LLM、Prompt 与 Context

解释 Agent 的底层推理、行为指令和上下文工程基础。

目录

• Token、上下文窗口与成本
• Prompt 与 Instruction 层
• 结构化输出：让模型结果可解析、可校验、可执行
• Context Engineering：为什么上下文决定 Agent 稳定性？
• RAG 在 Agent 中的位置
• Memory 系统：短期记忆、长期记忆与任务记忆

写作要求

1. 每篇文章都要先说明“解决什么问题”。
2. 概念解释必须服务于工程落地，避免泛泛而谈。
3. 需要明确对应 Semovix / Xino / AI Workbench 的能力映射。
4. 需要补充可画图的结构，方便后续生成公众号配图、官网图或培训图。
5. 涉及外部项目和技术事实时，应补充到根目录 REFERENCES.md。