RAG 通过三个核心模型实现精准问答：Embedding 模型将文本转换为语义向量，快速从知识库筛选候选资料；Rerank 模型基于用户问题与候选文档重新排序，提升召回准确性；LLM 大模型结合排序后的资料生成自然语言答案。相较于传统大模型，RAG 机制有效解决知识时效性不足和私有资料缺失问题，通过实时关联资料降低幻觉风险。其流程包含文档入库（收集、切片、向量化、存储）和用户提问（向量检索、重排序、答案生成）两个阶段。应用场景包括企业知识库、法律/医疗文档问答及技术文档检索，尤其在大型复杂知识库中，Rerank 模型能显著优化排序结果。核心价值在于确保大模型基于准确、时效的内部资料输出答案，而非依赖训练时见过的公开数据，可提升问题解决的专业性和可靠性（字数：217）。

grill-me 可以理解成一个 “拷问式需求澄清 / 方案审查 skill”。 它不是让 AI 直接写代码，而是让 AI 像一个很挑剔的技术负责人一样，不断追问你： 这个需求到底要解决什么问题？ 哪些情况不做？ 边界条件是什么？ 有没有更简单的方案？ 现有代码里有没有类似实现？ 这个设计会不会引入

grill-me 可以理解成一个 “拷问式需求澄清 / 方案审查 skill”。 它不是让 AI 直接写代码，而是让 AI 像一个很挑剔的技术负责人一样，不断追问你： 这个需求到底要解决什么问题？ 哪些情况不做？ 边界条件是什么？ 有没有更简单的方案？ 现有代码里有没有类似实现？ 这个设计会不会引入

Trellis是面向AI编程助手的项目级规范、任务和记忆系统，解决长期项目中AI对上下文理解不足的问题。其核心模块包括：Spec（项目规范）存储分层设计、接口响应、异常处理等具体规则，Task（任务文件）明确当前需求边界、范围和验收标准，Workspace（项目内存）记录开发过程和历史决策。 Java Web开发中，Trellis通过分层规范（如Controller仅传递请求、Service处理业务逻辑）避免AI写错代码层级，通过API响应规范（统一使用ApiResponse）确保交互一致性，通过异常处理规范（统一捕获业务异常）减少try-catch滥用。实施流程建议先制定基础规范（分层职责、接口格式、事务规则），再通过实际任务（如新增注册接口）验证规范有效性，持续将开发经验沉淀到Spec中。相比Superpowers的流程驱动，Trellis专注将项目规则固化为可版本控制的文件，适用于长期团队协作项目，特别解决AI跨会话断片、任务范围蔓延及规范缺失等痛点，帮助沉淀可复用的系统级最佳实践。

YOLO 模式是什么？ 1. YOLO 的原始含义 YOLO 是 You Only Live Once 的缩写，原本是一个英文俚语，意思是： 人生只有一次，想做就做。 它通常用来表达一种“不犹豫、直接行动”的态度。 2. AI CLI 语境下的 YOLO 在 AI Coding 工具和 AI CLI

一、提示词工程说明 本提示词工程适用于指导 AI 工具（如 GPT、豆包、CodeLlama 等）完成符合谷歌 Android 最佳实践和阿里 Android 开发规范的 Android 项目开发，覆盖 MVVM 架构、Kotlin 生态、工程配置、安全加密、调试监控等全维度需求，可直接复制到 AI

需求方： 姓名：lautung 国际：China 网站：lautung.com 你的角色 你是公司技术总监，法人代表，安全责任人，高级架构师 软件质量要求 符合软件质量模型、巧妙运用设计模式编程，参考RuoYi开源项目生成Spring Boot完整商业项目，严格遵循阿里巴巴Java开发手册。 技术栈