91学AI - AI Native 工程师

Prompt 工程和微调怎么选？什么情况下该上微调？

考察 Prompt 与微调的选型判断。核心答案：先 Prompt 后微调——知识缺失用 RAG、格式风格调不动用 SFT，微调改的是行为模式不是知识。

91学AI·16 阅读

考察 Prompt 效果评估方法论。核心答案：先建带标准答案的评测集，客观任务看准确率类指标，开放任务用 LLM-as-Judge+人工抽检，线上看业务指标闭环。

91学AI·15 阅读

考察 Prompt 工程化治理能力。核心答案：Prompt 即代码——进 git、有版本号、改动绑评测、灰度上线、可回滚，迭代闭环靠线上 badcase 驱动。

91学AI·16 阅读

考察多角色 Prompt 的架构取舍。核心答案：单 Prompt 内分角色适合轻量场景，重场景用路由+多 System Prompt 或多 Agent，关键是角色边界和切换一致性。

91学AI·19 阅读

考察 LLM 应用安全意识。核心答案：注入源于指令与数据同通道，防御要分层——输入隔离、指令加固、输出过滤、权限最小化，Prompt 层只是其中一环。

91学AI·17 阅读

考察结构化输出的工程实现。核心答案：Prompt 约束+示例只是第一档，JSON mode、Function Calling、约束解码逐级增强，解析端必须做校验和重试兜底。

91学AI·19 阅读

考察 CoT 的原理理解和落地判断力。核心答案：让模型显式展开中间推理步骤以提升复杂推理准确率，给出 zero-shot/few-shot 用法、适用边界和成本权衡。

91学AI·16 阅读

考察 few-shot 提示的实战经验。核心答案：示例贵在典型和多样不在多，覆盖边界 case，注意顺序与分布偏差，动态检索选例是进阶玩法。

91学AI·15 阅读

考察 System Prompt 的设计原则。核心答案：稳定指令放 System、规则要可执行可验证、分层组织、长度克制，并讲清与 User Prompt 的分工。

91学AI·17 阅读

考察 Prompt 的结构化设计能力。核心答案：角色、任务、上下文、约束、输出格式五要素缺一不可，配合分隔符与占位符工程化落地。

91学AI·15 阅读