粉丝2.2万获赞6.8万

我们学过电的名词是 electricity, 今天我们来区分三个和电相关的形容词, electric、 electrical 和 electronic。 先来看最常用的 electric, 它指的是电的、电动的一些具体的电子设备,电车, electric cars, 电灯 electric lights, 电动自行车 electric kettles, 电动牙刷, electric toothbrushes, electrical。 后面加了一个 a l, 它的概念就变得抽象了,是电学的,它和电气啊,电气工程,电力这种相关,比如说电气工程师 an electrical engineer, 电力系统 electrical system。 electronic 叫电子的,这个词的前半部分 electron 就是 电子的意思,比如说电子设备 electronic devices、 电子支付 electronic payment、 电子红包 electronic red packets、 电子产品 electronic products、 电子手表 electronic watch, 电子音乐, electronic music。

这条视频给大家讲一下 front engineer, 就是 提示词工程 front 到底该怎么写?刚好我最近研究了挺多 ai 提示词大神怎么写 cloud 最佳实践的那个官方文档,包括 gemini 最佳实践官方文档,它们这些顶级大模型公司出了这个教程,今天我一条视频给大家汇总一下。我先说一下这条视频适合什么样的人看。首先你有使用大模型的需求, 就是你至少是一个已经在跟 ai 对 话的人。第二个就是你的需求至少要是有一点点难度的啊,比如说问大模型明天天气怎么样的这种 用户的话也不需要看了啊。我这条视频的核心在于工程化和稳定性,教你把 ai 变成一个保质保量,能完成你工作的固定员工。如果你有以下几种需求的话,那么这个视频对你来说非常好。第一,当你需要批量化且质量稳定的产出, 比如你要写五十篇小红书文案,比如你要写十篇日报周报。第二,当你眼高手低时,你只有矮。第二,但是你没有动手能力,你只知道自己想要一个什么样的结果,但中间这个过程你不会干。 比如说你想写一个 python 脚本,但你不懂 python 语言。比如说你想写一份商业分析报告,但是你不是分析师。第三,就是你的任务太复杂, ai 每次完成你的任务都固头不固定,让 ai 做一件很长,然后逻辑很绕的事情。比如说帮我提取这段视频的文稿,提炼里面的观点,再结合我的痛点产出一篇文章,还要翻译成英文, 就是他中间要做的事情很多,那么你把一串指令丢给 ai, 他 可能会丢掉其中一两步,或者说给你一个很水的答案。第四就是当你对味道很挑剔时,比如说你想让 ai 模仿 macintosh 的 翻译墙,或者 macintosh 的 ppt 样式,你不知道怎么描述清楚的。 ok, 那 么我们正式开始。其实网上很多教程太卷了,一会让你学结构化,一会让你学 markdown 各种语法,但其实随着 cloud 啊 jpg 这种模型它的更新迭代,它本身模型非常牛的时候,其实逻辑没必要那么复杂, 首先是我自己写提示词的步骤和思路。首先第一步呢,就是把你脑子里的东西先倒出来,不管你要做分析也好,写文案也好,还是什么复杂的各种 idea 需求也好,我会先把脑子里的所有的想法,你对这件事情所有的知道的来龙去脉,背景啊,结果, 过程要怎么样,你想达成什么样的目标,一股脑的告诉他,用大白话也好,穷尽你能写出所有的对这件事情的描述,甚至说你在网上看到几篇风格很不错的文章,全部丢给 ai。 现在 ai 的 上下文很长,你完全不用担心输入框限制了他。到完之后你跟他说这样一段 prank, 我是 这个领域的小白,但我想要达到专家级的效果。 这些是我的原始想法和参考素材,请你先不要生成内容,先消化这些信息,告诉我你理解了没有,让 ai 去读你的心,去读你的想法。 当你把这些素材投喂给他的时候,你再反过来问他,基于你刚刚学到的这些素材,如果我要完成这个任务,你需要我补充哪些背景、哪些信息,或者利用你自身的知识,帮我把这些大白话翻译成结构清晰、逻辑严密的 system prompt。 