大模型发展这两年，应用型 AI 的焦点一直在 “提示工程”（prompt engineering），但随着更强大的大语言模型（LLM）走向多轮、长时间的自主行动，一个更关键的概念开始走到台前：上下文工

很多同学说想学习AI，但是不知道从哪里开始，学习路线是什么。我学习AI已经有一段时间了，这篇文章来聊聊我是如何学习AI的

随着AI应用从单次交互转向复杂智能体系统，传统Prompt Engineering（提示工程）的局限性日益凸显。今天我将系统阐述AI工程范式的演进路径，深入剖析Context Engineering（

​​引言​​ RAG（检索增强生成）通过融合外部知识库与LLM生成能力，解决了传统大模型的知识滞后性、幻觉问题。但RAG并非固定架构，而是一套可动态组合的技术体系。本文将拆解三类策略、17种实现方案，

LLM智能体图解指南 —— 探索单智能体与多智能体的核心组成部分 大语言模型智能体（LLM Agents）现在越来越常见，似乎已经逐渐取代了我们熟悉的“普通”对话式大模型。这些强大的能力并不是轻而易举