Agent 學習地圖 · 站點 2

Prompt 設計

「怎麼把目標、資料、規則與輸出說清楚？」

完成後你能：用固定案例比較 Zero-Shot、One-Shot、Few-Shot 與 CoT 的邊界。

5–8 小時（含練習）4 堂對應課程官方完整版

📌 學習目標

把模糊要求拆成四格：目標、資料、規則、輸出。
分清 Zero-Shot、One-Shot、Few-Shot：差別只是先給幾個例子。
知道 Chain-of-Thought 是分步處理，不是叫模型公開所有內部想法。
用同一組小測驗（Eval）比較修改前後。
看出問題不在 prompt 時，換模型、資料或工具。

進入條件

完成 Stage 1，並能執行一段 Python；先做練習，卡住時再回頭看必修閱讀。

🧭 本站課程

按建議順序讀；勾選結果與 /learn 課程頁共用同一份瀏覽器進度。

本站進度

0/4

進度只存在你的瀏覽器

01
你的第一個 AI 任務：怎麼下指令它才做得對
為什麼第一個任務常常失敗，不是因為工具不行，而是因為指令裡沒有產出、沒有輸入、沒有去處。三個要素、三個真實例子（含各自的模糊版本對比），以及怎麼判斷該給它多少自由。
7 分鐘
02
Prompt Engineering 系統化方法論：從 Few-shot 到 ReAct
Prompt Engineering 的完整方法論：Few-shot、Chain-of-Thought、Tree-of-Thought、ReAct、Self-Consistency 等技術的原理與實戰。
6 分鐘
03
AI Agent 到底看得到你電腦裡的什麼
一個 AI Agent 能讀到你的哪些文件、能不能上網、能不能刪東西、你說的話會不會被拿去訓練。這篇把「它能做什麼」拆成四個可以分别確認的問題，並說明權限模式、沙箱、工作目錄各自擋住什麼、擋不住什麼。
8 分鐘
04
超好用的 Claude Code 系統提示詞模板
整理一組經過實戰驗證的 Claude Code 系統提示詞，覆蓋代碼審查、重構、文檔生成等常見場景。
5 分鐘

📚 必修閱讀

1.Anthropic Prompt Engineering Tutorial⭐⭐⭐⭐⭐跟著 notebook 做一次。
2.OpenAI Prompt Engineering⭐⭐⭐⭐看訊息層級、範例與 eval。
3.Google Prompt Design Strategies⭐⭐⭐⭐看清楚指令、固定結構與反覆測試。

🎯 精選資源

資源	適合誰	推薦度	為什麼推薦
官方文件 Anthropic Prompt Engineering 總覽	要官方技巧全集	⭐⭐⭐⭐	官方文件；查得到每一招的出處。
跟著範例學 Anthropic Courses	要課程化解說	⭐⭐⭐⭐	找與你的任務最接近的 Prompt Evaluations。
跟著範例學 Anthropic Claude Cookbooks	想要現成 notebook	⭐⭐⭐⭐	找 prompting 相關 cookbook notebook。
跟著範例學 OpenAI Cookbook	找 eval 範例	⭐⭐⭐⭐	找 eval 與 structured output 範例。
跟著範例學 Google Gemini Cookbook	用 Gemini 時	⭐⭐⭐⭐	跑一個 prompting quickstart。
延伸查詢 DAIR.AI Prompt Engineering Guide	要查詢手冊	⭐⭐⭐⭐	把它當查詢手冊，不必從頭背完。
延伸查詢 PromptingGuide.ai	想快速找一個技巧	⭐⭐⭐	用網站版快速找一個技巧。
延伸查詢 NirDiamant Prompt Engineering	想邊跑邊學	⭐⭐⭐	挑一個 notebook 邊跑邊學。
中文解說李宏毅 GenAI-ML（2025 Fall）	需要中文課堂解說	⭐⭐⭐	中文課堂解說；2025 Fall 課程網站，不是最新模型文件。
評估與最佳化 promptfoo	想讓 eval 可重跑	⭐⭐⭐⭐	把六題 eval 搬進可重跑的設定。
評估與最佳化 DSPy	想用程式最佳化 prompt	⭐⭐⭐	想用程式最佳化 prompt 時再看。
評估與最佳化 Inspect AI	需要正式 eval 套件	⭐⭐⭐	需要正式 eval 套件時再看。

🛠 動手練習（官方版）

完整練習與 starter code

練習摘要取自上游教材；完整程式碼、成本與延遲估算見官方版。

練習 1：Prompt 四格 — 把「幫我整理」改成目標／資料／規則／輸出四格的可檢查 prompt。
練習 2：範例的力量 — 同一題用 Zero-Shot、One-Shot、Few-Shot 各跑一次，用固定六題記分。
練習 3：Eval 小測驗 — 一次只改一個地方，重跑同一組題目，留下分數再下結論。
口訣：目標 → 資料 → 規則 → 輸出；先說清楚，再決定要不要給範例，最後用固定題目檢查。

✅ 自我檢查

我能寫出目標、資料、規則、輸出。
我能用同一組六題比較修改前後。
我一次只改一件事，並留下分數。
我知道資料不足或需要採取行動時，不能只靠 prompt。

本站點改編自 awesome-agentic-ai-zh（MIT 授權，作者 Wenyu Chiou）v2026.09.23，資源連結查核日 2026-08-27。星級為學習優先順序（⭐⭐⭐⭐⭐＝不看會卡住），非人氣排名。 MIT License · 課程結構最後更新：2026-10-03。內容持續補齊中，標記「撰寫中」的課程尚未上線。