🏷️ 实践指南

共 2 个相关内容

📝 文章

Agent评测为什么总是自我感觉良好：从「答对」到「没做坏事」的三层评测

用LLM当裁判、用准确率当指标，得到的高分在实践中屡屡翻车。本文提出结果层、过程层、代价层三层评测框架，并给出可直接落地的用例设计与采样策略。

提示词工程已经过时了吗：从「写句子」到「设计接口」的转变

模型越来越会猜你的意图，提示词的技巧性价值在下降。但上下文组织、约束表达、输出契约设计反而更重要。本文讲清提示词工程真正没被淘汰的部分，并给出一套工程化写法。