概览
汇总近年的 AI 实践要点与资源导航：大语言模型（LLM）、RAG（检索增强）、函数/工具调用、智能体工作流、评测与安全，以及工程化与部署路径。
持续更新 · 推荐收藏本页
核心能力
- 大语言模型基础：上下文、温度/采样、系统提示、函数调用、工具使用。
- RAG 设计：数据清洗/切片、Embedding、向量检索、重排、结构化回答。
- 智能体：多工具编排、计划与反馈、长时记忆、任务分解与验证。
开发与部署
- API/SDK：OpenAI API、Anthropic、Google AI、Vercel AI SDK。
- 框架：LangChain、LlamaIndex；部署：vLLM、Ollama。
- 服务化：FastAPI、Ray、Modal。
检索与向量
- 数据库与插件：PostgreSQL + pgvector，Milvus，FAISS，Weaviate。
- 检索流程：索引构建、近似搜索、重排（Rerank）、答案组装与来源引用。
评测与安全
- 评测：任务导向评测、基准集、自动化回归，OpenAI Evals 等。
- 安全：越狱/提示注入防护、数据脱敏、输出约束与防幻觉策略。
精选资源
- OpenAI 文档 · OpenAI OpenAPI
- LangChain · LlamaIndex · vLLM
- pgvector · Milvus · Weaviate
精选文章
RAG 实战入门
从零搭建检索增强生成：文档切分、Embedding、索引、检索、重排与引用。
智能体设计与多工具编排
规划—执行—反馈回路、工具选择与调用、记忆与验证，在工程中的最佳实践。
评测与安全治理
度量、回归、基准构建与越狱/提示注入防护，交付可控与合规的应用。
企业级 RAG 蓝图
从数据治理到评测与安全的全链路架构与落地清单。
RAG 重排与评测
召回优化、重排模型选择、指标体系与自动回归的深水区实践。
函数调用最佳实践
工具协议设计、路由与回退、验证与安全、审计与可观测。
AI 安全：提示注入
威胁模型、输入/上下文隔离、检测与输出约束、审计与响应。
