摘要： 本文系统介绍了大语言模型（LLM）应用的三个关键技术层级： 提示词工程：通过角色设定、格式约束等设计输入文本，控制模型输出； 上下文工程：动态管理信息（召回/压缩/组装），解决上下文窗口限制； 驾驭工程（Harness Engineering）：构建记忆层、反馈层、编排层、执行层，实现AI Agent的规划与自愈能力。最终通过规范驱动开发（SDD）落地，使LLM从"会说话&quo

本文系统梳理了大模型应用开发的核心技术层级：从基础的LLM（大语言模型）出发，通过Memory机制解决上下文记忆问题，借助RAG（检索增强生成）扩展知识边界，利用MCP协议实现工具调用能力，最终通过Skills指南完成复杂任务规划。这些技术层层叠加，将大模型从简单的文本生成器进化为具备记忆、知识、执行能力的AI Agent智能体。文章以通俗易懂的方式揭示了AI Agent=LLM+Memory+R

摘要： 本文系统介绍了大语言模型（LLM）应用的三个关键技术层级： 提示词工程：通过角色设定、格式约束等设计输入文本，控制模型输出； 上下文工程：动态管理信息（召回/压缩/组装），解决上下文窗口限制； 驾驭工程（Harness Engineering）：构建记忆层、反馈层、编排层、执行层，实现AI Agent的规划与自愈能力。最终通过规范驱动开发（SDD）落地，使LLM从"会说话&quo

本文系统梳理了大模型应用开发的核心技术层级：从基础的LLM（大语言模型）出发，通过Memory机制解决上下文记忆问题，借助RAG（检索增强生成）扩展知识边界，利用MCP协议实现工具调用能力，最终通过Skills指南完成复杂任务规划。这些技术层层叠加，将大模型从简单的文本生成器进化为具备记忆、知识、执行能力的AI Agent智能体。文章以通俗易懂的方式揭示了AI Agent=LLM+Memory+R

idea接入deepseek

idea接入deepseek

VScode加Cline访问Deepseek模型

idea接入deepseek

VScode加Cline访问Deepseek模型