这时候你会发现 ai 自己写出来的提示词 里面充满了专业的术语、行话和深层逻辑。这是你自己在家闭门造车,手搓 prompt 手搓不出来的。让 ai 自己给自己写 prompt。 好, 我们到了第三步,拿到了 ai 自己写好的 system prompt 或者提示词之后,不要直接用, 我们先彩排再开机。第三阶段,我会对他说,基于你刚刚这个 prompt, 请你立刻生成三组用户输入到模型输出的模拟案例给我看,检查一下,这时候 ai 只是在模仿你的字面意思,还是说已经读懂了你的神韵? 如果你看案例的时候你觉得不对劲,你不需要去改那一大串复杂的 system pond, 直接用人话反馈给他。比如说第二个案例,逻辑太生硬了,没有人味,像 ai 写的,我想要那种犀利中带点幽默的,请你调整一下 pond, 直到它生成的案例完全符合你自己的审美,这个 system pond 才算定稿。 以上是我写 point 一个基本的流程,然后下面我再补充一下我从 gemini cloud 的 最佳实践手册里面学到的几个调优的原则。第一个就是别说客套话,直接说需求。如果你对模型的要求很高,千万不要丢给他模糊的指令,一定要给他明确目标。 比如说你扔给他一段图片,说写个分析,那肯定不如说创建一个包含交互功能的分析仪表盘,越全越好。第二点就是举例子比讲道理有用。这个技巧叫做少量样本提示,也叫 few shot one shot。 如果你想模仿特定的文风,你在那里描述,不如直接丢个原版的例子给他,你跟他说,就照着这个味写,你的例子越好, 他的产出就越稳。如果说你是那种需要处理复杂任务的用户,比如说先提取啊这个视频的文案,再分析这个视频的文案,再结合我的痛点生成文案,再把这个文案翻译成某某语言。 你的任务里面包含了多个子任务,那你可以试试提示词练。简单来说就是不要贪图一口吃个胖子,把你的大任务拆成好几个小任务, 上一步的输出变成下一步的输入。举个例子,你拆解完任务之后,你先写一个 point a, 是 用于提取药物,然后它输出了 output a, 那 你再写一个 point b, 基于 output a 写大纲,输出 output b, 你 再写一个 point c, 是 基于 output b 扩写成整篇文章。 这个就是牺牲速度换精确度的策略。你可以精准地调控每一个 point, 每一个子任务里面的细节。 这个是一个用来构建稳定 ai 工作流的思路。其实 a 正的思路就跟这个差不多。下一条原则呢,是多模态融合,现在的 prompt 不 再仅限于文字了。呃,图片、视频、音频,一切的模态都是平等的输入, 特别是对于 jimmy 三用户来说啊,他对于长视频的理解现在特别到位。还有就是允许不确定性。为了减少 ai 的 幻觉,我们可以明确地授权给 ai 说,你可以说你不知道, 比如说,请基于某某数据分析趋势,如果我给的数据不足以支持输出结论的话,请直说,不要编造,我可以给你补充更详细的数据。 最后一个技巧就是让他先想后说,如果遇到复杂的任务,可以要求 ai 在 输出结果之前先列一个提纲或者一步步推理。你可以直接给一个 point 说,在回答之前,先一步步拆解你的思路, 增加 ai 思考的步骤。这件事情非常重要,它可以大大的减少你 ai 胡说八道的几率。 ok, prompt 怎么写?如果你听到这里,学到这里,你已经很厉害了, 不要再纠结那些复杂的结构。好的 prompt 一定不是写出来的,而是聊出来的,是测出来的。所以说你要做的就是把话说明白,然后给他足够的例子。把你重复性的、繁复的工作丢给 ai, 咱们只需要把控方向,检查它的产出即可。

