工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的原创文章，来自与我们操作层软件同一套工程实践。正文为英文。
标签：Prompt Engineering
人工智能智能体的上下文工程：筛选模型可见的内容
为何智能体的性能会随着上下文规模的增加而下降，上下文工程与提示词编写的区别，以及用于决定每个模型调用所接收内容的简单流程。
阅读约 8 分钟诊断大语言模型输出问题：何时该使用提示词、检索或微调
一种以症状为导向的方法，用于判断弱人工智能功能是否需要更好的提示、检索层或微调，以及为何用事实数据训练模型反而会适得其反。
阅读约 7 分钟六个能告诉你在信任某个答案之前应检查什么的人工智能概念
令牌、上下文窗口、温度参数、幻觉现象，以及被用作验证工具的RAG与智能体，帮助你发现错误、控制成本，并判断人工智能产品的宣传内容是否真实。
阅读约 10 分钟从模糊到精准：通过三步精心修改完善一个提示词
观看一条简单的LLM提示如何演变成结构化的任务说明，了解为何上下文能决定内容的真实性，而角色设定、格式要求与约束条件则决定了最终结果的质量。
阅读约 4 分钟使用 Claude Artifacts 构建个人提示词优化工具与生成器
将Claude聊天功能转化为带有Artifacts功能的个人提示词优化工具：它能提升薄弱提示词的质量，并将初步想法发展为基础版、进阶版和专家级版本。
阅读约 9 分钟受限提示：防止人工智能助手创建平行系统栈
为何模糊的功能需求会导致编码助手添加重复的库和封装层，以及如何通过带有路径、不变条件与强制终止点的受限提示来解决这一问题。
阅读约 6 分钟使用LCEL构建LangChain流程：线性、并行及分支结构。
学习如何使用pipe操作符、RunnableParallel和RunnableBranch，将提示词、模型及解析器整合为线性、多阶段、并行及条件化的LangChain流程。
阅读约 41 分钟一种用于将小型网站部署到 Cloudflare 的人工智能辅助工作流程
利用人工智能编程助手、GitHub以及Cloudflare的免费套餐，可创建一套可重复的工作流程与提示词模板，用于设计、迭代并部署小型网站。
阅读约 9 分钟反向提示：将良好的大语言模型对话转化为可重复使用的提示语
了解如何从成功的多轮大语言模型对话中提取一次性提示词，以及当只有输出结果时如何通过提示词反转来恢复原始提示词。
阅读约 6 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
技术文先发英文，以保证代码与 API 名称准确。站点外壳提供全部九种语言。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。