prompt-engineering-patterns
掌握先進的提示工程技術,以最大化生產環境中大型語言模型(LLM)的性能、可靠性和可控性。
探索可重用的代理技能,查看實作細節,快速找到適合你工作流程的技能。
共找到 137 個技能
掌握先進的提示工程技術,以最大化生產環境中大型語言模型(LLM)的性能、可靠性和可控性。
使用 LlamaExtract 實作從 PDF、DOCX 與 PPTX 等非結構化檔案中擷取結構化資料的解決方案,並透過 Pydantic 定義資料架構。
使用 LangChain 1.x 與 LangGraph 架構生產級 LLM 應用程式。實現狀態化 AI 代理、多步驟工作流程,並為複雜的對話與自動化任務建構自訂記憶系統。
透過遞迴分塊、子查詢與聚合結果處理超過 1,000 萬 tokens 的大型檔案與程式碼庫,突破 LLM 上下文視窗限制。
分析本機硬體 (RAM, CPU, GPU/VRAM) 並獲取最佳化的本機 LLM 模型推薦、量化設定與效能預估。
使用向量資料庫、語意搜尋與 LangGraph 構建生產級 RAG 系統,為 LLM 提供外部知識基礎。
指導代理人記憶系統的實作,比較主流框架(Mem0、Zep、Letta、LangMem、Cognee),並設計用於跨會話知識保留的持久化架構。
構建企業級 AI 代理系統,支援 LangGraph、Anthropic/OpenAI/vLLM 與結構化輸出。具備串流傳輸、A2A 協定、Pydantic 驗證、向量記憶體與防幻覺機制,適用於複雜的多代理協作工作流。
LangGraph 專家技能,專為構建具狀態、多角色 AI 代理工作流而設計,包含持久化、條件分支與 ReAct 模式。
官方 n8n 工作流自動化支援,用於建構、除錯和擴展複雜的業務流程與 AI 驅動的整合。
從零開始構建、配置與部署 NexAU Agent 的完整指南與開發框架,包含工具、提示詞與技能實現。
高中國文學測解題助手,採用上下文工程(Context Engineering)與檢索增強生成架構,提供高準確度、具可解釋性的國學解題服務。