八下四单元涉及一个期中考试,必考,也是初中阶段,超过百分之九十的同学会丢分的一个语法点就是熊词副词的三级变化。那今天空了一个视频,让你考试再也不犯错,那比较等级呢?之前我们已经学过,那接下来进行综合的复习巩固啊。 首先是它的规则变化和不规则变化,就是一个熊词副词,它的啊,变成比较级,变成最高级的时候,它怎么变?对不对?好老师给的小口诀叫直去双改加什么意思呢? 只是一般情况下,直接加 e r 变成比较级,加 e s t, 变成最高级,对不对?好去的意思是以不发音的字母 e 结尾的时候呢,直接在后边儿加 r 或或者直接加 s t 变成最高级。加 r 是 变成比较级,对吧?还可以这么理解,叫直接把这个 e 去掉,加 e r, 加 e s t, 然后下一个呢?是双双什么意思呢?是辅元辅重读倍音节结尾的时候啊,要双写尾字母,然后再加 e r e s t, 变成对应的比较级和最高级。比如说 bigger, biggest, 然后改什么意思呢?以辅音字母加 y 结尾的形词副词变成比较级。最高级的时候啊,要先把 y 变成 i, 然后再加 e r 变成比较级,加 e s t 变成最高级。于是,哎,有了 happy, 把 y 变 i 加 e r happier, 然后变成 happiest 是 最高级。 加指的意思是多音节,比如三个及三个以上的音节,还有部分的双音节呢?是这个时候不是在后边加 e r e s t 了,是在前边加 more 来构成比较级,在前面加 most 构成最高级,这是它的规则变化。 那不规则变化呢?很多同学特别头疼啊,那老师给到你常考的这些不规则变化,并且总结了一个小口诀,叫好坏多少元老。啥意思呢? 好,指的是这两个好好变成比较级。最高级的时候要单独记忆啊,变成 better 和 best, 坏这个 bad 和 badly 变成 worse 和 worst, 然后多是 many 和 much 变成 more 变成 most, 少 little 变成 less 和 least。 远呢,和老,这两个要特殊去记忆啊,因为它有两个比较级和最高级。 far 呢,变成 father 和 farthest, 这里要注意有个 r 啊,别继承那个父亲那个 father 了啊。 father 是 更远的意思,然后 father 呢,是更近一步,它的意思有一些差别。 father 和 farthest 是 更近一步, 更深的意思,然后下一个老呢? old, 它有两个比较级,两个最高级哈,如果它强调的是年龄上的老,那就用 older 和 oldest。 如果它强调的是辈分上的年长,那咱用 elder 和 eldest 就 可以了。嗯,这是它的不规则变化。好,接下来它的考点,老师带领大家一块来回顾复习啊,这是我们扒下非常重要的比较级最高级 来。首先比较等级里面其实还有个原级,大家知道啊,表示和什么一样的,对吧?好,这个时候要注意它的肯定句式是 i s s, 中间用什么呀?用原词是熊词,副词的原级表示和什么一样对不对?那否定呢?很简单,直接在前面加 not。 而这个时候注意一下啊,这个第一个 as 可以 改成 so, 也可以不改,继续用 as 也是没问题的,表示不如怎么怎么样。然后比较级呢?是两者比较的不对。好,比较级的时候常见的一个信号词就是 then, 看见 then 直接用比较级。然后下一个是靠形容词比较级的 修饰语啊,在前边可以用 much 来修饰,用 even 来修饰,还用 far, a lot, a little 和 bit。 好, 这是比较形容词比较级的修饰语。 接下来会用一些句型啊,表示越怎么怎么样就越怎么怎么样。是 the 加比较急。逗号, the 加比较急啊,表示越怎么样就越怎么样。举个例子,越多越好,叫 the more the better, 多多益善。 好,下一个句型呢,是表示越来越怎么怎么样,是比较急加 and 加比较急。好,接下来是最高级的考点啊, 首先最高级表示三者或三者以上最什么什么的那一个,对吧?好,因此这里要注意一下,后边往往会出现一个介词,表示一个范围,体现三者或三者以上常见的介词 in of among, 加一个范围啊,这时候表示在什么当中,最什么什么的那一个。这里要注意, 形容词最高级不加可以不加 the 啊,形容词最高级一定要记得加 the。 下一个是考生常考的啊,是表示最什么什么之一。哎, one of 加 the 后边要加最高级,而且有的时候可能会考这里。这个名词应该用单数复数呀, 用复数,因为它是很多当中最什么什么的一个,对不对?哎,所以此刻用名词复数。下一个呢是 the 加序数词加什么词最高级?加个名词单数表示什么意思呢? 第几岁?第二大,第三大。下一个是比较急加 then 加 any other。 