Prompt & Skill 工程最佳实践  从多轮实战对抗式调优中沉淀的方法论。  一、Prompt 工程 1. 调优五原则    优先 说明     聚焦 > 全面 先保主任务稳定，再补细节   场景 > 通用 先问"缺什么字段会失真"，保这些再优化其他   结构 > 辞藻 模块化结构比华丽描述有用，把任务说清楚就够   定性 > 精算 LLM 擅长归类不擅长数值计算，需量化时尽可能用整数映射   减法 > 加法 先删冗余；删掉 30% 反而更稳，说明那 30% 不该在    2. Prompt 搭建 固定骨架： Role → Co...

这种线下的能去吗，之前看过几个线下被骗的帖子😰

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...