AI 基础与概念类目枢纽封面

内容中心 / 类目

AI 基础与概念

85 篇文章AI Concepts

把 AI、Agent、RAG、微调、GEO 等基础概念讲清:是什么、边界在哪、企业怎么用。

把 AI、Agent、RAG、微调、GEO 等基础概念讲清:是什么、边界在哪、企业怎么用。 本类目共 85 篇,覆盖概念、方法、场景、边界与验收清单。 本页为第 4 页(共 5 页),可继续翻页浏览。

全部文章(85 篇) · 第 4 页

按文章编号排序;共 5 页,每页 18 篇。

微调实施清单:从选型到上线的 8 项检查

把微调的八项检查分成选型、数据、训练评测、上线运营四组:前两组决定方向对不对,后两组决定能不能长期跑。本文逐项给出检查内容、通过标准与不通过时的处理动作,可直接当作项目过会材料使用,也可作为…

AI 基础与概念 操作指南 2026-10-20

微调在企业里的 5 个典型场景

微调适合的是表达与格式高度稳定、样本容易获得的任务,而不是所有 AI 需求。本文列出五个在企业里较常见的场景,说明各自的输入输出、验收指标与不适用的情况,便于对照自身业务判断优先级,也便于估…

AI 基础与概念 分析 2026-10-20

什么是提示工程:企业该知道的 5 个要点

提示工程不是寻找万能咒语,而是把任务目标、输入格式、约束条件与输出结构写成可复用的指令资产,并配一套能跑的评测。本文用五个要点说清它和话术、模板、代码规则的区别,以及在什么条件下值得长期维护…

AI 基础与概念 分析 2026-10-20

提示工程的常见误区:企业最容易踩的 6 个坑

提示工程的坑大多不在措辞,而在把它当成万能开关:靠加词提升效果、用提示做权限控制、没有评测就上线。本文归出六类高频误区,说明各自的典型表现、后果与改法,便于团队对照自查并排定修复顺序,少交几…

AI 基础与概念 分析 2026-10-20

企业怎么落地提示工程:4 步路径与验收标准

把提示工程落地,关键是先有可判定的任务和可复跑的评测,再谈模板与治理。本文给出四步路径:选任务、建样本、写模板、上线运营,并说明每一步的交付物、验收口径与停止条件,可直接作为排期与过会依据,…

AI 基础与概念 操作指南 2026-10-20

提示工程和传统做法有什么不同

传统做法靠制度、话术库与代码规则约束行为,提示工程则把要求写成模型可执行的指令,并用评测验证。本文对照四种常见传统手段,说明差别在哪、哪些能沿用、哪些必须补上新的控制点与责任划分,便于改造时…

AI 基础与概念 分析 2026-10-20

怎么判断提示工程是否值得投入:5 个评估问题

提示工程的收益来自重复调用同一套指令,而不是写在文档里的漂亮模板。本文用五个问题帮企业判断是否值得投入:重复度、输入可结构化、输出可判定、是否已有基线,以及谁来长期维护。文中还给出不必投入的…

AI 基础与概念 操作指南 2026-10-20

提示工程需要什么团队与数据条件

提示工程看起来是一个人写模板,实际要四类角色配合:任务负责人、模板作者、评测工程与复核人。本文说明各自职责与最小配置,并列出四类数据条件:真实输入、期望输出、边界样本、授权与脱敏,便于在立项…

AI 基础与概念 分析 2026-10-20

提示工程实施清单:从选型到上线的 8 项检查

提示工程的八项检查可分四组:任务与基线、样本与覆盖、模板与校验、上线与运营。每组两项,各配负责人、证据与不通过时的处理动作。清单可直接作为项目过会材料,也可用于外包交付的验收对照,避免只凭演…

AI 基础与概念 操作指南 2026-10-20

提示工程在企业里的 5 个典型场景

提示工程落地最快的场景,往往不是最炫的,而是输入稳定、输出可判定的重复性文本工作。本文列出五个常见场景,说明各自的输入输出、验收指标与必须保留的人工环节,便于对照业务排优先级,也便于估算准备…

AI 基础与概念 分析 2026-10-20

什么是上下文工程:企业该知道的 5 个要点

上下文工程是在每次调用前决定模型看什么、按什么顺序看、留多少空间。它不是把提示写得更长,而是像编辑一样筛选、排序与压缩材料。本文用五个要点说明它与检索、提示工程、知识库的分工,以及可验收的做…

AI 基础与概念 分析 2026-10-20

上下文工程的常见误区:企业最容易踩的 6 个坑

上下文工程的失败,多数不是模型不行,而是给的材料不对:塞得太满、来源不标、冲突不处理。本文归出六类高频误区与对应改法,并说明每类问题在上线后的典型表现,便于团队按现象反查原因,也便于对外解释…

AI 基础与概念 分析 2026-10-20

企业怎么落地上下文工程:4 步路径与验收标准

上下文工程落地不靠调提示,而靠四步:定义证据清单、固定上下文骨架、设预算与压缩、做消融与灰度。本文写明每一步的交付物、停止条件与验收口径,也指出哪些工作必须由业务方确认,技术团队不能独自决定…

AI 基础与概念 操作指南 2026-10-20

上下文工程和传统做法有什么不同

传统检索给人看链接,上下文工程给模型看证据块;传统知识库解决存与找,上下文工程解决给什么、给多少、按什么顺序给。本文对照五种常见做法,说明差别所在、哪些可以复用、哪些必须新增控制点,便于取舍…

AI 基础与概念 分析 2026-10-20

怎么判断上下文工程是否值得投入:5 个评估问题

上下文工程值得投入的前提,是错误主要来自材料而不是指令。本文用五个问题帮企业判断:错误是否与信息有关、知识有无底稿、问题类型是否集中、有无可评测的问题集、谁负责维护规则。每个问题都给出判据与…

AI 基础与概念 操作指南 2026-10-20

上下文工程需要什么团队与数据条件

上下文工程不是一个人调参数,而是知识整理、检索工程与业务判定三方的协作。本文说明知识工程师、检索工程与判定人三类角色的职责,以及结构化底稿、权限与来源、评测样本三类数据条件,并给出最小配置与…

AI 基础与概念 分析 2026-10-20

上下文工程实施清单:从选型到上线的 8 项检查

把上下文工程的八项检查分成四组:任务与证据、索引与权限、组装与预算、评测与运营。每组两项,各配负责人、证据与不通过时的处理动作,可直接用于项目过会,也可作为外包交付的验收对照与付款依据,便于…

AI 基础与概念 操作指南 2026-10-20

上下文工程在企业里的 5 个典型场景

上下文工程真正见效的场景,都有共同点:答案依赖多份材料、材料有版本、错答代价高。本文列出五个在企业里较常见的场景,说明各自的证据来源、上下文骨架与必须保留的人工环节,便于对照业务判断优先级与…

AI 基础与概念 分析 2026-10-20

需要针对自己的业务做判断?