prompt工程

从「能用」到「可控」：Prompt 工程与日常写 Prompt 的本质区别**同样是"写 Prompt"，为什么有人月薪数万做"Prompt 工程师"，有人只是把 AI 当高级补全工具？**差别不在天赋，而在认知——你是在"调用 API"，还是在"设计 DSL"。本文从底层逻辑、核心区别、实战写法三个维度拆透。

第五章基于低代码平台的智能体搭建 · 学习笔记（Coze / Dify / FastGPT / n8n）学习材料：《Hello-Agents》第五章基于低代码平台的智能体搭建（docs/chapter5/第五章基于低代码平台的智能体搭建.md）配套代码：本章无本地代码（四个平台均为图形化配置），故本笔记的"实验"改为对平台提示词的云端实测实验环境：腾讯云 Lighthouse（2C2G / 无 GPU）· Python 3.14 模型：主用 Moonshot kimi-k2.6；另按要求以云端自部署模型复测（llama.cpp + Qwen3-1.7B-Q4_K_M，http://localhost

长谷深风111

Agent 的 Context 里，到底应该放什么？很多人第一次做 Agent，都会把 Context 当成“越多越好”的资料仓库：System Prompt 放一大段规则，User Message 原样保留，工具返回全部塞进去，Plan 从头留到尾，再把历史对话一股脑拼上。

ZGI：工作流分支失控，先把规则拆出 Prompt工作流分支越来越多，通常说明不同类型的规则被塞进了同一段 Prompt。模型既要理解用户意图，又要记住业务条件、选择工具、判断权限和决定异常处理，任何一条规则变化都可能牵动整段提示词。更稳的做法，是先给规则分类，再放进知识、Skill、Workflow 或人工审批对应的位置。

家有娇妻张兔兔

Python大模型开发：多模态模型图像生成API封装与参数调优实战本篇来讲一下如何使用grok模型在线生成图片。摘要：随着多模态大模型在业务场景中的深度落地，传统的同步 API 调用已成为系统吞吐量的瓶颈。本文从资深后端架构视角出发，深入剖析大模型图像生成 API 的潜空间渲染机制。结合 Python asyncio 与 aiohttp 框架，实战演示高可用异步接口封装、指数退避重试策略以及基于 Seed 的工业级微调工作流。通过性能压测对比与异常熔断机制设计，帮助开发者构建具备抗灾能力的高并发 AI 绘图服务。

Prompt新手第一课，从写好一句指令开始很多人第一次打开大模型对话框时，都会经历这样的落差：脑子里明明有很多想法，打出来的字却像撞墙——「帮我写个方案」发出去，得到的回复要么太泛，要么完全不对味。问题不在模型，而在指令本身。Prompt 工程的核心，就是把模糊需求翻译成模型能理解的结构化语言。对零基础读者来说，掌握一套可复用的公式，比背一百个技巧都管用。

day05-llm-sampling-params你有没有遇到这种情况：同样的 Prompt，第一次给出了一段精彩的代码，第二次却输出了完全不同的废话？这不是玄学，是采样参数在作怪。

day04-prompt-pitfalls作者：实战 LLM 开发工程师 | 踩坑时长：18 个月 | 项目：10+ 个 AI 落地项目本文收录真实踩坑案例，附优化前后效果对比，全文约 8000 字，建议收藏慢慢看。

7 个Prompt 框架汇总：从 Chain of Thought 到 ReAct + PoT作者：AI 开发者社区标签：#Prompt工程 #CoT #ReAct #AI技巧 #思维链阅读时长：13 分钟

人工智能【第26篇】大模型应用实战：Prompt工程与微调技巧作者的话：在前面的文章中，我们学习了GPT等大语言模型。然而，拥有强大的模型只是第一步，如何有效地使用这些模型才是真正的挑战。本文将深入讲解Prompt工程（提示工程）和微调技巧，帮助你从"会用"大模型进阶到"用好"大模型！

最初的↘那颗心

Prompt 工程实战：五要素框架与 Spring AI 模板化落地Prompt 不是随便写一句话发给模型就完事——它直接决定了大模型能力的上限。本文从一个真实的 Code Review 场景出发，演示"差 Prompt"与"好 Prompt"的效果差距，提炼出 Prompt 五要素框架（角色、任务、约束、格式、示例），并通过 Spring AI 的多种模板化手段将其工程化落地。面向有 Spring Boot 基础、正在用 Spring AI 做大模型应用开发的后端工程师。

Agent配置最佳实践：Prompt工程与参数调优🌟Hello，我是摘星！ 🌈 在彩虹般绚烂的技术栈中，我是那个永不停歇的色彩收集者。 🦋 每一个优化都是我培育的花朵，每一个特性都是我放飞的蝴蝶。 🔬 每一次代码审查都是我的显微镜观察，每一次重构都是我的化学实验。 🎵 在编程的交响乐中，我既是指挥家也是演奏者。让我们一起，在技术的音乐厅里，奏响属于程序员的华美乐章。

GEM的左耳返

Java AI面试实战：Spring AI与RAG技术落地面试官：谢飞机同学，今天我们聚焦Java AI应用开发，重点考察Spring AI和RAG技术栈。谢飞机：（兴奋地）面试官好！我可是AI达人！ChatGPT、Midjourney我天天用，Spring AI这新框架我也研究过！

GenAIOps：生成式 AI 运维 - 实用指南https://medium.com/google-cloud/genaiops-operationalize-generative-ai-a-practical-guide-d5bedaa59d78

Prompt + 工作流组件 = AI智能体：开启智能化新时代在这个信息爆炸的时代，人工智能（AI）正以前所未有的速度改变着我们的生活和工作方式。随着技术的不断进步，AI的应用场景也在不断扩展。而在这一过程中，Prompt和工作流组件的结合，正是构建AI智能体的关键所在。能用AI-工作流传送门

Prompt工程:与AI聊天机器人更好地交流大家好!今天我们来聊聊如何跟AI聊天机器人更好地交谈。你们知道吗?跟AI聊天就像跟一个聪明的朋友聊天,但是这个朋友有时候需要我们给它一些小提示,它才能更好地理解我们的意思。这些小提示,我们就叫它"Prompt"。现在,让我们一起学习如何写出好的Prompt吧!

汀、人工智能

Prompt工程全攻略：15+Prompt框架一网打尽（BROKE、COAST、LangGPT）、学会提示词让大模型更高效更多Prompt框架技术细节和原理见相关文章大语言模型的预训练[3]之Prompt Learning：Prompt Engineering、Answer engineering、Multi-prompt learning详情

汀、人工智能

Prompt进阶系列4:LangGPT(构建高性能Prompt实践指南)--结构化Prompt结构化的思想很普遍，结构化内容也很普遍，我们日常写作的文章，看到的书籍都在使用标题、子标题、段落、句子等语法结构。结构化 Prompt 的思想通俗点来说就是像写文章一样写 Prompt。