- LLM 智能理解：从非技术视角看，LLM 的智能基于 next TOKEN prediction，即根据上下文猜下一个文字，Transformer 逻辑类似完形填空只填最后一个字。当前 LLM 像刷题家，见过大量数据但未建立逻辑体系，而人类学习更具泛化能力。
- 写 Prompt 原则：写 Prompt 的本质是让 LLM 好猜答案，需构建合适环境，可拆解为 7 个子原则，包括说明任务环境、减少特殊黑话、确保规则独立、减少无意义和重复 context、按逻辑顺序排列、聚合相关内容等。
- Context 工程内容：Context 工程主要做四件事，即帮模型减少冗余上下文、找到重要上下文、定义上下文结构、排序上下文，核心是让模型更好地完成完形填空。
- 判断是否上工程：不是模型做不好就立刻上工程，应先检查 Prompt 是否符合原则；关键场景追求成功率时应直接上工程；其他情况可商量，要习惯模型的概率性风险，实验是检验 LLM 的唯一真理
promote优化原则
