提示词工程（Prompt）
Prompt起源于研究者们为了下游任务设计出来的一种输入形式，它的作用是能够帮助预训练模型“回忆”起自己在预训练时“学习”到的东西，因此又可以叫它提示词。而对于大语言模型来说，Prompt 就是用户的输入，它可以是一句简单的问题，一段较长的文本，也可以是一组指令，这取决于用户的具体需求。
用专业术语来说：在人工智能（AI）领域中，"prompt" 是指向模型提供输入以引导其生成特定输出的文本或指令。它是与模型进行交互时用户提供的文本段落，用于描述用户想要从模型获取的信息、回答、文本等内容。Prompt 的目的是引导模型产生所需的回应，以便更好地控制生成的输出。
Embedding和向量数据库
向量数据库与Elasticsearch（ES）的核心区别在于数据模型、索引技术和适用场景。以下是具体对比：
核心区别
-
数据模型
- 向量数据库：存储非结构化数据（如文本、图像、语音）的高维向量表示（如嵌入向量）。
- ES：处理结构化/半结构化数据（如JSON文档、文本字段）。
-
索引技术
- 向量数据库：使用近似最近邻算法（如HNSW、IVF）加速相似性搜索。
- ES：基于倒排索引（关键词分词）和BKD树（数值范围）。
-
查询方式
- 向量数据库：通过余弦相似度、欧氏距离等计算向量距离。
- ES：支持关键词匹配、布尔查询、聚合统计等。
适用场景
- 向量数据库：语义搜索、图像/视频检索、推荐系统。
- ES：日志分析、电商商品搜索、企业级全文检索。
性能特点
- 向量数据库：高并发、低延迟的相似性搜索（如推荐系统）。
- ES：实时分析、复杂查询（如日志过滤）。
检索增强生成(RAG)
检索增强生成（Retrieval-augmented Generation, RAG）是为生成式 AI 赋予信息检索能力的关键技术，通过将外部知识库的精准信息与大型语言模型（LLM）的推理能力结合，从根源上缓解 LLM 的固有缺陷。
Text2SQL
LangChain
FunctionCalling
Fine-tuning
多模态
智能体(Agent)
指能感知环境、自主决策并执行任务的智能系统，已从辅助工具进化为生产力主体。
Coze
Dify
Dify 提供安全数据通道、高可靠索引检索、友好提示词开发、多模型切换、推理观测、日志记录、数据标注、模型训练、微调、简化AI研发、定制化Agent自动化、AI工作流编排等优势，实现数据安全、开发高效、模型优化、自动化智能及工作流管理，助力开发者轻松构建灵活的AI应用。
模型上下文协议(MCP)与A2A协议
MCP，即 Model Context Protocol（模型上下文协议），由 Anthropic 公司（也就是开发 Claude 模型的公司）推出的一个开放标准协议。它如同智能交互领域的 “通用插头” 或 “USB 接口”，通过制定统一规范，实现 AI 模型与外部资源的无缝对接。无论是连接数据库、调用第三方 API，还是访问本地文件，MCP 都能有效解决 AI 模型与外部数据源、工具间的交互难题，为 AI 应用拓展了更广阔的可能性。
