@prompt / 博客 RSS 訂閱

Dec 02 2025

查拉圖斯特拉説 - Coze工作流意圖識別

前言這章節主要是簡單瞭解一下工作流的一個應用，主要是講的是意圖識別，也就是我們在當模型應用當中常用的一些提問，然後大模型識別我們的意圖，根據我們的意圖去做相關的一些處理，這有點像一個流程圖或者像我們平常的流程圖，但是他很抽象，可以拖動對應的模塊來處理。 釦子裏面提供了很多插件，你可以根據你的選擇去調用，看到裏面部分的一些邏輯，判斷有點像代碼了 意圖識別這個意圖識別其實他

機器學習 , 知識 , 人工智能 , prompt

收藏 評論

Dec 05 2025

失落的泡麪 - 標書智能體（一）——AI解析招標文件代碼+提示詞

用Python+React打造一個開源的AI寫標書智能體~ 今天是第一期，招標文件解析： 招標文件動輒幾萬字，雖然現在各主流大模型的上下文窗口都越來越大，但也只能代表AI“可以處理幾十萬字的上下文”，並不代表你隨便扔給AI幾十萬字，它就能“處理得好幾十萬字的上下文”。 我們在寫投標文件之前，一定要先把招標文件通讀一遍，標註出需要注意的點，然後再有針對性的撰寫招標文件。 AI寫標書也是一樣，第一步

react , 人工智能 , prompt , Python

收藏 評論

Dec 12 2025

HuiZhu - 別再給數據庫堆硬件了，你的SQL可能只是在"磨洋工"

有些開發者信奉一種"暴力美學"：查詢慢？加索引！還慢？加內存！再慢？換固態！ 這種"氪金變強"的思維，往往掩蓋了真正的技術貧瘠。 在雲原生時代，每一次低效的全表掃描，每一毫秒的CPU空轉，燃燒的不僅是服務器資源，更是實實在在的美元賬單。很多時候，你引以為傲的"複雜業務邏輯"，在數據庫看來，不過是一堆甚至連執行計劃都無法命中的垃圾代碼。 今天，我們要打破"性能優化=玄學"的刻板印象。不需要你背誦幾百

generative-ai , 數據庫 , chatgpt , SQL , prompt

收藏 評論

Dec 26 2025

HuiZhu - 別讓今天的技術選型，成為明年團隊的"辭職信"

技術圈有個殘酷的真相：70% 的技術債務，在項目啓動的第一週就已經註定了。 我們往往以為自己在做"技術選型"，實際上可能只是在進行一場"盲目跟風"。看到大廠出了新框架就想用，聽到 K8s 是未來就硬上，覺得微服務時髦就強拆單體。結果呢？一年後，團隊為了維護這套並不適合業務的複雜架構疲於奔命，當年的"前瞻性決策"變成了如今甩不掉的"填坑噩夢"。 選型不是選美，更不是賭博。它是用有限的資源，去換取未來

generative-ai , 技術選型 , 架構設計 , prompt , 效能工具

收藏 評論

Dec 17 2025

datian1234 - 必學收藏！大模型工程師必看：上下文工程2.0，從Prompt到AI Agent的完整指南！

前言 Context Engineering 2.0: The Context of Context Engineering 今天我們要探討一篇非常有前瞻性和系統性的論文：《上下文工程2.0：上下文工程的“上下文”》（Context Engineering 2.0: The Context of Context En

AI大模型 , 後端開發 , 人工智能 , 大模型入門 , prompt , harmonyos , 大模型學習

收藏 評論

Dec 17 2025

bugyinyin - 【AI大模型應用場景】AI Agent與工程系統融合實踐：兩大業務場景落地全解析！

簡介 文章分享了將AI Agent技術應用於"智能播報助手"和"批量建任務"兩個業務場景的實踐歷程，闡述了AI Agent與傳統工程系統深度融合而非完全替代的有效路徑。通過MCP協議擴展Agent能力邊界，實現報表自動監控和釘釘消息推送；在批量建任務場景中，探索了Agent與工程結合的最佳實踐，強調應準確理解技術邊界和長處，構建高效穩健的解決方案。

大數據 , 人工智能 , transformer , prompt , 大模型學習 , 前端開發 , Javascript

收藏 評論