AI 入门实战

从一次模型调用说起开发 AI 应用时，我们通常先写提示词：说明角色、任务和回答格式。但真正发送给模型的内容，还可能包含历史对话、检索资料、工具说明和执行结果。上下文工程 …

从回答问题到完成任务假设你要做一个资料整理助手：读取指定文件夹里的会议记录，找出尚未完成的事项，再生成一份汇总。调用一次模型，可以得到整理思路。但真正执行时，还需要读取文件、接 …

先从一个任务理解问题假设你要开发一个订单助手。用户输入：“查一下我的订单，解释为什么还没发货。” 可以把需求拆成三件事：选择查询操作并填写参数，连接订单系统，再按业务规则解释结果 …

从一个实际需求理解 MCP 假设你要开发一个库存助手。用户问“键盘还有多少库存”，你希望 AI 查询业务系统，再根据结果回答。这需要解决几个问题：应用怎样知道有哪些工具？工具接受 …

从“会回答”到“会办事” 大语言模型擅长理解和生成文本，但它本身并不天然拥有实时信息，也不能直接访问你的数据库、调用业务接口或操作本地文件。要让模型帮用户完成这些事情，就需要给它一 …

先理解 RAG 在做什么假设你要做一个助手，回答“公司的差旅报销需要哪些材料”。模型可能知道一般的报销流程，却未必知道你公司的规定。 RAG 是 …

从回答问题到完成任务假设你要做一个采购助手，用户问：“仓库里还有多少支黑色签字笔？不够 20 支的话，需要补多少？” 完成这个任务，需要查询库存，再根据结果计算。设计应用时，不能 …

从“回答问题”到“完成任务” 假设你想整理一个文件夹里的会议记录，找出尚未完成的事项，按负责人生成清单。直接使用大模型，你通常需要自己复制材料、分批提问，再把结果整理到文件里。模 …