分享前端开发工程师的一些日常生活、前端知识点、职业发展、对一些问题的看法、感悟等等

写提示词（Prompt Engineering）其实有一套比较成熟的方法论。很多人刚开始会随便问一句，但高手写的提示词和普通人差别很大。很多人提示词是这样写的：AI只能猜。高手会这样写：你会发现：这个原则几乎适用于所有模型，比如 GPT-4、Claude、Gemini。不要写一大段话。最好写成结构：例如：AI会更容易理解。大模型对 角色设定 非常敏感。例如：或者：这样 AI 的回答会明显不同。例如：四、给示例（Few-shot）这是非常经典的技巧。例如：AI就会模仿模式。如果不限制格式

是一个给。。它主要用于管理像这样的 AI 编程助手。

Skill = AI 可以调用的一项具体能力API函数服务实现。

是一种让。它最早由 Anthropic 提出，主要用于配合 Claude 以及 AI 开发工具生态。任何工具只要支持 MCP，就可以被 AI 接入。

数据类型用户名字符串年龄数字时间日期而这种几百到几千维的数字数组。OpenAI APIBERT“猫在沙发上睡觉”“小猫在椅子上休息”生成的向量会非常接近。所以就可以通过向量距离找到语义相似内容。余弦相似度欧式距离点积。

openai版本：>=1.6.0,<2.0.0。python版本：3.13.11。key要保存好，否则无法找到。这是你跑通 SDK 的。改 base_url。

uvicorn是一个高性能的 Python ASGI 服务器，它负责真正运行 FastAPI 项目。FastAPI 是框架，Uvicorn 是用来运行 FastAPI 的“发动机”。下面我给你一个前端工程师能一秒理解的解释。它是一个用于运行异步 Web 框架，比如速度非常快（基于JavaPythonUvicorn👉你写 FastAPI，但真正处理网络请求的是 Uvicorn。FastAPI = 框架，而不是服务器Uvicorn = 运行 FastAPI 的 ASGI 服务器。

张量 = 带有维度的数字表格（多维数组）名称数学叫法维度（rank）例子标量scalar0维7向量vector1维[3, 5, 9]矩阵matrix2维3维张量tensor3维如彩色图片（宽 × 高 × 通道）N维张量tensorN维大模型的权重、embedding 等向量 = 1维张量矩阵 = 2维张量图片 = 3维张量大语言模型权重 = 4维以上张量张量只是所有这些东西的更宽泛的名字。张量就是“多维数组”，是深度学习里承载数据和权重的基本单位。

LangChain 是当前最流行的，尤其适用于：。如果你是一名技术人员（前端/后端），想要快速搭建 AI 应用，LangChain 可以让你大幅缩短开发周期。我会用程序员视角，讲清楚 LangChain 本质是什么、能做什么、什么时候该用、什么时候不该用。

大模型RAG

大模型三大架构

摘要：向量是一串数字，用于数学化表示文本、图像等内容（如1024维数组）。AI通过向量实现语义计算，核心原理是将相似内容映射为高维空间中的邻近点。向量支持RAG、搜索等关键功能：用户问题与知识库文档通过向量相似度匹配（如余弦相似度）。专用向量数据库（Milvus/FAISS）能快速检索海量向量，成为智能系统的技术底座。本质上，向量是用数学结构让机器理解语义的基础工具。（149字）

入门人工智能