大模型应用开发 -上下文工程与运行空间实践指南

📖 内容导航

章节	关键内容	状态
上下文组成	解释上下文的七个核心组成部分，以及为什么它们决定了大模型应用的效果	🚧
<strong>第一部分：上下文工程基础技术</strong>
第一章 数据持久化	介绍传统数据库（MySQL、MongoDB、Redis 等）在大模型应用中的作用：状态存储、用户数据、日志记录	🚧
第二章 向量存储和嵌入模型	语义检索的底层原理、嵌入模型的选择与评测、主流向量数据库的特性	🚧
第三章 知识图谱	知识的结构化表达、实体关系抽取、知识图谱与向量检索的互补	🚧
第四章 RAG技术	从检索增强生成（RAG）的流程拆解到优化方法，涵盖索引构建、检索策略、融合方式	✅
<strong>第二部分：上下文组成工程实践</strong>
第五章 系统提示词模块	系统提示词的设计方法：输出规范、边界约束、多角色指令，如何平衡稳定性与灵活性	🚧
第六章 工具管理模块	工具（API、函数、MCP）的注册与调度，调用结果的解析与注入，常见框架中的实现方式	✅
第七章 用户记忆模块	长期/短期记忆管理，用户画像构建，记忆存储与检索策略，隐私与安全考量	🚧
第八章 会话存储模块	会话历史的截断、压缩与检索；如何在有限上下文窗口内保留对话连贯性	✅
第九章 结构化输出模块	JSON/XML/CSV 等结构化输出的约束与解析，如何让 LLM 严格遵循格式要求	✅
第十章 相关上下文模块	如何动态选择与任务最相关的上下文（检索、排序、过滤、融合）	🚧
第十一章 LLM模块	上下文工程中LLM的设计架构	✅
<strong>第三部分：上下文管理</strong>
第十二章 上下文管理	上下文裁剪、压缩、去重、隔离（quarantine）等策略，性能指标与评估方法	✅
第十三章 Token压缩策略	各类压缩方法对比：摘要、向量聚合、句子窗口检索，结合真实应用案例	✅
<strong>第四部分：Agent架构设计</strong>
<strong>第五部分：Agent评估</strong>
<strong>第六部分：上下文工程实践项目</strong>