logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

13|Tool Calling:让模型“执行”而不只是“回答”

要让 AI 用工具,你得先给它写一份“说明书”。这份说明书通常是用写的。"description": "用于执行数学计算。当用户询问数学问题时使用。","description": "要计算的数学表达式,例如 '2 + 2' 或 '100 * 0.5'"},关键点name:工具的名字(AI 靠这个引用)。最重要!告诉 AI 什么时候该用这个工具。如果你写得不清不楚,AI 就不会用。paramete

66|把团队 SOP 写成 Skills:从“口口相传”到“按需加载”

本文介绍了如何将团队SOP(标准作业程序)转化为可复用的AI技能包(Skills),解决知识沉淀和执行问题。通过三个实战案例(代码审查、智能调试、单元测试生成),演示了Skill的构建方法:结合结构化Prompt(SKILL.md)和工具配置(manifest.json),将工作流程自动化。Skill的核心价值在于将传统文档转化为可执行代码,强制团队规范执行,显著提升开发效率。文章最后提出技能治理

#单元测试
64|接入工具:文件/网络/数据库至少两类工具

本文介绍了如何为AI Agent配备执行阶段的工具,重点强调安全封装与权限控制。核心要点: 工具封装:网络抓取工具需过滤HTML噪声并限制文本长度(如2000字),文件写入工具必须隔离工作目录,防止越权操作。 工具描述:通过JSON Schema向AI清晰说明工具功能(name、description、parameters),避免误用。 权限管理:工具需严格登记权限边界(如只读数据库、封闭文件路径

64|接入工具:文件/网络/数据库至少两类工具

本文介绍了如何为AI Agent配备执行阶段的工具,重点强调安全封装与权限控制。核心要点: 工具封装:网络抓取工具需过滤HTML噪声并限制文本长度(如2000字),文件写入工具必须隔离工作目录,防止越权操作。 工具描述:通过JSON Schema向AI清晰说明工具功能(name、description、parameters),避免误用。 权限管理:工具需严格登记权限边界(如只读数据库、封闭文件路径

64|接入工具:文件/网络/数据库至少两类工具

本文介绍了如何为AI Agent配备执行阶段的工具,重点强调安全封装与权限控制。核心要点: 工具封装:网络抓取工具需过滤HTML噪声并限制文本长度(如2000字),文件写入工具必须隔离工作目录,防止越权操作。 工具描述:通过JSON Schema向AI清晰说明工具功能(name、description、parameters),避免误用。 权限管理:工具需严格登记权限边界(如只读数据库、封闭文件路径

64|接入工具:文件/网络/数据库至少两类工具

本文介绍了如何为AI Agent配备执行阶段的工具,重点强调安全封装与权限控制。核心要点: 工具封装:网络抓取工具需过滤HTML噪声并限制文本长度(如2000字),文件写入工具必须隔离工作目录,防止越权操作。 工具描述:通过JSON Schema向AI清晰说明工具功能(name、description、parameters),避免误用。 权限管理:工具需严格登记权限边界(如只读数据库、封闭文件路径

59|回归与发布:让改动可追踪、可回滚

本文介绍了在AI编程时代保护项目成果的三大核心策略:1. 使用Git作为"后悔药",通过版本控制快速回退失败修改;2. 让AI编写回归测试脚本,确保新功能不影响原有功能;3. 建立迭代复盘模板,记录每次修改的改动范围、问题及修复方案。文章总结了完整的"个人AI编程工作流"闭环:从需求拆解、生成自检到回归发布,强调Git存档和测试脚本的重要性。这套方法论让开发者能够安全高效地进行AI辅助编程,为后续

#回归
03|模型与产品形态:Chat、IDE 助手、API、本地模型怎么选

本文系统分析了AI编程工具的四大形态(网页聊天机器人、IDE插件、API调用、本地模型),从智商、上下文窗口、价格三个维度对比优缺点。针对不同场景推荐组合方案:入门用户可选免费Trae+DeepSeek网页版,进阶开发者建议Cursor Pro+Claude 3.5 Sonnet API。特别提醒避免GPT-3.5等过时模型,强调根据项目敏感度、开发复杂度灵活搭配工具。最后提供决策树帮助读者快速匹

07|Token 与上下文窗口:为什么它会忘、为什么会贵

摘要: Token是AI计费的最小单位,不同于字数,它是文本被切分后的数字块。英文1 Token≈0.75单词,中文1 Token≈0.5-0.8汉字(新模型优化后更便宜)。Token数量直接影响费用和响应速度。 AI的“记忆”受限于上下文窗口(如GPT-4o支持128k Token),超限时早期对话会被截断,导致“遗忘”。每次对话API会重复计算历史Token,导致长对话成本滚雪球式增长,建议适

36|RAG 评测与回归:命中率、覆盖率、引用正确性

《RAG系统评测指南:告别“感觉好用”,科学评估三大黄金指标》 本文针对RAG(检索增强生成)系统上线前的关键评测环节,提出必须通过自动化机制取代主观判断。核心方法论围绕三大黄金指标: 命中率(检索准确性):确保系统能定位正确资料片段,达标门槛>0.85; 忠实度(生成可靠性):杜绝大模型虚构内容,要求>0.95且零容忍幻觉; 答案覆盖率(回答完整性):检查是否全面解决用户问题,基准>0.80。

#回归#数据挖掘#人工智能
    共 97 条
  • 1
  • 2
  • 3
  • 10
  • 请选择