-
“上下文工程”的兴起
文章介绍了“上下文工程”，将其定义为构建动态系统，为 LLM 提供正确的信息、工具和格式，以便它能够可靠地完成任务。它认为这对于可靠的代理系统至关重要，因为失败往往源于不充分或格式不佳的上下文，而不仅仅是模型的固有局限性。它将上下文工程与提示工程区分开来，认为后者是前者的一个子集。文章提供了工具使用、记忆和检索等示例，并将 LangGraph 和 LangSmith 定位为实现这种方法的工具，强调…- 0
- 0
-
Anthropic 发布 AI Agent 上下文工程指南
文章深入探讨了 Anthropic 提出的“上下文工程”概念，将其定位为“提示词工程”的自然演进，强调在构建工业级 LLM 应用时，需全面管理模型可访问的整体状态。文章指出，尽管 LLMs 处理能力增强，但仍存在“上下文衰减”现象，因此需要精心设计上下文以应对有限的“注意力预算”。指南详细介绍了高效上下文的结构，包括清晰的系统提示词、高效的工具设计和规范的少样本示例。此外，文章还提出了针对长期任务…- 0
- 0
-
110. 逐段讲解 Kimi K2 报告并对照 ChatGPT Agent、Qwen3-Coder 等：“系统工程的力量”
本期播客深入探讨了大型语言模型（LLM）驱动的 AI 智能体（Agent）从理论研究到实际应用的复杂性与挑战。嘉宾首先对 Agent 进行了清晰定义和分类，包括 Coding Agent、Search Agent、Tool-Use Agent 和 Computer Use Agent，并阐述了其感知与行动的核心能力。对话对比了 In-Context Learning 和端到端训练两种主流技术路线的…- 0
- 0
LLM应用
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×