上下文工程

讲清上下文工程的定义、做法与边界：它如何为大模型挑选和维护推理时的信息，又和提示词工程、上下文学习有什么不同，适合想用好长任务与智能体的读者。

思维链是大模型先写出中间步骤、再给出结论的回答方式。本文讲清它的定义和原理、与直接回答及推理模型的区别、哪些题型真正受益、步骤写得像模像样却依然出错的原因，适合想用好深度思考功能的普通读者。

上下文窗口决定大模型一次能读入多少 Token，直接影响长文档处理和多轮对话的连贯性。本文讲清它的定义、与知识和记忆的区别、窗口满后的三种处理方式，以及长上下文、RAG 与分段处理各自的适用边界，适合刚接触大模型的读者。

RAG 让大模型先查资料再回答，专治知识过时和一本正经的胡编。本文讲清检索增强生成的定义、两步工作流程、与微调的边界、四个常见误解，以及它适合和不适合的场景。

RAG 让大模型先查资料再回答，是给 AI 接入私有知识库的主流做法。本文讲清它的工作原理、与微调和长上下文方案的区别，以及三个常见误区，适合想做企业知识问答或个人知识库的读者，帮你判断什么场景该用 RAG。