出。
先观看或了解
先通过文章了解提示词的基本结构——示例只是这里多个组成部分中的一层。
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