大模型本身是无状态的，对它来说，每一次请求都是一个独立的请求。为了约束模型，Langchain提供了, 设定了模型的“身份、规则和行为边界”，在每一次提交给模型用户问题时都添加上，保证模型输出的稳定性.Actor:Tools:Rules:Others:定义角色以及角色风格，“You are an expert weather forecaster” , 角色的风格“who speaks in pu

本文探讨了上下文学习(ICL)中提示词工程的运行机制及其重要性。这些发现揭示了提示词工程的核心机制，解释了为何需要像编写程序一样精心设计提示词，以提高模型推理的准确性和效率。

​这是我们《AI开发实践》系列的第2篇，我们开始学习Langchain。在前一篇中，我们使用Dify对AI Agent有了基础认知之后，我们将使用业界主流的LangChain框架开发同款应用，实际体验如何通过代码开发一个AI Agent。

本文介绍了如何通过Dify平台快速部署基于Deepseek大模型的AI聊天机器人。文章展示了布署配置过程以及完整的工作流日志，整个部署过程约10分钟完成，旨在帮助开发者在入手前感觉一下，Agent是什么，如何和在线LLM对接。

本文梳理 11 篇 ICL 核心论文，从现象发现、机制研究到理论框架搭建，拆解上下文学习底层逻辑；并基于论文结论提炼 22 条提示词写作规范，从架构逻辑、运算约束、模式激活、示例工程四大维度，为大模型提示词工程提供可落地的实操指南，让提示词设计贴合 ICL 机理，实现模型输出的稳定性与确定性。

至此，花了3天时间，利用一台便携和一台小米电视， 打通了** “飞书->openclaw->ha-mcp->home assistant->米家->小米电视 ” 全链条， 实现了通过飞书消息来操作小米电视**全部的集成完成。在这个复杂的集成链条中，涉及到了 字节，openclaw开源生态，home assistant开源生态，小米 4个体系，2 家开源生态，2个大厂，打通还是挺复杂的。厂家对开源的

至此，花了3天时间，利用一台便携和一台小米电视， 打通了** “飞书->openclaw->ha-mcp->home assistant->米家->小米电视 ” 全链条， 实现了通过飞书消息来操作小米电视**全部的集成完成。在这个复杂的集成链条中，涉及到了 字节，openclaw开源生态，home assistant开源生态，小米 4个体系，2 家开源生态，2个大厂，打通还是挺复杂的。厂家对开源的

大模型选型8步评估法的指导思路是：由业务需求到对大模型的技术诉求，由粗筛到细筛，由实验室测评到网上实际业务验证，综合考虑效果、成本、安全合规、可维护性，一步一步的找到真正可用的大模型组合策略。