技术栈
prompt engineering
最初的↘那颗心
9 天前
spring ai
·
结构化输出
·
prompt engineering
Spring AI Prompt 工程与结构化输出实战
本文覆盖 System Prompt 的设计方法、Spring AI 中三种 Prompt 管理方式、实用 Prompt 技巧，以及如何让大模型直接返回 Java 对象。面向正在用 Spring AI 做开发、想把 Prompt 写得更好并让 AI 输出可直接消费的结构化数据的 Java 开发者。
26岁的学习随笔
1 个月前
llm
·
agent框架
·
claude code
·
prompt engineering
·
api分析
【Claude Code】拆解 Claude Code 的 API 交互 —— 抓包看清每一个字节
作者：Sebastilan & Claude（AI 协作）Claude Code 作为 Agent 框架，每次对话不是简单地把用户消息发给模型。但 API 层面到底发送了什么？system prompt 里写了哪些规则？工具定义具体长什么样？我的 CLAUDE.md 配置是怎么被塞进去的？多轮对话时，请求是增量传输还是全量重发？
猿小羽
2 个月前
深度学习
·
ai
·
nlp
·
生成式ai
·
技术实践
·
prompt engineering
·
学习指南
深度解析 Prompt Engineering：从入门到实战
Prompt Engineering 是近年来随着生成式 AI 应用发展而兴起的一项关键技术。简单来说，它指的是为 AI 模型设计更有效、更引导性的提示词（Prompt）以提高模型的工作效果。课题涵盖了自然语言处理（NLP）广泛应用场景中的许多挑战，例如翻译、文本生成、问题回答等。
猿小羽
2 个月前
人工智能
·
深度学习
·
ai
·
大模型
·
nlp
·
实践
·
prompt engineering
深入解析与实践：Prompt Engineering
Prompt Engineering（提示工程）是现代人工智能领域中一个重要的概念。随着大规模预训练语言模型（如 GPT）在多种任务中的成功，如何更高效地与模型交互成为了一项核心技能。Prompt Engineering 正是通过设计合理的输入提示，让模型输出符合预期的有效结果的方法。这种方法广泛应用于问答生成、文本分类、代码生成等任务，提高了模型在实际场景中的实用性。
猿小羽
2 个月前
ai
·
llm
·
mlops
·
rag
·
vector database
·
spring ai
·
prompt engineering
AI 2.0 时代全栈开发实战：从 Spring AI 到 MLOps 的进阶指南
随着生成式 AI 的爆发，开发者正面临从“传统开发”向“AI 原生开发”的转型。本系列文章旨在通过实战导向，带你深度掌握 AI 应用开发的核心技术栈。
在未来等你
8 个月前
nlp
·
rag
·
retrieval-augmented generation
·
prompt engineering
·
context management
RAG实战指南 Day 24：上下文构建与提示工程
欢迎来到"RAG实战指南"系列的第24天！今天我们将深入探讨RAG系统中至关重要的上下文构建与提示工程技术。在检索增强生成系统中，如何有效地组织检索到的文档片段，并将其转化为适合大语言模型(LLM)处理的提示，直接决定了最终生成结果的质量。本文将系统讲解上下文构建的最佳实践和高级提示工程技术，帮助您构建更精准、更可靠的RAG应用。
我是有底线的