也无法发现自己的推理错误——每个输出的TOKEN，模型都会认为是正确的，因此无法像人类一样进行“纠错式”推理。→「人：上传发票（PDF/图片）」→「工具：格式检查（PDF/图片）」→判断：格式是否正确？的TOKEN（不是上一个，也不是所有），通过向量相似度计算（夹角越小越相关）聚焦核心信息。，并上传流程图（课程核心是结合大模型+工作流/智能体，设计自动化的发票审核流程）。（如8层/16层），不是无

进行下一个任务，不要在一个窗口中持续进行多轮无关对话，避免上下文堆积影响模型输出的准确性（以豆包为例，其产品设计引导用户在一个窗口对话，实际是不利于模型输出的设计）。（模型预训练设定的结束标识符，如end of sentence）或找不到相似TOKEN，推理过程结束，最终将所有生成的TOKEN拼接为完整答案。普通用户的对话质量参差不齐，厂商不会将其作为模型训练的语料，即便采集也不会直接用于训练，无

帮我写一个Python Demo，包含两个工具：①记账工具：提取用户自然语言中的消费信息（时间、事项、金额），保存到Excel表格；要求：接收用户输入，调用大模型API获取结构化数据，运行工具后返回结果，打印每个步骤的执行过程，允许用户在对话中输入需求，不使用示例数据。将Function Call工具封装为MCP服务，实现跨设备、跨平台使用，无需重复复制代码。掌握API请求配置，让大模型输出结构化

input type="text" id="model-name" placeholder="如chat、kimi-turbo" style="width: 300px;<textarea id="system-prompt" rows="5" cols="40" placeholder="粘贴system-prompt.md中的内容"></textarea><input type="text"

解决AI生成的原型图分散在多个网页，需要逐个点开查看的问题，用iframe标签搭建一个“画布网页”，将所有AI生成的原型图嵌入到一个页面中，可放大/缩小/拖拽，能查看手机端/PC端的适配效果，还能实时交互。优化：复用PRD/详细功能描述，将其输入大模型，添加提示词“按禅道的固定格式生成测试用例，包含所有功能点和字段限制”，AI可直接生成可用的测试用例。：AI是提效工具，不是替代产品经理，学习的核心

2025年仅垂直细分场景使用，当业务实际落地时，为解决大模型“慢、贵、需私有数据适配”问题，微调是核心解决方案。学习率、训练轮数、最大梯度范围、批处理、截断长度、输出路径、设备数量等，均保持框架默认，广告文案场景无需调整。为例完成全流程实操，所有操作步骤、指令、避坑点均做详细说明，按步骤执行即可完成大模型微调的启动。，其余均为默认（零基础不要修改），设置完成后点击开始，即可启动大模型微调，核心是。

核心是提取其中的单个功能点（比如“可视化图表生成”“SQL生成”），借助AI撰写该功能点的PRD（产品需求文档），这是产品经理的核心工作，零基础学员借助AI可快速完成，：掌握用大模型拆解开源项目的方法，理解SQL Bot核心产品逻辑，能借助AI提取开源项目功能点并撰写PRD，实现AI问数类产品最小可行性版本（MVP）的简易自研落地。，基于撰写好的PRD，让AI帮我们开发一个最小可行性版本（MVP）

再让 AI 精准执行。只要按「删无用→改描述→补信息→查清单」4 步走，就能写出能用的提示词，让 AI 直接生成代码。原型图需求 → 手动优化需求文档 → 补充技术 / API / 视觉信息 → 投喂 AI 生成代码。优化完需求，必须加 3 类信息，AI 才知道「用什么技术、怎么调用接口、长什么样」：用户 + 可执行操作 + 操作后结果 + 找回 / 处理方式。：学会把 AI 生成的原型图需求，改

"content": "参考资料：RAG是检索增强生成，核心是先搜资料再拼上下文给大模型。"content": "你是专业问答助手，仅依据提供的资料回答，不编造内容"比如：用搜索引擎查资料、调历史对话、查技能库，逻辑全是 RAG。大模型本身会「忘知识、胡说八道（幻觉）」，RAG 就是。模仿人类推理的格式，本质还是概率生成，不是真思考。用户问题：请用一句话解释什么是RAG？向量库只是「搜资料」的一种

模拟真实患者人格 / 情绪，随机生成患者档案，8 维度评估营养师沟通表现。，重点点评 4 个典型案例，零基础直接对照避坑。