提示工程101第十六课：负面提示与避免不良输出
文章介绍了如何使用负面提示来引导大型语言模型生成更可控的内容，包括基础负面示例、明确排除内容和实现约束机制等技术，并展示了结合Qwen3模型和LangChain库的应用案例。
PyTorch研习社
Spring AI：将AI赋能到你的Spring Boot项目中
在本教程中，我们将使用Spring Boot结合AI技术来生成笑话、查询书籍信息以及生成图像。通过Spring AI简化了与OpenAI及Azure OpenAI的集成，并提供了灵活的定制选项。
我尝试了12种智能体开发框架，看看哪种适合你？
构建AI代理需要选择合适的框架。文章推荐了多种选项，包括n8n、Flowise、Langflow等无代码/低代码工具和CrewAI、AutoGen等代码优先框架，适合不同需求的开发者和团队。
RAG已死？听听Anthropic怎么说！
文章介绍了Anthropic推出的Contextual Retrieval解决方案来提高RAG系统在上下文方面的能力。通过为每个文档chunk添加相关上下文信息，显著降低了检索失败率至49%。该方法无需修改现有的RAG架构或增加复杂性，而是在预处理阶段使用LLM生成简洁的上下文提示。
盘点RAG中最容易犯的5个错误
我介绍了在构建 Retrieval-Augmented Generation (RAG) 应用过程中遇到的第一个错误——使用向量数据库。此外，我也分享了两个建议：优先选择经过微调的小模型，并优化检索过程以提高效率和准确性。
0代码构建 AI Agent 网络：Python-A2A
你可以创建一个由专业 AI Agents 组成的网络，只需两个命令和几个简单的步骤。可视化构建器帮助用户无代码构建复杂的智能路由规则，实现业务价值。
提示工程101第十五课：提示词长度与复杂度管理
高效的提示词设计需在平衡上下文与简洁性之间找到恰当的点。本教程探讨如何管理大语言模型中的提示词长度与复杂度，包括通过示例展示使用Qwen3模型和LangChain库实现的具体方法。
