没人告诉你的真相：大模型应用开发靠的是经验，不是技术

“ 提示词工程是模型应用的技术，而思路是模型开发的法宝。”

上周比较忙基本上处于天天加班到很晚的状态，原因就是做的大模型应用效果不太好，再加上业务端要去甲方爸爸那边演示，因此就加班改bug调整优化。

然后等周末两天闲下来休息的时候回头看看才发现，之所以出现这样的情况完全是开发思想还没转变过来，因为大模型的开发流程上正确并不代表结果上也会正确。

大模型应用开发是经验开发

在之前的技术开发中，从经验来看只要流程正确了基本上结果也是正确的，但这个经验放到大模型开发上发现好像不是那么回事。

以作者手中目前的项目来说，刚开始作者在做这个项目的时候总觉得功能特别简单，很容易就做出来了；然后等做了一段时间之后才发现好像没有那么简单，想做出来好像很容易，但想做好真的很难。

之后，在业务需求稳定下来之后作者也用了很多方法去优化系统，但发现效果虽然变好了一点，但好像也没有那么好，并没有达到用户的要求。

所以，经过上周连续的加班之后，效果要比之前好了很多；但现在回头看看其实优化点也并不是特别多，并且在流程上改动也不是特别大，主要问题基本上都集中在提示词上面，以及部分的思路问题。

在上篇文章中介绍了这次的技术架构上的调整，但在调整之后进入具体开发时，作者把之前的优化方法和手段都用到了新的架构上；但这里也遇到了一个问题，好像流程上都是对的；但结果上好像也没有达到想要的效果。

所以，这时作者就在思考一个问题，到底是什么原因导致的？

然后就发现了两个问题，一个是提示词；另一个是思路问题，不知道在合适的环节选择合适的技术，而只是简单的把之前的思路照搬过来。

首先来说一下提示词的问题，在大模型应用中提示词是重中之重，一个好的提示词能解决大部分问题；并且很多时候效果不好的原因就是你提示词写的太拉垮了。

说实话作者个人并不擅长写提示词，甚至很多时候面对一个新的业务场景都不知道应该怎么写好一个提示词；大部分情况下都是把要求业务需求罗列到提示词中，然后再交给模型，让模型帮忙优化一下。

但提示词既然被称为提示词工程，还是有一定的原因的，那就是写提示词有一套具体的方法，针对不同的业务场景有不同的提示词模板和方式。提示词既要写的严谨，格式清晰，还要写的简单易懂，足够的泛化，否则很容易出现模型训练中的过“拟合”状态。

而关于思路问题，一是需要在不同的业务中选择合适的技术架构，毕竟单纯的从技术角度来说，其实大模型应用开发的技术栈并不多，也不复杂，主要还是一个思路问题和理解问题。

在刚开始做问数功能时，直接开发了一个检索工具， 把元数据作为查询条件，用户问题作为相似度检索参数，对知识库进行标量检索和混合检索；但发现检索的效果并不是很好。

但从测试的过程来看，用户一般会使用模糊查询的方式，比如说某某地区某个部门的什么数据，或者说某个地区某个部门的具体数据；而这样就可以通过把地区，部门和什么数据作为检索条件进行查询；并且把什么数据这个参数作为非必填项，这样就可以让模型理解用户的问题。

如果有具体的数据名称，那么就使用标量(条件查询)，如果没有具体的名称，那么就使用向量进行模糊查询，这样既提升了召回率，也提升了精准度。

总之，大模型应用开发不仅仅是一个技术问题，更多的是经验和思路问题；当然，提示词工程能力也很重要，毕竟提示词是模型应用的基础。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！