标签：检索增强

**“提示词” vs “提示词工程” vs “上下文工程”：三者区别与应用场景** 在与大模型交互时，往往会听到“提示词”、“提示词工程”和“上下文工程”这几个概念，它们虽然相关但侧重点各不相同。 **提示词（Prompt）**提示词是你直接输给模型的那段文字或指令，用来触发模型的生成行为。它通常简短明了，例如“请用中文总结以下段落”或“给出一段 Python 排序示例代码”。 **提示词工...

**什么是大模型上下文工程？** 大模型上下文工程（Context Engineering）是指在调用大型预训练模型（如 GPT、Gemini、Claude 等）时，通过精细构建和管理输入文本的上下文信息，以最大化模型理解能力和输出质量的一系列方法和实践。 上下文工程的核心要素 * **上下文窗口管理**在限定的 token 长度内合理组织信息，包括核心指令、示例、背景资料以及必要的元数据，...

**什么是RAG？检索增强生成的原理与应用详解** 在大语言模型（LLM）广泛应用的今天，如何提升其输出的准确性和时效性成为关键问题。RAG（Retrieval-Augmented Generation，检索增强生成）技术应运而生，旨在通过引入外部知识库，增强LLM的生成能力。本文将深入解析RAG的定义、工作原理、优势以及应用场景，帮助读者全面理解这一前沿技术。 **一、RAG的定义** R...