模块02 · LLM 核心技术原理 · 第6期 | 北京慧测

为什么学这一模块

不懂原理，永远只能“用”AI；懂了原理，才能“驾驭”AI。这一模块用测试工程师听得懂的语言讲透大模型，让你后面学 RAG、Agent、评测时一路绿灯。

核心技术栈

Transformer Prompt Engineering Context Engineering Function Calling Structured Output RAG Embedding ReAct MCP Token 化

技术亮点

Function Calling 机制

吃透 Tool Schema 定义与 JSON Mode 结构化输出——这是 AI 对接测试管理工具、实现自动化的技术桥梁

Agent 最小组成模型

模型 + 工具 + 记忆 + 循环，一个公式看懂所有 Agent 框架（LangGraph / DeepAgents 皆适用）

非确定性的成因与质量影响

从温度、采样与上下文窗口理解“同一提示词跑 5 次、次次不一样”的根源——它直接牵动 AI 产品的三大质量指标：准确率幻觉率稳定性。至于如何量化度量它，正是模块 07「Agent 测试与评测」要解决的问题

一条主线，串起所有技术名词

Prompt → Function Calling → MCP → Skill → Agent：能力逐层递进，课程逐层落地

LAYER 01

Prompt 提示词

把意图说清楚：模板、思维链、System Prompt

模块 02

LAYER 02

Function Calling / Tools

让模型会"动手"：Tool Schema、结构化输出、并行调用

模块 02

LAYER 03

MCP 协议

工具接入的标准化：一次接入，处处可用

模块 02 / 03

LAYER 04

Skill 技能

把经验封装成可复用、可调试、可发布的资产

模块 06

LAYER 05

Agent 智能体

模型+工具+记忆+循环，编排以上所有能力

模块 03 / 05

四个 Engineering：区别与运用

从"写好一句话"到"驱动一个系统"——AI 工程能力的四个演进阶段，业界常混为一谈，本课程分层讲透、全部覆盖：

阶段	关注什么	解决什么问题	典型手段	课程落点
提示词工程 Prompt Engineering	单次输入的质量	模型"听不懂、答不准"	Zero/Few-shot、思维链、System Prompt、三段式模板	模块 02
上下文工程 Context Engineering	喂给模型的信息质量	上下文窗口有限、信息噪声、多轮遗忘	上下文裁剪、记忆分层、RAG 检索增强	模块 02 / 08
Harness 工程 Harness Engineering	智能体的运行时骨架	Agent 不可控、难扩展、难二次开发	插件化基座、Profile 组装、Plugin / Skill / MCP 扩展	模块 01 / 03
Loop 工程 LoopEngineering	持续自主的执行闭环	AI 只能一次性问答，无法长期值守	感知 → 决策 → 执行 → 反思的自主循环	模块 11

核心内容

大模型工作原理：概率预测引擎、幻觉成因、Token 与上下文窗口、非确定性的成因与质量影响

模型训练与评测的关系：预训练/SFT/RLHF/DPO，模型升级为何必须回归评测

主流模型生态与选型：GPT/Claude/DeepSeek/Qwen/Kimi/GLM 能力与价格带

Prompt Engineering：Zero/Few-shot、思维链、System Prompt、三段式模板

Context Engineering 入门：上下文窗口管理、信息取舍与记忆分层——Harness 与 Loop 的底层基本功

Function Calling 与结构化输出：Tool Schema、JSON Mode、并行调用

RAG / Agent / MCP：开卷考试比喻、Agent 最小组成、MCP Server/Client

实战产出

同一接口生成 5 次用例的差异实验
10 个高质量测试 Prompt 模板
一个 Function Calling 应用
手写一个简单 Agent

← 模块 01 ← 全部模块模块 03 → 咨询报名 →