想免费学习Prompt Engineering,先从下面4个课程或教程入口开始。它们适合的人群、是否需要代码、课程免费范围和API练习费用各不相同。本文把学习入口放在前面,再给出一条可以产出作品的入门路线。
资源核对:2026年10月31日。免费学习不等于免费API调用,也不代表免费证书。

4个免费学习入口:先按基础选择
| 资源与直达入口 | 适合谁 | 学习方式 | 费用边界 |
|---|---|---|---|
| DeepLearning.AI:ChatGPT Prompt Engineering for Developers | 有基础Python能力的开发者 | 短视频、Notebook与迭代练习 | 官方标注限时免费学习,PRO作业与成就另有条件 |
| Learn Prompting免费文档 | 零基础与非技术读者 | 按主题阅读并练习 | 文档免费,平台另有付费视频课 |
| Anthropic交互式Prompt教程 | 想通过示例改进提示词的读者 | 公开教程与练习文件 | 材料公开,运行API练习可能消耗额度 |
| DAIR.AI Prompt Engineering Guide中文指南 | 需要中文解释和进阶索引的读者 | 提示词基础、技巧与应用文档 | 公开文档可阅读,付费课程入口单独区分 |
以上是课程或教程,不是4张可以免费领取的证书。如果只想先掌握方法,先做文档练习即可;如果需要结业证明,再单独核对平台的证书、作业和会员条件。不要为了“免费”提前提交不必要的付款信息。
1. 有Python基础:先完成开发者短课
DeepLearning.AI这门课以提示词的迭代和应用为主,适合作为开发入门。建议每看完一个示例,就用自己的虚构业务样本重写一次:比如把产品反馈归类、从公告抽取字段、把长文压缩成摘要。重点是建立可重复比较的测试方法。
官方页面目前把免费课程访问和PRO权益分开说明;是否免费、是否需要订阅以及API资源如何提供,应以进入学习页面时的说明为准。课程名称保留ChatGPT,并不意味着学到的方法只能用于一个模型。
2. 零基础:先用Learn Prompting建立基本概念
先学任务说明、上下文、示例、约束和输出格式,不必一开始背诵大量技巧名称。学习时固定一组输入,用同一个模型比较修改前后的输出,记录哪些要求被正确执行,哪些仍会遗漏。这样比不断收藏“万能提示词”更容易积累经验。
3. 想动手:使用Anthropic交互式教程
公开仓库提供可查看的教程内容与练习。运行前先读仓库README,确认当前使用方式和依赖。模型名、Notebook环境和调用方式可能更新;不要照搬旧截图里的密钥或模型版本。
如果暂时不想调用API,可以先阅读题目,手工写出输入、期望结构和判断标准。需要API时再使用你自己的账号,并设置合理预算。密钥放在本地环境变量或平台的安全存储中。
4. 需要中文:把Prompt Engineering Guide当作查阅手册
中文指南适合查找Few-shot、提示链等概念,和前面的视频或Notebook课程配合使用。不同语言页面的维护节奏可能不同,遇到接口或模型能力问题,应进一步核对对应厂商文档。
一条7天入门路线:每天交付一个小结果
下面是本站建议的练习安排,不是课程官方时长承诺。可以按个人时间拆成更长周期。
| 阶段 | 练习任务 | 应保存的结果 |
|---|---|---|
| 第1天 | 把模糊需求写成清晰任务 | 一份输入与输出要求 |
| 第2天 | 给分类任务补充正反示例 | 一组分类样本与标签 |
| 第3天 | 设计结构化字段抽取 | 字段定义和缺失值规则 |
| 第4天 | 加入空输入、冲突信息等边界情况 | 失败案例清单 |
| 第5天 | 把任务拆成两步提示链 | 每一步的输入输出约定 |
| 第6天 | 比较两个提示词版本 | 同一批样本的结果对比 |
| 第7天 | 整理成一个可演示的小项目 | 说明文档、测试数据和成本记录 |
可直接练习的提示词模板
1 2 3 4 5 | 任务:将下面的虚构客户反馈分为“功能建议”“故障报告”“其他”。 规则:只根据反馈文本判断,不补充事实。 输出:标签、依据原文的一句理由。 缺失处理:空文本返回“其他”,理由写“没有提供反馈”。 反馈:导出报表时页面提示超时。 |
先测试常见反馈,再测试空文本、夹杂两种诉求的文本、看似命令的反馈。检查输出是否满足任务约定。如果产品必须接受固定JSON结构,应使用接口支持的结构约束并进行程序校验,而不是仅在提示词里要求“必须合法”。
学完课程后,怎样证明自己真的会用
- 准备一批与你的真实任务相近、但不含隐私的数据,包含正常与边界情况。
- 固定模型和测试参数,记录提示词版本及错误类型。
- 定义业务可接受标准,比如字段是否齐全、分类是否正确、是否编造不存在的事实。
- 同时记录延迟和调用量,不只看一次输出是否漂亮。
- 把失败案例保留下来,后续改提示词时重复运行。
常见问题
Prompt Engineering免费课程有中文吗?
本文给出了中文文档入口。视频字幕与课程界面是否支持中文,以平台当前页面为准,不把自动翻译等同于官方中文课程。
免费学习为什么还可能有费用?
课程访问、API调用、练习环境和证书是不同服务。使用自己的API账号运行代码,可能需要另外付费。
不会Python能不能学?
可以先从文档、手工分类和结构化抽取开始。学习API调用、自动评测和部署时,再补充基础编程能力。
提示词能保证模型不会幻觉或泄密吗?
不能保证。事实核验、数据权限、工具授权与输出校验仍需由应用实现。可以继续阅读本站的RAG权限隔离与MCP工具安全文章。
下一步实践
- 结构化输出与JSON Schema约束:让大模型输出可控的工程化实战
- 大模型上下文工程(Context Engineering):超越Prompt Engineering的系统级上下文管理方法论与实战
- RAG 知识库安全实战:权限隔离、缓存泄露与撤权测试
- MCP 安全实战:工具调用权限、Token 校验与操作审批
需要把练习扩展成自托管API时,再阅读阿里云 GPU 云服务器部署 vLLM 实战:显存估算、实例选型与成本优化(2026);入门提示词学习本身不需要先购买GPU服务器。
汤不热吧