提示词很好理解，就是给 AI 模型的输入文本，就是你直接向模型输入的问题或指令。比如你让 ChatGPT 总结一段文本、调用模型 API 传入提示词去翻译一篇文章等等。提示词是一段文本，有点像代码。提示词工程是一个过程，系统化地设计、测试、优化提示词的过程。就像软件工程，我们为了完成某个需求，要有一套科学的方法来帮助完成软件开发的过程，有方法论（比如敏捷开发），要使用工具，要保证质量，不断迭代，最

从提示工程到上下文工程，这不仅仅是一个技术名词的升级，更像是一种思维模式的跃迁。在上下文工程中，有记忆，有工具，有结构化的知识，有多样的智能体协同。它为模型提供了一个稳定、可靠且信息丰富的工作环境。希望今天的分享，能让你在构建自己的AI应用时，不止于打磨那一句精妙的Prompt，而是能退后一步，从系统和架构的视角，去思考如何为你的AI，构建一个真正强大的“上下文”。，它能帮助我们更加系统化的去理解

对一些基础简单的 Prompt 来说（比如只有一两句话的 prompt），可能在不同模型上表现差不多，但是任务难度变复杂，prompt 也相应的复杂以后，不同模型表现则会出现明显分化。为形成一套简单有效且通用的 Prompt 构建方法，我参考 AutoGPT 中的提示词，结合自己对 Prompt 的理解，提出了 LangGPT 中的结构化思想，重新设计了并构建了 LangGPT 中的结构化模板。实

3、国产CPU+国产AI芯片，个人认为CPU本身和AI芯片都是理论上兼容的，但是在国内通常会进行“组合”销售，比如HW的KP+ST，HG的CPU+DCU等，这是一个厂商同时具有CPU和AI芯片的情况的，但是的AI芯片品牌众多，很多AI芯片公司通常选择一到几家服务器厂商进行适配（基于Intel或者AMD的GPU机型），国产AI芯片厂商主动适配国产CPU平台的不多（除非客户指定，因为国产AI芯片本身出

Claude Code 在上下文窗口使用率达到 95% 后会自动对对话轨迹进行总结，再替代注入。这种方式可以采用递归摘要、层次摘要等策略，也可以训练微调模型用于关键事件提取。

在硅谷，类似DeepSeek这样的AI创新并不少有，只是这次是一家中国公司做出了这个动作，相比传统的‘美国创新、中国应用’的模式显得格外的让人兴奋。从最近的一些访谈以及DeepSeek的技术报告中也能看出以下几点：1、大模型是一个知识密集型产业，如何组织高密度人才？显然DeepSeek做到了2、大模型技术没有魔法，更多时候就是考验基本功和驱动力3、不以商业化为第一要义，很多时候能轻装上阵。

随着大模型的火热，越来越多的人希望可以购买一个硬件进行大模型的推理，特别是在3090和4090显卡的对比上，需求比较大。目前已有的显卡对比，大多面向于和，如图所示。但是，对于消费级的显卡的计算能力的参数对比还比较少，更多的是对比游戏或者跑分的。由于工作需要，特地辗转了多方网站，整理了3090和4090的性能参数对比图，附带A100的参数用于衔接。568/1136284/56841.317.882.

RAG作为AI精准回答的“密钥”，其效果高度依赖于文档处理的质量。杂乱无章的知识库只会让AI“越帮越忙”，而结构化、高质量的文档则能让RAG如鱼得水。无论是企业还是开发者，通过统一文档格式、精炼内容、构建结构化知识库等方法，都能显著提升RAG的实用价值。2025年的今天，AI创新已经喷井，几乎每天都有新的技术出现。作为亲历三次AI浪潮的技术人，我坚信AI不是替代人类，而是让我们从重复工作中解放出来

Text2SQL技术旨在将自然语言转换为SQL查询语言，简化数据库查询过程。本文通过测试五款主流大模型（ChatGPT3.5、ChatGLM4、文心一言3.5、讯飞星火、Kimi）对Elasticsearch的DSL查询语法的理解能力，展示了它们在处理复杂查询时的表现。测试基于律为法库的裁判文书数据，涉及字段包括案件类型、法院名称、审判日期等。结果显示，ChatGPT3.5在日期格式和聚合查询上表

openAI库是OpenAI官方提供的Python SDK，旨在帮助开发者轻松调用OpenAI的API，实现自然语言处理（NLP）、图像生成、代码补全等AI功能。通过openAI库，开发者可以快速集成GTP、DALL·E等先进模型，构建智能应用。