30 分钟你每天都会使用的AI工具（以及使用方法）
识别不同工作流阶段，并为每个阶段制定可测试的工具选择标准。
中级AI效率
20分钟学完Google的9小时AI提示词工程课程
Tina Huang. Tina介绍了一套由任务、上下文、参考资料、评估和迭代组成的五部分框架，以及四种有名称的迭代方法。这些要素可以帮助你起草候选模式，但智能体和思维链示例反映的是课程当时的背景。把提取出的模式加入获准提示词库前，应先用有代表性的案例进行测试。
AI Expert 注释
把这套框架当作需要测试的历史课程材料，而不是完整的提示词库标准。是否批准应取决于当前模型、政策、数据边界和评估结果。
您应该从中获得什么
提取候选提示词结构，再补充负责人、版本、评估、限制和后备字段，然后提交审核。
先观看或了解
能够独立使用提示词；本视频讲的是如何将这项能力转化为共享资产。
最后审核：2026年8月11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
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
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