https://desistdaydream.github.io/docs/12.AI/Prompt/Recent content in Prompt on 断念梦的站点Hugozh-cnTue, 29 Sep 2026 18:48:31 +0800https://desistdaydream.github.io/docs/12.AI/Prompt/Prompt/Mon, 01 Jan 0001 00:00:00 +0000https://desistdaydream.github.io/docs/12.AI/Prompt/Prompt/<h1 id="概述">概述<a class="td-heading-self-link" href="#%e6%a6%82%e8%bf%b0" aria-label="Heading self-link"></a></h1> <blockquote> <p>参考：</p> <ul> <li></li> </ul> </blockquote> <p>Prompt 解决方案</p> <ul> <li>RAG</li> <li>Tool calling <ul> <li>Function calling</li> <li><a href="https://desistdaydream.github.io/docs/12.AI/Prompt/MCP/">MCP</a></li> </ul> </li> <li><a href="https://desistdaydream.github.io/docs/12.AI/Prompt/Prompt/#Skills">Skills</a></li> </ul> <h1 id="历史">历史<a class="td-heading-self-link" href="#%e5%8e%86%e5%8f%b2" aria-label="Heading self-link"></a></h1> <p><strong>Prompt engineering(提示词工程)</strong> # 最早期的称呼，甚至催生了提示词工程师 🤣</p> <ul> <li><a href="https://github.com/f/awesome-chatgpt-prompts">GitHub 项目，f/awesome-chatgpt-prompts</a></li> <li><a href="https://github.com/PlexPt/awesome-chatgpt-prompts-zh">GitHub 项目，PlexPt/awesome-chatgpt-prompts-zh</a></li> <li><a href="https://mp.weixin.qq.com/s/BcJWxvhpTRFTE20rB55Sow">公众号-云原生小白，你应该知道的ChatGPT提示语</a></li> </ul> <p><strong>Content engineering</strong> # 通过各种人为定义的约束来管理 Prompt，e.g <a href="https://desistdaydream.github.io/docs/12.AI/Prompt/Prompt/#RAG">RAG</a>, <a href="https://desistdaydream.github.io/docs/12.AI/Prompt/MCP/">MCP</a>, <a href="https://desistdaydream.github.io/docs/12.AI/Skills.md">Skills</a>, etc.</p> <p><strong>Agent</strong> # <a href="https://desistdaydream.github.io/docs/12.AI/Agent/Agent/">Agent</a> 程序通过各种机制（调用工具、从 RAG 获取信息、etc.）管理大量 Prompt</p> <p><strong>Harness engineering</strong> # 对 Agent 本身的管理，甚至可以加上对 Prompt 的管理。</p> <ul> <li><a href="https://www.bilibili.com/video/BV1cNdrB4Evw">【闪客】你管这破玩意叫 Harness？虚拟世界的牛马套餐！</a></li> <li>Harness engineering 第一次出现于 2026-02-05 <a href="https://mitchellh.com/writing/my-ai-adoption-journey#step-5-engineer-the-harness">mitchellh Blog, My AI Adoption Journey</a></li> </ul> <p>个人感觉，Agent 的出现是个分水岭，从早期由人手工管理 Prompt，衍化成由程序管理 Prompt。</p> <h1 id="学习资料">学习资料<a class="td-heading-self-link" href="#%e5%ad%a6%e4%b9%a0%e8%b5%84%e6%96%99" aria-label="Heading self-link"></a></h1> <p><a href="https://mp.weixin.qq.com/s/OC0l_2M1sKGGhYy8WAgBXQ">公众号 - 差评，骗你的，其实AI根本不需要那么多提示词</a></p> <p><a href="https://github.com/heilcheng/awesome-agent-skills">https://github.com/heilcheng/awesome-agent-skills</a></p> <p><a href="https://github.com/coreyhaines31/marketingskills">https://github.com/coreyhaines31/marketingskills</a></p> <p><a href="https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f">karpathy/llm-wiki.md</a></p>https://desistdaydream.github.io/docs/12.AI/Prompt/MCP/Mon, 01 Jan 0001 00:00:00 +0000https://desistdaydream.github.io/docs/12.AI/Prompt/MCP/<h1 id="概述">概述<a class="td-heading-self-link" href="#%e6%a6%82%e8%bf%b0" aria-label="Heading self-link"></a></h1> <blockquote> <p>参考：</p> <ul> <li><a href="https://github.com/modelcontextprotocol">GitHub 组织，modelcontextprotocol</a></li> <li><a href="https://modelcontextprotocol.io/introduction">官网</a></li> </ul> </blockquote> <p><strong>Model Context Protocol(模型上下文协议，简称 MCP)</strong> 是一种开放协议，能够实现 LLM 应用程序与外部数据源和工具之间的无缝集成。无论是在构建 AI 驱动的 IDE、增强聊天界面，还是创建自定义 AI 工作流，MCP 都提供了一种标准化的方式，将 LLM 连接到所需的上下文。</p> <h1 id="规范">规范<a class="td-heading-self-link" href="#%e8%a7%84%e8%8c%83" aria-label="Heading self-link"></a></h1> <blockquote> <p>参考：</p> <ul> <li><a href="https://modelcontextprotocol.io/specification/2025-03-26">规范</a></li> </ul> </blockquote> <h2 id="架构">架构<a class="td-heading-self-link" href="#%e6%9e%b6%e6%9e%84" aria-label="Heading self-link"></a></h2> <p><a href="https://modelcontextprotocol.io/specification/2025-03-26/architecture">https://modelcontextprotocol.io/specification/2025-03-26/architecture</a></p> <p><img src="Excalidraw/AI/mcp-arch.excalidraw.md" alt="800"></p> <p>MCP 的工程化实现本质也是一个类似 C/S 的架构，但是在其中多了 Model(模型) 的参与。一套完整的 MCP 系统通常包含如下几类组件：</p> <blockquote> <p>Tips: 有些模型进行了 MCP 的训练，可以正常识别 MCP 的上下文内容，并且也可以返回 MCP 标准的上下文</p> </blockquote> <ul> <li><strong>Host(主持人)</strong> # 充当内容的容器和协调器。创建和管理多个 MCP Client 实例。协调 AI/LLM 集成和采样。管理跨客户端的上下文聚合。 <ul> <li>类似 <a href="https://desistdaydream.github.io/docs/Web/Web/">Web</a> 中的 User Agent 概念。</li> </ul> </li> <li><strong>MCP Client</strong> # 由 Host 创建并维护。与 MCP Server 建立 1:1 的连接关系。</li> <li><strong>MCP Server</strong> # 通过 MCP 原语公开 Resources, Tools, Prompts，提供后端程序的功能，用于与 MCP Client 通信。 <ul> <li>类似各种可以提供 API 的 Web 应用程序。只不过使用了 MCP 协议包装了 API 或其他各种功能。</li> <li>MCP Server 可以是多种形态，并不只局限于是监听了 TCP 的进程。甚至可以是一个本地文件系统上独立的 py 文件或二进制文件，只在使用时，由 MCP Client 直接使用以从标准输入和输出中进行交互。</li> </ul> </li> <li><strong>Model</strong> # AI 模型。为问题提供 分析、总结 能力。</li> </ul> <p>一套完整的 MCP 系统的运行过程通常如下所述：</p>