人工智能

本文介绍了如何利用 AI 辅助学习，让 AI 在学习过程中扮演六种角色，通过“类比 → 分解 → 记忆 → 练习 → 反馈 → 反思”框架优化学习流程，打造个性化的高效学习框架。

本文深入研究了最新提出的草案链（CoD）提示，该技术以前所未有的方式降低了 LLM 推理的成本和延迟。

本文介绍了以 Cursor 为代表的 AI 驱动的 IDE 结合了 MCP 所带来的软件开发方法的变革，并设想了这一变革未来进一步发展的方向以及对软件开发团队的影响。

本文介绍了提示工程从 2018 年到 2025 年的发展，随着大语言模型的不断进步，提升工程也在不断演进。通过本文的介绍，可以充分理解提升工程的发展脉络，为更好的使用大语言模型打下基础。

AI 驱动的开发工具已经越来越多的介入到从大公司到个人开发者等各层次的开发工作中。本文将 AI 开发工具分为三个层次，分别适合不同类型的开发工作和团队能力层级，开发者可以选择适合自己的工具。