数据智能老司机

AI 智能体正在超越研究阶段，成为企业生产力和自主运营的关键使能因素。将它们部署到真实世界语境中，是一个多维挑战，涵盖工程、运营和伦理，而不仅仅是开发流程的最后阶段。 前几章已经建立了智能体设计的理论

面向自主智能体的提示词工程，并不仅仅是发出指令；它是通过语言塑造一种持久认知框架。后文将介绍的 PTCF 蓝图，正是把这一理念形式化为四个结构化组件。随着我们超越传统软件和一次性 AI 输出，一种新的

在智能智能体领域，工具定义能力。随着智能体从反应式脚本转向目标导向的自主系统，开发者必须掌握一个不断扩展的框架、模型和基础设施生态系统。本章将对智能体工程领域中的工具进行结构化探索，为你提供实践洞察和

由于自主智能体的出现，人工智能（AI）正站在一个变革性门槛上。自主智能体也许代表着自从计算从过程式编程转向面向对象编程以来，计算架构中最重要的一次进展：它从根本上重新想象了数字系统如何运行，以及如何与

12.1 从技能到学科：提示词工程师正在成为什么 当大型语言模型最初进入公众视野时，提示看起来是一种即兴且自然生长的行为。早期用户把它当作一种手艺或游戏：尝试不同措辞、调整语气，并运用巧妙技巧来产生新

11.1 什么使一个提示成为“系统性提示”？ 在本书前几章中，我们把提示词工程理解为一种植根于直接互动的实践：一个人写下一条指令，语言模型作出回应。这种框定方式把提示看作个人与 AI 系统之间一种离散

10.1 什么使一个问题成为“复杂问题”？ 不同类型的问题需要不同的方法。有些问题可以通过简单命令或事实查询来解决，例如请求天气预报或计算利率。然而，也有一些问题无法通过直接请求轻易解决。我们称之为复

9.1 当提示错误变成高风险问题 在许多专业语境中，提示词工程仍然被视为一种效率问题：一种从大型语言模型（LLMs）中获得更快、更清晰或更准确回应的方法。然而，当提示发生在医疗、教育、刑事司法或就业等

8.1 作为伦理设计的提示 提示词工程常常被误认为是一种中立的技术活动。然而，每一条提示都代表着一系列关于受众、语气、框定方式和目的的决策，而这些决策会塑造知识如何被检索、呈现和理解。这些决策不只是引