适合谁
适合每天都在写提示词、想让结果更稳定的人。基础还不熟的话，先学提示词工程入门课；少数例子会用到简短的 Python 脚本和 API 密钥。
课程内容
- 1少样本提示：示例放几个、怎么排版、怎么排序少样本提示就是在提示词里放几个做好的示例。本课讲该放几个、怎样用 XML 标签排版和排序、模型会照搬什么，以及什么时候零样本就够了。
- 2思维链提示：什么时候让模型分步思考，什么时候调推理强度思维链提示让模型先写出推理再给答案。本课讲什么时候该让模型分步思考，推理模型为什么不需要这句话，以及怎样在 OpenAI 和 Claude 上设置推理强度。
- 3提示链：把大任务拆成一串前后传递结果的提示词提示链把一个任务拆成几条依次传递结果的提示词。跑一条四步提示链，在步骤之间加检查关卡，再弄清什么时候拆分比一条长提示词更好。
- 4提示词模板：固定部分、具名变量，以及放进版本管理提示词模板把提示词分成固定指令和具名变量。学会安全地填值，按提示词缓存的需要排好顺序，再把模板放进版本管理。
常见问题
这门高级提示词工程课程免费吗？
免费。每一课都可以免费阅读。有些练习在聊天应用里就能做，但大多数 Python 示例要调用 API，需要服务商的密钥，服务商可能会收费。
它和提示词工程入门课有什么不同？
它从入门课结束的地方开始。入门课讲清楚的指令、系统提示词和上下文窗口，这门课讲示例、推理、提示链和可复用的模板。
推理模型还需要思维链提示吗？
通常不需要。OpenAI 的推理最佳实践说，推理模型在回答前已经会思考，让它一步步思考并无必要。在 OpenAI 和 Claude 上，你改用 effort 设置来决定它想得多深。
学完这门课，接下来学什么？
下一门是推理模型课程，讲先思考再回答的模型：怎样给它们写提示词，怎样设置推理强度，以及什么时候值得多花这些时间。