AI 教程资源

AI Agent 系统设计的关键是选对复杂度：固定工作流适合稳定流程，自主代理适合动态任务。本文介绍 Agent 系统的构成、设计模式、编排与可靠性设计。

OpenAI 发布《A Practical Guide to Building Agents》实用指南，提出"Agent = 模型 + 工具 + 编排"的框架与构建原则。本文整理其核心思想：从简单工作流到动态智能体，以及可靠性设计。

Google 在 2025 年发布官方 Prompt Engineering 白皮书，提出"上下文工程"概念与系统化提示词优化方法。本文整理白皮书的核心框架、实践方法与风险评估。

Google 发布 Agent 白皮书，提出"智能体 = 模型 + 工具 + 编排层"的框架。本文整理智能体的认知架构、工具、编排、上下文工程与多智能体协作等核心概念。

Anthropic Economic Index 是 Anthropic 基于 Claude 真实对话数据发布的 AI 经济影响指数。本文整理其方法、主要发现（AI 用于增强还是自动化、任务构成变化）与局限。

工具调用（Tool Use / Function Calling）让 Claude 能调用外部函数完成任务。本文介绍工具调用的工作原理、工具定义写法、构建 Agent 的流程与最佳实践。

提示词工程的实战目标是"稳定"：明确任务、给足上下文、约束格式、迭代测试。本文用真实任务示例讲解结构化提示词、少样本示例、思维链与评估改进的方法。

Transformer 是 2017 年提出的深度学习架构，也是 ChatGPT、Claude 等大语言模型的基础。本文用通俗方式解释它的工作原理：注意力机制、编码器-解码器结构，以及它如何支撑现代 AI。

Embedding 把文本、图像等数据映射为高维向量，让"语义相似"变成"向量距离近"。本文介绍 Embedding 的原理、生成方式、应用（搜索/聚类/推荐）与选择要点。