<aside> 💡
OpenAI 和 DeepLearning.AI 联合推出过一个面向初学者的提示工程指导课（ChatGPT Prompt Engineering for Developers），课程内容是 Learn the fundamentals of prompt engineering for ChatGPT. Learn effective prompting, and how to use LLMs for summarizing, inferring, transforming, and expanding。
这个课程的后续是 Building Systems with the ChatGPT API，课程内容是 Learn to break down complex tasks, automate workflows, chain LLM calls, and get better outputs from LLMs. Evaluate LLM inputs and outputs for safety and relevance。
</aside>
很早的时候（2023-2024），OpenAI 在 Help Center 发过一篇帖子（Best practices for prompt engineering with the OpenAI API）指导大家写更好的提示词，这应该是最早的官方发布的提示词指导，但该贴的内容放在当下来看就略显单薄了。在这之后，随着模型数量的增加和 Platform 的完善，OpenAI 将提示词指导陆续补充到官方文档中，并随着模型能力的迭代而迭代，这些文档随时会更新，但没有更新通知，建议大家在每次新模型发布的时候都可以重新翻翻看。
2025 年 04 月之前，OpenAI 官方提供的与文本生成有关的提示词指导分为两部分：
Text generation 对使用模型进行文本生成进行了概述，其中最有用的内容是：在介绍消息和角色的部分，引用资料（OpenAI Model Spec）中提到消息角色（及对应的 Prompt）可以认为是四种，优先级从高到低依次是：Platform Prompt > Developer Prompt > User Prompt > Tool Prompt。
Prompt engineering 中分类介绍了各种如何获得更好的结果的策略，包括但不限于：更明确地描述预期结果、分块组织提示词内容、提供必要的参考资料、提供作为参考的输出示例、将复杂任务进行拆分、对长上下文进行总结、为模型提供某种“思考”方式等，还为系统化测试提示词效果提供了思路。
这份文档挺好的，但链接已经重定向了，可惜我没有进行备份。
2025 年 04 月 14 日 GPT-4.1 发布 之后，上面两份文档合并成了 Text generation and prompting（2025-04-17 Text generation and prompting ）。
Prompt examples 中提供了一些提示词示例，每一个都包含完整提示词、结果样例、用于快速测试的代码，并支持分类检索。
<aside> 💡
以下是一些接近于“常识”的内容，基本在网上所有的提示词指南中都会提到，我只做一点摘要，这些常识对于只是与大模型进行日常对话或请大模型辅助完成一些基本工作内容的用户来说完全足够。
</aside>
不同的模型有不同的特点，对提示词的要求也不同，即使是相同模型的不同版本，对相同提示词的响应也可能大相径庭，需要在知晓模型基本特点的情况下多多尝试。以 OpenAI 的模型为例，分为三个系列：