阅读笔记 — AI Prompt Engineering Handbook(Lahinouski, 2025)
2026-08-29 通读。原文 10 个 txt,约 8.6 万字符(清洗后)。拆解已于 2026-08-25 写完(8 章+总纲), 本轮职责是:补 notes、做「四本提示工程书」差异化、复核门禁。以下按原书章记。
Preface(01-fm,904 字符)
两段话。自述目标:「从基础原则、实用技巧到进阶策略与未来趋势」的完整指南(:5-7)。 无任何背景交代(作者是谁、为什么写)——自出版电子书,版权页即全部元数据。
Ch1 Introduction(02-ch01,7.1k)
- 1.1-1.2 定义提示工程 = 「art and science」(:25);跨学科名单:语言学/认知科学/UX/伦理(:35)。
- 1.2 唯一一对改前改后例:「Tell me about social media」→「List the top 5 social media platforms…」(:40-41)。
- 1.3 把 LLM 说成「advanced text prediction engines」(:47);提到 attention、temperature、max tokens(:61-65)—— 全是名词,零解释深度。
- 1.5 五个 pitfalls:太模糊/塞太多/忽略局限/不迭代/忘上下文(:85-111)。
- 1.6 五步流程:定目标→清晰指令→定格式→给例子→迭代(:113-141)。这是全书骨架的雏形。
- 1.7 「Future of Work」行业名单(:143-155)。口号章,无机制。
Ch2 Understanding LLMs(03-ch02,4.9k)
- 2.2 transformer/self-attention 各出现一次(:15,:23),零解释。
- 2.3 三过程:tokenization(例「AI is amazing.」切成 4 块,:34)/ training(pre-train vs fine-tune,:37)/ inference(:40)。
- 2.4 scaling laws 一句带过(:48)——全书唯一一处「像是」要引文献的地方,但无引。 评测基准点了 GLUE/SuperGLUE/MMLU(:56),后文再没用过。
- 2.6 四局限:幻觉/偏见/上下文长度/隐私(:82-96)——第 7 章的伏笔。
- 2.7 未来:多模态/更省算力/伦理(:98-106)。
Ch3 Advanced Techniques(04-ch03,21k)——全书最厚一章,20 个技巧节(3.2-3.20)
逐节核对后的名单与成色:
| 节 | 技巧 | 成色 |
|---|---|---|
| 3.2 | self-consistency + CoT | 真技巧,定义对(:13-21) |
| 3.3 | generated knowledge | 真技巧(:33-51) |
| 3.4 | CoOp / CoCoOp | 张冠李戴:当成「写提示词技巧」讲(:53-71);实为 CLIP 上的可学习连续向量(arXiv 2109.01134 / 2203.05557) |
| 3.5 | RAG | 真,但讲成「提示词里指定来源类型」(:73-89),没有检索器这回事 |
| 3.6 | genetic algorithm 优化提示词 | 做法真存在(自动提示词优化一脉),书无出处(:91-107) |
| 3.7 | QTM(Query Transformation Modules) | 名字查无公认出处;做法=查询改写(:109-127) |
| 3.8 | classifier-guided prompt evolution | 来路不明,像是把 classifier guidance(图像)搬了名(:129-145) |
| 3.9 | multi-stage prompting / chaining | 真(:147-165) |
| 3.10 | adversarial robustness | 讲的是「别让模型说歪」,不是提示注入(:167-183);四条做法 |
| 3.11 | Tree of Thoughts | 真(:185-201) |
| 3.12 | expert prompting | 「你是注册理财顾问」(:203-219)——arXiv 2311.10054 反证其「更准」 |
| 3.13 | DSL prompting | 用行业术语(:221-227) |
| 3.14 | reflection | 「让它回顾并改进自己的答案」(:229-245)——arXiv 2310.01798 反证(无外部反馈时多半无效) |
