AI 技术实践指南
从理解模型到构建资料问答助手，按步骤学习提示词、RAG、工具调用与评估。
这套指南面向希望把 AI 用进工具与工作流程的读者。先弄清模型能接收什么、怎样描述任务，再学习如何接入资料、调用工具和检查结果。
全文使用一个虚构的“项目资料问答助手”作为贯穿案例：给定项目说明和会议记录，回答带来源的问题，并把确认过的事项整理成行动清单。示例数据与流程用于学习，可以替换为自己的场景。
从哪里开始
| 你现在的目标 | 建议章节 | 学完后能做什么 |
|---|---|---|
| 理解模型怎么处理文字 | 模型基础与上下文 | 区分 Token、上下文与事实来源 |
| 让回答更贴合任务 | 提示词设计 | 写出包含材料、边界和验收标准的提示词 |
| 把结果交给程序处理 | 结构化输出 | 设计字段、校验类型并处理缺失值 |
| 从自己的资料中找答案 | RAG 与知识检索 | 理解切分、检索、引用与答案核对 |
| 让模型使用外部能力 | 工具调用 | 理清模型请求与程序执行的边界 |
| 判断一次修改是否有效 | 评估与质量检查 | 建立可重复的测试问题与评分标准 |
| 串起完整的应用流程 | 资料问答助手实战 | 设计可检查、可追溯的最小工作流 |
贯穿案例的输入和输出
输入材料只有三份：一份项目说明、一份会议记录、一份变更说明。每份材料包含编号、更新时间和正文。输出分成答案、证据和待确认事项，避免把猜测混进结论。
例如，用户问“试运行安排在哪一天？”时，助手应指出对应原文和材料编号。如果两份材料日期冲突，应展示冲突并请读者确认采用哪个版本。
按三个阶段动手
- 先完成一次可靠问答。 手动提供短材料，用提示词约束回答范围，逐条核对来源。
- 再连接程序与资料。 加入结构化输出、检索和只读工具，让每一步有明确的输入、输出与错误状态。
- 最后建立检查集。 保留能答、缺资料、存在冲突和工具失败的问题，用同一组问题比较每次调整。
阅读方式
每章包含概念说明、教学示例、动手检查和下一步入口。示例中的数量与流程是本站为学习设计的起点，需要根据实际材料验证。模型功能和接口参数可能随服务更新，涉及具体平台时以章节所附官方文档为准。