工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：prompt-engineering
AI智能体基础：目标设定、提示词设计与模型选择
如何为生产型AI智能体奠定基础：明确目标与成功指标，编写带有目标和约束条件的提示词，然后选择合适的模型。
阅读约 21 分钟控制Bedrock智能体行为：提示阶段、解析器与推理机制
如何通过解析器Lambda、JSON契约以及各阶段推理设置，在Terraform中覆盖Bedrock的预处理、编排和后处理提示。
阅读约 22 分钟LLM应用的语境工程：结构化输出、工具与智能体限制
如何有意识地构建模型输入：上下文选择、提示词模板、JSON模式、受限解码、工具调用、智能体循环与有限自主性。
阅读约 13 分钟对用于重试智能体错误最终行为的评分规则机制进行了测试。
一项包含30个案例的实验：由大型语言模型作为裁判并配合一次重试，将错误的支持行为从6个减少到2个，以及为何检测到违规行为并不总是意味着智能体会进行修正。
阅读约 7 分钟从零样本到自我一致性：实用的提示技巧进阶路径
提示工程作为攀登阶梯：零样本、少样本、分解法、批判循环与推理提示，附辅助机器人示例及何时使用纯代码。
阅读约 16 分钟提示、上下文、工具利用、循环：构成AI智能体的四层结构
提示词、上下文、工具与循环：构成每个AI智能体的四层结构，从提示词工程开始，每一层的存在都是因为其下层存在不足。
阅读约 7 分钟提示工程、RAG还是微调？先诊断问题层次再做选择。
2026年选择提示工程、RAG和微调的实用方法——通过三个问题、决策流程、成本结构、内容新鲜度以及常见错误来辅助决策。
阅读约 9 分钟为何像Claude Code这样的编程智能体需要治理机制，而非更优的提示词。
提示词决定单次交互的结果，而非整个工作流程。规则、限定上下文、权限限制以及完成度验证等治理机制如何让Claude Code具备可靠性。
阅读约 11 分钟从提示工程到上下文工程：编写、筛选、压缩、隔离
面向AI智能体的上下文工程课程：为何提示工程不够用，上下文窗口如何填充，四种策略，工具用的RAG技术，Claude Code。
阅读约 18 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。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
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。