知识库
大模型结构化输出实战：用 JSON Schema 约束让模型稳定返回可解析结果
为什么需要结构化输出 大模型默认输出自然语言，直接解析容易失败。例如让模型提取用户信息，它可能返回“姓名：张三，年龄：25”，也可能返回“张三今年25岁”。这种不确定性让下游程序难以处理。结构化输出（如 JSON）配合 JSON Schem…
#结构化输出#JSON Schema#提示工程#大模型应用
微调、RAG 与提示工程怎么选：从数据量、更新频率与成本三个维度做决策
在大模型应用开发中，微调、RAG（检索增强生成）与提示工程是三种主流技术路径。面对具体任务，如何选择？本文从数据量、更新频率和成本三个维度提供决策框架。 一、理解三种技术 提示工程 ：通过设计输入指令（如 few shot 示例、思维链）引…
#微调#RAG#提示工程#大模型应用#技术选型
提示词里的角色设定真的有用吗？系统提示与用户提示的边界实验
大模型应用里，给提示词加一句“你是一位资深律师”或“你是一位耐心的老师”，效果到底有没有变化？系统提示（system prompt）和用户提示（user prompt）的角色设定，谁更管用？本文用可复现的实验思路，帮你搞清楚边界在哪里。 实…
#提示工程#系统提示#角色设定#大模型
让大模型稳定输出结构化数据：提示词约束与校验的实践思路
为什么大模型输出结构化数据不稳定？ 大语言模型本质是生成自然语言的概率模型，默认输出自由文本。当要求它输出 JSON、XML 等结构化格式时，常出现字段缺失、类型错误、多余解释、格式漂移等问题。要稳定获得结构化数据，需要从 提示词约束 和 …
#大模型#结构化输出#提示工程#JSON#数据校验