Prompt Engineering for LLMs — 书籍拆解
读到哪:读了部分。 可以当锚引用。
| 项 | |
|---|---|
| 作者 | John Berryman、Albert Ziegler |
| 版次 | 2024 版 |
| 格式 | pdf ｜ 文本源 pdftotext -layout |
| 许可 | 自购/个人收藏 |
| 来源 | 主人个人藏书,2026-08 放入收件箱 |
| 清洗 | 删页眉页脚 176 行、页码 20 行、断词接回 193 处 |
我们重写的拆解(0 章)
（还没写。拆解是这本书对我们的真正产出——底下的元数据只是索引。）
为什么收它
「提示怎么组装」这一章正对最小回路里的上下文拼接问题。
合法性
自购/个人收藏。来源:主人个人藏书,2026-08 放入收件箱。原始文件不入库,转码文本入库(私有库)。
出版方怎么说
（起草参考,不是我们的判断。真正的「覆盖什么/不覆盖什么」写进 frontmatter 的 claims / notCovered)
它覆盖什么、不覆盖什么
覆盖(读完能带走的主张):
- (第 5 章) 提示内容最重要的一条分界是静态与动态:静态解释任务、澄清问题、给精确指令;动态提供这一次的具体情境。两者不总能干净分开,分在哪一边取决于这句话是写死的还是从可变来源取来的。
- (第 6 章) 两个效应叠加出一个「凹陷区」:越靠近提示末尾的信息影响越大(上下文学习),而开头和末尾都好回忆、中间容易被略过(中间迷失)。凹陷区在提示的前中段,所有模型都有,深浅与位置因模型而异。
- (第 6 章) 对付凹陷区的两条办法:把关键的、高质量的内容放在凹陷区之外;以及过滤上下文让提示尽量短。作者明说没有完美解法。
- (第 6 章) 三明治写法:开头和结尾各说一遍你要模型做什么;结尾那次叫「重新聚焦」,长提示里必要——铺垫太久后要把注意力拉回问题上。
- (第 6 章) 提示的最后一部分必须从「说明问题」硬转到「解决问题」,否则模型会继续往下编更多上下文而不作答。
- (第 8 章) 工具调用在底层不是新机制:跟对话一样,是「微调过的模型 + 接口层的语法糖」。工具定义被放进系统消息、用 markdown 组织、并按 TypeScript 函数的样子表示——类型词汇更丰富、文档能直接写进定义里。
- (第 8 章) 工具定义要占词元预算,所以它的表示大小要算进账。
- (第 8 章) 工具设计两条直觉:人更容易懂的模型也更容易懂;照着训练数据里常见的样子写效果最好。具体建议:限制同时可见的工具数、工具之间要划分领域不要功能相似、别把网页接口原样搬进提示、名字要自解释且别用全小写连写、以及如果模型本来就熟悉某个公开接口就沿用它的命名与风格。
不覆盖(别指望在这本里找):
- 本轮只读了第 5、6、8 三章,其余各章(导论、理解 LLM、迁移到对话、设计应用、驯服模型、工作流、评估、展望)都没读。
- 循环本身:什么时候停、结果怎么回填、并发怎么处理,这三章都没讲。
- 上下文压缩:讲了「过滤上下文让提示更短」,但没给具体的压缩机制。
- 书里对内部提示格式的还原是作者自己「拷问模型」推出来的,官方没有文档,作者也这么声明了。
怎么引用它
(依据: book=prompt-engineering-for-llms §Chapter 1. Introduction to Prompt Engineering)
章节名对不上会被 lab:validate 拦下;页码锚(§p.123)同样可用。
结构(16 段,共 594k 字符)
| 段 | 章节 | 页 | 规模 |
|---|---|---|---|
| 01 | Copyright | p.4–4 | 2.1k |
| 02 | Table of Contents | p.5–10 | 19.0k |
| 03 | Preface | p.11–18 | 7.8k |
| 04 | Chapter 1. Introduction to Prompt Engineering | p.19–32 | 29.1k |
| 05 | Chapter 2. Understanding LLMs | p.33–62 | 53.6k |
| 06 | Chapter 3. Moving to Chat | p.63–82 | 51.5k |
| 07 | Chapter 4. Designing LLM Applications | p.83–104 | 49.6k |
| 08 | Chapter 5. Prompt Content | p.105–140 | 67.8k |
| 09 | Chapter 6. Assembling the Prompt | p.141–164 | 47.8k |
| 10 | Chapter 7. Taming the Model | p.165–186 | 40.6k |
| 11 | Chapter 8. Conversational Agency | p.187–216 | 68.6k |
| 12 | Chapter 9. LLM Workflows | p.217–240 | 53.6k |
| 13 | Chapter 10. Evaluating LLM Applications | p.241–262 | 48.0k |
| 14 | Chapter 11. Looking Ahead | p.263–270 | 16.8k |
| 15 | Index | p.271–280 | 35.3k |
| 16 | About the Authors | p.281–283 | 2.8k |
我们自己的读书笔记(0 篇)
（还没有。读完某章后写进 docs/prompt-engineering-for-llms/notes/,那才是这本书对我们的产出。）
本页由 node scripts/book-build.mjs 生成:表格来自转码结果,散文来自书卡正文。不要手改本页。