Focus
Model Prompt Context
好的 LLM 產出通常不是只靠一句厲害的 prompt，而是來自一整套彼此對齊的系統， 包含正確的任務、足夠的背景、合適的工具，以及清楚的操作框架。
Model Basics
Prompt Design
Context Framing
一個雙語快速參考頁幫你用實務角度理解大型語言模型工作流。
這頁整理了做 LLM 系統最常需要的幾層內容: 模型特性、提示設計、上下文配置、 工具使用，以及可重複執行的 Agent 工作流模式。適合先快速掃讀，再當作日常參考頁回來查。
好的 LLM 產出通常不是只靠一句厲害的 prompt，而是來自一整套彼此對齊的系統， 包含正確的任務、足夠的背景、合適的工具，以及清楚的操作框架。
這份 wiki 也會談執行層: 讓模型先推理、再由工具接觸環境，最後用審查與檢查流程收斂風險與品質。
如果你想先抓大圖，可以從這裡開始。這頁的目標是替團隊建立一套討論 LLM 系統的共同語言， 從指令設計一路連到驗證與執行方式。
這幾層是一起工作的: 模型提供能力，Prompt 定義任務，Context 補上模型不能安全自行推得的背景。
在真實工作流裡，模型不該只停留在聊天。工具讓它能搜尋、讀檔、改檔、跑測試，並驗證自己的假設。
Harness 會把原始模型輸出變成可操作系統，包含權限、檢查點、審查標準與可重複的交接模式。
這份 wiki 最適合從模型限制看到 prompt 結構，再看到工具化工作流。 這樣比較容易把抽象概念轉成可靠的專案行為。
下面嵌入的是原始 PDF。你可以先用這個頁面快速掌握框架，再往下閱讀， 或另開 PDF 做完整瀏覽。