| 3.15 | contrastive | 对比式提问(:247-263) |
| 3.16 | multi-modal | 图文混合输入(:265-281) |
| 3.17 | context-aware | session/元数据维持多轮(:283-300) |
| 3.18 | prompt-based data augmentation | 造合成数据(:302-325) |
| 3.19 | meta prompting | 「让 AI 帮你改提示词」(:327-344) |
| 3.20 | few-shot | 两个例子锁风格(:346-372) |
- 3.21 写提示词 20 条小贴士(:374-447):动作动词起头/给上下文/角色扮演/引号强调/### 分隔/定长度/定语气/ 换措辞/重启对话……「用 ### 或 --- 分隔符」(:400-401)是全书被埋得最深却最要紧的一条。
- 3.22 六个常见挑战+解法(:449-507):不一致/太长/幻觉/偏见/提示词长度/跨工具不一致。
这章是本书与姊妹书重复度最高的一章,也是错误最密集的一章。
Ch4 Tools and Platforms(05-ch04,7.2k)
- 工具名单第一批:ChatGPT(:9-31)、Bard(LaMDA、实时联网,:39-40)、Claude(:42-43)、Bing Chat(:45-46)、 Grok(:48-49)、LLaMA(:51-52);内容工具 Jasper/Copy.ai/Narrato/Writesonic/Frase(:62-85); 设计写作 Canva/Grammarly/Hemingway/Firefly/Fotor(:91-118);视频 Synthesia/Lumen5/Pictory/InVideo/Animoto(:120-147); 生产力 Copilot/Notion AI/Trello Butler/ClickUp/Otter(:149-176)。
- 4.8 选型五条(:178-190):需求/功能/易用/预算/试用。没提成本与延迟。
- 时效硬伤:Bard 在书出版前一年已改名 Gemini;LaMDA 也换了两代。(08 章的时间线证据)
Ch5 Real-World Applications(06-ch05,8.1k)
- 七个行业场景(:7-171):营销/客服/数据分析/教育/医疗法律/个人效率/创意。
- 每个场景 = 一段畅想 + 一条示例提示词 + 三条 best practice。全部无来源; 开头点名 McKinsey/Deloitte 却不给任何报告名(:5)。
- 5.7 创意一节(:127-141):「拿它出点子、突破创作瓶颈」——与 7.6 遥相呼应,书自己没把两处连起来。
- 5.8 行业速查(:143-171):金融反欺诈/供应链/代码审查,各两条示例提示词。
Ch6 Tools and Frameworks(07-ch06,8.3k)
- 四类分法(:9-17):创建优化/测试评估/无代码/社区开源——这是这章唯一值得带走的东西。
- 名单:LangChain、PromptFlow、PromptPerfect、PromptAppGPT、Promptify、PromptBench、OpenAI Playground(:21-49); PromptFoo、Agenta、ChainForge、PromptLayer(:51-69);Wnr.ai、Azure Prompt Flow(:71-81); FlowGPT、PromptSource、Prompt Engine(:83-97);Jinja、Bard、ChatGPT Plus(:99-113)。
- 6.3 集成:API/SDK、Zapier、CI/CD(:115-131)。
- 评测工具只给名字与一句话,没有一套可执行的评测流程(7.7 也只有「做 A/B 测试」一句)。
Ch7 Common Pitfalls(08-ch07,7.1k)
- 7.1 过度依赖(:7-25):决策变糊/技能退化/缺处境感;原则「当助手不当替代品」——全书最扎实的一节。
- 7.2 八个写作坑(:27-122):模糊/过拟合单个问法/拟人化/缺上下文/不定格式/不迭代/不给例子/分段不当+依赖前序。 「过拟合到具体问法」(:42-50)是姊妹书很少点破的一条。
- 7.3 偏见(:124-140)、7.4 隐私 GDPR/HIPAA(:142-158)、7.5 局限(:160-178)。
- 7.6 创意与自动化的平衡(:180-196):「出点子别出终稿」——和 7.1 判据不同(一个问谁负责,一个问产出会不会趋同)。
