最佳实践

Demo 跑通和生产可用之间隔着一整个太平洋。这个分类只讲那一段路。

• 提示工程模式 —— 角色设定、少样本、思维链、结构化输出，各自什么时候起效
• 上下文工程 —— 上下文窗口是稀缺资源，怎么决定放什么、丢什么
• 评测（Eval） —— 改了一版 prompt，怎么确定是真的变好了
• 成本与延迟 —— 缓存、模型分级、批处理，把账单和响应时间同时压下来
• 安全 —— 提示注入、越权工具调用、输出泄露
• 可观测性 —— 日志该记什么，出问题怎么复现

一条经验

先做评测集，再调 prompt。没有 20 条固定测试用例之前，所有"效果好像变好了"都是错觉。