⚙️ 工程能力 阶段二

掌握构建 Agent 所需的具体技术手段,回答"怎么做"。提示词工程、工具调用、RAG 检索增强、结构化输出、流式架构——这是 Agent 开发者的核心工具箱。

0 / 12 已读

本章内容

提示词工程进阶:从入门到系统化
Prompt 黄金结构、CoT、Few-shot、结构化输出、角色扮演、系统化 Prompt 管理。
提示词工程Prompt
Function Calling 原理与实践
工具调用底层机制、JSON Schema 定义、并行调用、参数幻觉和循环陷阱。
LLMTool UseFunction Calling
Tool Calling 进阶:工具网关与多工具编排
工具网关/工具链编排/描述工程/并行调用/错误重试/安全沙箱——6大进阶设计模式。
Tool Calling工具设计编排
Agent 工具系统设计六模式
从混乱到有序的工具设计模式,让 Agent 的工具调用更可靠。
工具设计架构模式
RAG 架构深度解析:从朴素到模块化
RAG 三代演进、五种检索策略、四种分块方案、查询优化技术和评估指标。
RAG检索架构
RAG 落地常见陷阱与优化策略
分块策略不当/纯向量检索/查询不匹配/LLM误用/数据不一致五大陷阱及对策。
RAG优化工程实践
RAG 查询重写策略
让检索精准命中的4种查询重写技术:Query Expansion、Rewriting、Decomposition、Hypothetical Document。
RAG查询优化
RAG 生产化部署:从原型到高性能系统
文档处理管线/混合检索/查询重写/Cross-Encoder重排序/增量索引/缓存策略全链路实战。
RAG生产部署检索优化
嵌入模型选型指南
OpenAI/BGE/E5/M3E/text2vec对比、维度选择原则、降级方案。
Embedding向量模型选型
向量数据库对比:选型指南
Chroma/Qdrant/Milvus/Weaviate/Pinecone/PGVector 全对比,选型决策树。
向量数据库技术选型
流式架构设计实践
SSE vs WebSocket,事件类型设计,中断恢复机制,打字机效果与前端渲染优化。
架构流式SSE
结构化输出完全指南
JSON Mode / Function Calling / 约束解码方案对比,Schema 设计原则与二次校验。
LLM结构化JSON

学习路径建议

Day 3:提示词 + 结构化输出——能写出高质量 Prompt,能让 LLM 稳定输出 JSON。
Day 4:工具调用——掌握 Agent 调用外部工具的完整链路,能设计一个工具系统。
Day 5:RAG 基础——理解 RAG 完整架构,能识别和避开常见陷阱。
Day 6:RAG 生产化——能把 RAG 从原型推进到生产级,掌握向量检索和流式输出实战。

上一阶段:核心基础 下一阶段:系统架构