这个考点呢,考的不是很多,老师给大家补充一下啊,它表示比其他任何一个都怎么怎么样,比较急加 then, 加 any other, 比其他的任何一个同学都要高。嗯, 好,下一个是比他们班任何其他的同学都要高,那说明他是他们班最高的。但是要注意,此刻有 then 用比较少的哈,给大家去了解补充一下就可以了哈。 比较急加 then 加 any 加这个名词的单数什么意思呢?如果说它是一班的,它比二班的同学都要高,这个时候它并不在二班的范围内对不对? 所以这个时候它不需要加 any other, 不 需要把自己剔除掉啊,这里了解即可啊,它表示比任何一个都怎么样。这个时候主语是并没有在后边这个范围内的,它不同的范围。接下来通过一些题目来巩固一下啊。选项当中我们发现诶, 不就是比较级和最高级吗?那你要判断到底是级者,比较两者比较,用比较级看到但用比较级,三者或三者以上用最高级,对不对?而且经常会出现 in off 在 一个范围体现三者或三者以上最怎么怎么样?来看一下第一个。第一个空啊,他说 david 呢,是所有男孩当中的什么样的男孩,所有是不是三者或三者以上了呀,有一定的范围了呀,所以此刻第一个空用什么? 比较级还是最高级?用最高级对不对?因此把选项当中的 c 和 d 排除,因这俩的第一个空不符合要求来第二个呢?哎,老师说了,看到 then 直接立马用比较级,因此第二个空我们用的是 比较级好,所以现在剩下我们的 b 和 d 这两个选项。第二空又是比较级的,只有一个 d 选项是符合要求的,因此答案选的是 c。 第二个题,哎,考察呀, 考的是我们刚才讲到的一个句型,你看啊,他说你旅行,后面说你的生活经验就会怎么怎么样, 是不是表示你越旅行的越多,你的生活经验就会越丰富呀?好,所以表示越怎么怎么样就越怎么怎么样。刚才是哪个句型啊? 欸,是 the 加比较急, the 加比较急,因此这个 the 不 能少啊。 the 加比较急,所以于是第一个空不符合要求的把 c 和 d 排除,第二个也得把这个 the 给保留下来。因此最后答案就是我们的 b 选项。

马上就要高考了,我们话不多说,教你如何在十分钟之内把我们的语法填空给秒杀掉。今天我们要用二零二四年的新高考一卷真题来作为演示。首先我们做语法填空之前,要先明确我们不需要把所有的题目全部读完再去做题。 什么意思?我们在做题的时候只需要看这个设控的地方,他所在的这一句话就够了。 老师直接去教你如何在看不懂题目的情况下该如何做题。好,首先我们先看第五十六题,五十六题说 the latest 给了一个横线,让我们去填 engineer 的 形式,后面有一个 techniques, 后面有一个 r。 好 的,接下来我们看到这里其实就已经足够了啊,答案已经出来了,为什么?我们这里面是不是有一个 be 动词 r r applied 这个地方,它是作为我们的谓语而存在的,那我们说句子它的结构是什么? 主谓宾对不对?当然这个地方其实正常来讲我们应该把它看作是一个主系表的结构啊,但是我用主谓宾的这个方式来讲,大家会更容易懂一些,就是我们把所有的句子都看成是主谓宾结构就够了。那我们说在谓语的前面这个部分应该做的是什么成分?是不是就是主语啊? 嗯,那主语由什么来充当呢?记住一句话,主语由名词充当,那我们就去找他前面有没有名词就可以了。如果他前面是有名词的, 在名词的前面设空了,那这一个空我们只需要填什么去做定语,能够修饰后面这个名词的成分就可以了。 好,那我们五十六题刚好是放在我们的 techniques 这个名词前面的空,那我们就去填 engineer 可以 作为定语来修饰名词的形式, 那么它能够作为定语来修饰名词的形式是什么呢?是在它后面加上 i n g 啊, engineering。 所有的这些流程都是你要在脑子里面需要在一分钟之内快速反应出来的。只要你按照老师这个思路去思考,多做一些题目,那等到考试的时候,你也能够去做到像老师这样的一个流畅度。 再看第五十七题说 create this protective 什么? structure 这 个空,它也是放在 structure 这个名词前面的,那我们说修饰名词的是什么成分呀?是定语对不对?那什么词型的词来做定语?当然是形容词,形容词作为定语来修饰后面的名词 function, 把它变成形容词应该长什么样子?就是 functional。

