AI 产品经理自学路线: 从大模型原理到 Agent 的 12 课
这是一套面向产品经理的大模型技术自学课。它回答一个具体的问题：一个不写代码的产品经理，需要懂多少技术，才能在 AI 项目里做出靠谱的判断。答案是十二课的量——从 Token 和上下文窗口讲起，一路走到智能体、工作流、RAG、Function...
标签索引
提示词工程
这个标签下有 581 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
大模型核心术语: 产品经理够用的概念地图
这一课解决一个很具体的问题：评审会上工程师说”上下文不够、要上 RAG、温度调低点”，你能不能在三秒内明白他在说什么层面的事，并判断这话说得对不对。学完这课，你手里会有一张按”模型层、生成控制层、工程层、...
大模型微调入门: SFT、LoRA 与何时不该微调
这一课解决一个非常具体的问题：当工程师或供应商对你说”这个需求得微调”时，你能判断这句话是对是错。学完你会知道大模型微调到底改了模型的什么、SFT 和 LoRA 是什么关系、哪三类场景值得花这个钱、哪三类场景微调纯属...
Function Calling 入门: 让大模型学会调用外部工具
大模型只会聊天，不会办事——这是很多产品经理对 LLM 的第一印象，也是 Function Calling（函数调用，也常叫工具调用）要打破的那堵墙。学完这一课，你能回答三个问题：模型”调用工具”时到底发生了什么；一...
AI 工作流入门: 环节拆分与分步实施的自动生产线
这一课解决一个非常具体的问题：你想让 AI 稳定地干一件复杂的活——比如每天产出一篇合格的公众号文章——但你发现，把所有要求塞进一段超长提示词里，结果时好时坏，坏了还不知道坏在哪。学完这一课，你会掌握”工作流”这个解...
智能体入门: 用一段提示词构建最简 AI Agent
这一课解决三个问题: 智能体(AI Agent)到底是什么, 为什么一段写得好的提示词就能构建出一个最简版本, 以及这种”纯提示词智能体”的能力边界画在哪里。学完你可以自己动手做一个能用的智能体——不写一行代码。 很...
构建 Prompt 的场景拆解法: 把业务需求翻译成提示词
你大概遇到过这种场面：老板说”给客服系统加个 AI 总结功能”，你打开对话框写下”请总结这段对话”，跑了三次，三次结果长得都不一样——有时五百字，有时两行，有时结尾还带一句”希望这...
提示词工程入门: 角色、结构与 Few-shot 实战
先说结论：提示词工程（Prompt Engineering，就是设计给大模型的输入文本，让它稳定产出你要的结果）不是玄学，也不是背咒语。它是一门”把需求写成模型能执行的规格”的手艺——和你写 PRD 是同一件事，只是...
把"要做什么"和"怎么做"分开,prompt 就能自动优化
软件工程有条老规矩:一件事要重复做,就把它包成函数,内部换什么实现都不影响外部调用。DSPy 想把这条规矩原样搬到 AI 程序里:把”要做什么”的任务描述,和”用什么模型、什么 prompt 去做R...
