教程
操作指南与入门教程
负责任地发布一个 AI 功能：一份清单
一份面向 AI 功能的实用上线前清单——涵盖准确性、安全、隐私、透明度，以及那些保护用户的人为防线。
像测试代码一样测试你的提示词
提示词是发布给用户的代码。就该这样对待它——配上测试用例、一条基线,以及每次改动前的回归检查。
那些依然重要的提示工程基本功
提示词的潮流来来去去。一小套基本功却能跨越模型与版本持续奏效。下面就是它们，连同每一条背后的道理。
为 AI 回答添加引用
引用能把一个无法验证的回答变成可核查的回答。本文讲解如何让模型引用来源，并且诚实地引用。
为任务选择合适的模型规模
越大并不总是越好。这是一套实用方法，帮你挑出与任务、预算和你能接受的延迟相匹配的模型规模。
搭建一个反馈闭环来改进回答
一个从不从错误中学习的 AI 功能会原地踏步。如何捕获信号、把它变成示例，并闭合那个让回答变好的闭环。
减少幻觉：一份实用清单
当任务诱导模型编造时，它就会编造事实。这份清单列出真正能减少幻觉的做法，同时不假装你能彻底消除它们。
衡量质量：如何搭一套基础评测
"感觉"无法规模化。一套小而诚实的评测，能把"这好像更好了"变成一个你可以信赖的数字——本文教你从零搭一套。
为检索把文档切好块
检索的好坏取决于它的块。这是如何切分文档，让正确的段落能完整、带着上下文地被取回。
在 UI 中流式传输并渲染模型输出
为什么流式传输让 AI 功能感觉飞快，以及如何在 UI 中逐 token 渲染输出，而不出现闪烁、断裂的标记或布局混乱。
搭建一条简单的 RAG 流水线：概念走查
把检索增强生成一段一段地搭起来。没有魔法，不绑定具体技术栈——只讲流水线的形态和那些真正要紧的决策。
成本控制入门：让一个 AI 功能保持可负担
AI 功能按 token 计费，而小习惯会复利成大账单。这里是几个经久的杠杆，帮你在不掏空质量的前提下把成本控制住。
优雅地处理错误与超时
模型调用会失败、会卡住、会被限流。一份关于重试、超时、降级和故障安全行为的实用指南，让你的 AI 功能保持可靠。
写一条真正管用的系统提示词
系统提示词在对话开始之前就立好了规则。本文教你如何写出一条能扛住各种真实输入、而不只是在演示里好看的系统提示词。
你的第一个 AI 智能体：一个极简而诚实的构建
智能体就是一个置于循环中、能调用工具的模型。先构建最小而诚实的版本，理解它为何有效，并在添加雄心之前弄清它会在哪里出错。
少样本提示：一份实用指南
示例比指令更快地教会模型。这里讲的是如何挑选、排序和格式化它们，让少样本提示可靠地见效。