好,我们看这个词叫 engineer, 什么意思呢? engineer 表示工程师啊,那么这个词如果你不熟的话,那么这个你应该很熟,叫 engine 什么意思啊?你们听过引擎没有?引擎什么意思啊?就是发动机叫 engine, 那么设计制造发动机的人叫工程师,叫 engineer。 好,下一个。

大家好,我今天给大家分享一下形容词比较级和最高级的变化规则。一是有规律的变化规则五种,第一种是一般情况下在词尾直接加 e r 或 e s d tall 高的 tall 了 tallest。 二、以 e 结尾,在词尾直接加二或 s t nice 好 的 nice。 最三以外结尾改外为 i, 再加 e 二或 e s t pretty 漂亮的 pretty 啊 prettyest 四、 以重读闭音节且末位只有一个辅音字母,先双写最后一个辅音字母,再加 e r 或 e s t fat fat t。 第五以多音节和部分双音节 前面要加末或 most beautiful 漂亮的 more beautiful, most beautiful。 二、不规则变化,第一个是 bad good 好 的或 will 健康的 better best 二 bad 坏的 worse worst。 三 many much more most 四 little less least。 五、 old 有 两种,第一种 年年龄老的旧的年龄新旧的比较, old oldest。 第二种是年长的血缘亲属关系之间的比较 elder, elder 下来是 far, 有 两种,第一种是距离远远的 father farthest。 第二种是程度深深远的 father farthest。

ai 领域发展实在是太快了,有不断的新词涌现啊,最近火的一个词呢,叫 hanniss, 到底是什么是 hanniss 呢?今天给大家介绍一下啊, hanniss 呢,它后面是带了什么 ingenerin, 就是 那个 hanniss 工程啊, 那这个呢,就和之前大家讲的这个题诗词啊,还有那个上下文啊,现在呢,我们叫这个驾驭啊工程,就哈里斯工程,实际上是一脉相承的啊,那么这个哈里斯呢,它之所以会 呃比较火呢,是因为现在智能体的发展是比较迅速的,大家想要用 ai 智能体呢来做更多的事情,那么想要做更多的事情,就意味着有更多的这种辅助,才能够使得大模型做更多的事情, 这就会推出啊这个驾驭工程来那么整一个发展过程呢,就是呃, 源自于我们人类啊,对智能体对 ai 的 一个需求是越来越多的,那最开始呢,在提示词工程的时候呢,我们要的一个效果是什么呢?我们面对一个大模型,我们想让他啊 这个输出相应的结果的话,必须对他的提示词呢做一个很好的这种啊说明,那么这样的话,我这个大模型才会根据你的输入呢得到你想要的结果, 这个呢,仅仅是对啊大模型进行一种对话访问的这种情况下才会出现的,也就是说啊,这个大模型呢,作为我们这种对话聊天机器人的一个这种,那么随着我们对这个利用大模型的 需要做的事情越来越多,那么简单的和大模型对话已经是满足不了我们的需求了,那么我们就需要让大模型的来做更多的事情,其中有一个呢,就是让大模型来根据 我们过往的对话,或者说我提供的一些数据来回答更加全面的信息,就会出现啊上下文的这样一个工程。而上下文呢就是我们在和大模型进行提问的时候,用提示词提问的时候,大模型呢他只是会记住当前你和他对话的 这些信息,在过去多轮的对话之前的信息呢,他就会忘记,就是说他有像啊鱼一样记忆啊,七秒记忆啊,就是记得很短,那么如果说 想让这个大模型能够产生服务于我们人类的更多的信息,那么这个光有提示这是不够了,那需要给他安装什么,安上一些记忆功能。那这个时候 啊,上下文工程呢,就有点什么,就有点类似于啊,我们针对一个 l m 之后呢,它能够什么去记住我们过往的和它的啊,这个对话的记录啊,我们还会传一些这个文件啊等等给到这个 啊大模型,那么回回答的结果呢,就会变得更好,比如之前我们比较流行的知识库啊,知识库 r e g, 那 么就相当于什么呢?