- 7.7 迭代:A/B 测试、提示词库(:198-216)。
Ch8 Future Trends(09-ch08,6k)
预测清单(:11-117):
- RLPO(强化学习优化提示词,:15-19)——同类工作 RLPrompt 2022-05 已发表,书无出处;
- meta-learning/自适应提示(:21-25);3. 跨领域迁移(:27-29);
- 偏见检测工具(:35-39);5. 可解释与审计(:41-45);6. 监管趋严(:47-49)——已成真;
- 提示词模板与分享社区(:55-59)——已成真;8. 对话式实时澄清(:61-63)——已成真;
- 多模态(:65-67);10. AI 辅助设计提示词(:73-77);11. 自动评估(:79-81);
- 并入开发管线(:83-85)。外加三个行业泛预测(:87-107)。 12 条里 9 条可核,6 条已成真、3 条部分成真、3 条泛到无法证伪(08 章逐条核过)。
Ch9 Exercises & Case Studies + Ch10 Top 50 Tools(10-ch09,15.5k;两章合并在一个文件)
- 9.1 三个练习(:11-65),都是「改前 → 改了哪几处 → 改后」对子: 可持续时尚博文(:15-27)、延迟发货客服邮件(:31-45)、健身 App 三种语气(:49-65)。对零基础最友好的部分。
- 9.2-9.4 六个案例(:67-207),百分比成堆:70% 效率、80% 自动解决率、98% 术语准确率、200% 提速、45% 转化…… 全部无出处、不可核对 、不要引用(书卡已写明)。
- 9.5 A/B 测试五步(:209-225)——全书唯一的评测落点,但没有样本量、没有判对错的标准。
- Ch10 从 :241 起(「Chapter 10: Top 50 AI Tools」),六格名单:聊天(:245-269)、写作(:271-291)、
图像(:293-325)、视频(:327-341)、语音(:343-353)、生产力(:355-371)。
化石层实证:Character.ai、ForefrontAI、FlowGPT 一类已死或转向;Bard 已改名。
转码时第 10 章与第 9 章合在同一文件,出处都指
text/10-ch09-…txt。
全书速写(通读后的一句话)
十章 = 定义(1) + 模型科普(2) + 技巧目录(3,全书重心) + 工具名单三章(4/6/10) + 行业场景(5) + 风险与坑(7,最扎实) + 预测(8) + 练习与案例(9)。 零引用贯穿始终:没有一个网址、一篇论文名、一份报告名;唯二网址在末页,是封面照片署名。
差异化:与已拆三本对比(抽两章)
对比章一:本书 Ch3(20 技巧)vs《Prompt Engineering for LLMs》06/10 +《Prompt Engineering for Generative AI》06。
- 重叠面:CoT、self-consistency、few-shot、RAG、ToT、meta prompting、generated knowledge、 chaining、角色/专家、对比式——十种全部在姊妹书里有更深版本: Berryman 给到机制层(为什么有效、边 界在哪)且带论文出处;Phoenix 配五原则骨架与实操例。
- 本书独有:CoOp/CoCoOp(张冠李戴)、QTM(查无出处)、classifier-guided prompt evolution(来路不明)、 遗传算法优化、合成数据——独有部分恰是错误与二手拼凑最密集的部分。
- 结论:机制层面本书对书架零新增;价值只剩「一页 20 行的技巧目录」与「错误本身当教材」。
对比章二:本书 Ch9+10(练习/案例/50 工具)vs Phoenix 14(端到端)+ Berryman 13(评估)。
- 练习:本书的改前/改后对子对零基础友好,Phoenix/Berryman 没有对应物——独有,且与本书定位自洽。
- 案例:本书六个案例的百分比全部无出处;Phoenix 14 是完整八步流水线,Berryman 13 是真评估方法 (样本三来源、判卷三法、打分配方)。本书这一面完败。
- 工具名单:本书 50 个是 2024 化石层;独有用法只剩「保质期教学」(08 章已把它做成主线证据)。
差异化结论:本书 = 小手册/目录,不是新框架。 机制内容与已拆书大面积重复且更浅更不可靠。 收它的理由是:① 四本里唯一零前置;② 技巧目录最全(配我们的纠错表后比单看任一本都安全); ③ 三处名实不符 + 无出处百分比 = 书架上唯一的「怎么核一个技巧名」教学案例; ④ 化石名单 = 「AI 写作物保质期」实证。——已写进总纲 §4 末与书卡。