一、全书速览
本书按“入门→进阶→实战”三层递进，帮助读者从会用大模型到做出 AI 智能体：
1）提示工程入门：掌握与大模型对话的基本功；
2）提示工程进阶：让大模型“长记忆”“会推理”“能调用工具”；
3）AI 智能体：把大模型封装成可自主规划、可协作、可落地的数字员工。

──────────────────
二、详细知识图谱
绪论：技术演进与底座
• AI 简史：弱 AI → 强 AI；符号主义 → 知识工程 → 深度学习 → 大模型
• NLP 基座：分词 / NER / 词性 → 机器翻译 / 文本分类 / 对话系统
• 大模型三件套：Transformer 架构 + 大规模预训练 + 微调 / RLHF
• 两大落地路线：提示工程 + AI 智能体

第一部分：提示工程入门
1.1 初识大模型
 • 代表模型：DeepSeek（代码+推理）、ChatGPT（多模态）、豆包（中文）、Kimi（长文）
 • 本地部署：Ollama + Llama/Mistral；客户端 Cherry Studio 一键管理
1.2 提示词设计
 • 四要素：任务 | 角色 | 上下文 | 输出控制
 • 四优化：约束条件 | 示例驱动 | 思考时间 | 迭代反馈
 • 四大场景：写作助理 | 法律咨询 | 头脑风暴 | 学习辅导
1.3 大模型辅助工作
 • 检索：语义搜索 + 联网总结（DeepSeek / Kimi）
 • 办公：Word 插件、PDF/Excel/PPT 一键 AI（新华妙笔、ChatPDF、讯飞智文…）
 • 创作：图（即梦 AI）- 视频（可灵 AI）- 音乐（天谱乐）
 • 学习：豆包爱学（批改、答疑、口语）
 • 编程：Copilot / 通义灵码（补全、问答、优化）

第二部分：提示工程进阶
2.1 检索增强（RAG）
 • 非结构化：文档向量化、语义搜索、DeepSearch 框架
 • 结构化：知识图谱（三元组+SPARQL）、关系数据库（SQL+TAG 模型）
2.2 认知框架
 • 情景学习：示例仓库 → 选择 → 反馈
 • 思维链/树/图：CoT → ToT → GoT
 • 自我一致性：多路径投票、反思迭代
 • 其他：ReAct、计划-执行、蚁群协作、认知螺旋
2.3 工具调用
 • 框架：任务分解 → 工具匹配 → 结果整合
 • 协议：MCP（Model-Call-Protocol）+ Cline 插件示例
 • 工具箱：必应搜索、Scispace、Midjourney、Sora …

第三部分：AI 智能体
3.1 核心技术
 • 单智能体：系统 prompt + 规划 + 记忆 + 工具
 • 多智能体：协作、博弈、演化
3.2 平台与产品
 • 开发平台：女娲智能体
 • 通用智能体：Manus、Flowith
3.3 行业落地
 • 金融：风控报告生成
 • 教育：个性化学习路径
 • 法律：合同审查
 • 医疗：临床决策支持

──────────────────
三、速查手册

1. 关键模型对比
   DeepSeek：代码+推理，128 k 上下文，MoE 低成本
   ChatGPT：多模态，GPT-4o，API 便宜
   豆包：中文语境，全终端
   Kimi：超长 20 万汉字，文件阅读+联网

2. 核心问答
   Q1 提示工程四要素如何影响输出？
   任务→方向，角色→风格，上下文→背景，输出控制→格式长度。

Q2 RAG 的两大类型？
非结构化：文档/网页向量检索，解决“新”“专”问题；
结构化：知识图谱/数据库，解决“准”“严”问题。

Q3 提示工程 vs AI 智能体？
提示工程：单次“问-答”；
AI 智能体：持续“认知-决策-执行”，可调用工具、规划任务、循环迭代。