下游应用
把模型能力转化为行业范式重构。从动机到工程实践，再到跨行业落地。
A. RAG（检索增强生成）¶
- 为什么单纯靠大模型不够：幻觉问题与知识更新难题。
- 向量数据库简介：嵌入与语义空间；ANN 检索算法（FAISS、HNSW、Milvus）。
- 检索 → 生成流水线：Retriever、Reader、Reranker；延迟与准确性的权衡。
- RAG 工程实践：FAQ bot、知识库问答、财报分析，端到端示例。
B. Agent（自主代理）¶
- 什么是 Agent：会调用工具的 LLM，区别于单纯对话。
- 规划与执行：任务分解、反思与“下一步”决策。
- Agent 的记忆：短期记忆（上下文）、长期记忆（外部存储/知识库）。
- 安全沙盒：如何防止 Agent 乱调用工具与安全隔离。
C. Prompt 工程¶
- Zero-shot vs Few-shot：示例如何影响模型输出。
- Chain-of-Thought：显性推理路径与解题步骤。
- Prompt 模板与上下文管理：构造稳定输入、变量插值、窗口裁剪。
D. 行业重构案例¶
- 医疗：诊断摘要、科研文献辅助，合规与责任界限。
- 金融：财报解析、自动化投研报告，实时数据对齐。
- 教育：个性化辅导、自动批改，公平性与可解释性。
- 软件开发：从 Copilot 到自主调试 agent，CI/CD 集成。
E. 扩展方向¶
- 多模态应用：图文/语音/视频 Agent 的融合；多模态 RAG。
- 大模型与传统系统融合：搜索引擎、数据库、ERP 与现有 IT 基建结合。
F. 评测与安全¶
- 场景化评测框架：任务-数据-指标-对齐的闭环；离线与在线评估融合。
- 幻觉治理与安全护栏：检索校对、反事实测试、裁判模型、人审混合。