给它大模型一个记忆的外挂,使得呢大模型它能够回答更多的问题,但是啊,随着 我们这个记这个对话的这个层数越多啊,它所要记的东西就会越多, 那么就会有出现遗忘啊,遗忘的原因是有这么几个啊,第一个呢,就是我大模型的上上下文窗口是有限的啊,我只能接受,比如说啊,两千个 tok 这样这样的一个数据,那么超出这一个 tok 的 话,就是说你的记录太长,我就会忘掉了。第二个呢,就是我在这么多的记录里面给到啊,这个大,这个大模型的时候呢,他往往会关注什么? 会关注你最近的那个对话,就相当于什么我们和大模型去聊天的时候,他只会记得啊,刚才说的什么过去,他说的什么呢,就有点淡忘,所以呢会导致效果不好。就是说,哎,这个大模型怎么 不记事啊?怎么没有按照我的要求去回答呢?所以呢,这个上下文工程呢,也会产生这样的这种不满足人类需求的这样这样的一个现象。 那么二零二五年开始的时候呢, agent 呢?它是快速发展的,大家都想要什么让大模型哎,能够长期地为我们服务,不间断地为我们服务。这个时候呢,原来的题词和上下文工程,那就不足以来支撑这个要求了。 我们知道啊,这个 agent 啊,它的公式等于什么来着?等于 l i 大 模型加上什么,加上记忆,加上工具,加上规划。当这个大模型不变的时候,我想让这个 agent 呢,它能够 啊,发挥更大的作用,能够满足我们啊更多的这种需求。那必须什么对我们后面这几项来做一个升级, 也就是说我用同样的大模型,但是我升级了这些东西,那么它的性能就会得到很大的提升。那这个升级呢,我们可以从很多方面去做,这个呢,就叫 harness, 哈密斯做的事情呢,就有几个。第一个呢,我的记忆,我们之前说啊,这个随着我们聊天记录啊,对话的这个长度越来越多,那么他的记忆功能是受到限制的,我们可以通过啊优化这个记忆功能,可以呢使得 啊这个整个 a 阵的记忆去变强。比如说呢,我们当快到这个它的上下文窗口的亮的时候呢,我们对原有的这些的啊这些记忆呢进行一个压缩啊等等 啊工具呢,我们可以通过这个引入啊外部的工具来对它进行升级。同时呢我们现在还引入了什么 skill 这个技能 啊,就可以让啊 agent 呢能够是在有需要的时候来选择合适的工具来进行合适的操作。那规划呢,就是我们可以 啊通过啊通过啊对这个 agent 来接受的任务呢来进行一个什么 一个分解分拆啊,让它变成一个一个的子任务啊,一步一步的去执行。那么在这样的一套组合拳下来之后呢,这个 agent 呢,它就变成了这样一个公式,就是什么 lm 加上什么呢? hanness, hanness 工程, 这个就是目前我们所啊去吹捧的,或者说大家鼓吹的这样一个结构,就是 harness, 它本身的一个目标呢,就是让 agent 它能够在啊大模型的基础之上能够发挥更大的作用,它的操作的路径呢,就是对 现在我们的记忆工具和规划呢来做优化。那事实上如果说我这个大模型的能力 特别强,其实我哈内斯的工作呢可以很小,同样的我可以得到等价的这种这个 a 帧它的效果。但是目前呢,我们知道大模型本身它实际上来讲是有一定的这个能力不足的啊,它没有像 人这么聪明啊,所以呢,我必须什么,必须是再加一些哈内斯的一些工程操作,让大模型能够发挥它的作用。 那么在这里面其实我们可以看到的是我们对这个人工智能的要求呢,是越来越高的,这是我们的要求越来越高啊,要求高,那最开始的时候呢,我们只是聊天啊,聊天对话,然后呢我们变成什么啊?知识助手,助手, 再到后面变成什么呢?变成一个什么啊?这个啊助理啊,或者说是智能体,智能体,那么在这个过程中呢,在啊聊天的时候呢,我们要求什么?要求这个提示的工程做的好就够了, 那么在这个知识助手的要求情况下呢,我们可能要对上下文,上下文来做一个啊优化,那么当我们想把智能体做成一个助理的时候,能够和人一样去操作的时候呢,我们就需要这个哈林式的这样一种工程技术, 那这边呢就是我们整一个啊系统的复杂度,事实上哈密斯呢,它是啊包含上下文的,那上下文呢?它又是包含提示词的,然后提示词呢?本身它是这里面最核心的,我们之所以用哈密斯来 啊驱动智能体达到一定的效果,那本质上来讲我们还是利用了大模型它自身的能力,那大模型它输入是什么呢?就是这个提示词啊,所以呢去乍一看,我们去做这个 啊,哈密斯是做了很多的啊工程,那最终呢还是为了让这个大模型呢,在合适的时间接受合适的提示词,来完成我们 agent 的 这样一个要求。