你有没有这种瞬间刷到 Claude 更新日志心里先“哇又变强了”下一秒就开始发怵——Skills、MCP、Projects、Prompts……一口气丢出四个新词像是产品经理在KPI冲刺。更要命的是它们看起来都跟“让AI更好用”有关都像是提升能力、增强记忆、提高效率的东西。于是问题来了到底谁负责什么它们是并列关系还是上下游我该先学哪个这篇文章不抠“官方定义”只讲人话你把 Claude 当成一个真正能干活的助理这四件套分别解决什么痛点、怎么配合、怎么上手。一、又来新概念了1.1 原来的大模型像个“失忆的专家”第一次用大模型的人大概率都会遇到这三种挫败感让它分析 Excel 数据 → “抱歉我不能直接读取文件”让它查最新 API 文档 → “我的知识截止到 2024 年初”想让它记住你的项目背景 → 每次都要重新复制粘贴上下文问题出在哪原生大模型就像个“失忆的专家”每次对话都是新的开始没有工具调用能力只能“动嘴不能动手”上下文管理全靠人工效率当然上不去1.2 突然发现的“四件套”某天你看到 Claude 更新日志冒出来四个概念Skills技能MCP模型上下文协议Projects项目Prompts提示词库第一反应往往是这都是啥有啥区别会不会又是概念炒作先别急着下结论。它们确实不是“换个名字卖新功能”而是把 AI 助手最核心的四个短板一次性补齐了。二、先别急着看定义搞清楚“为什么需要它们”2.1 AI 助手的三大核心痛点痛点具体表现导致问题能力边界只能对话不能操作查个天气都要你手动搜索记忆缺失每次对话都重新开始项目背景要反复说明效率低下常用指令要重复输入写10次同样的提示词你会发现不是模型不聪明而是它“缺手缺脚、缺记忆、缺快捷键”。2.2 四个功能分别解决什么问题先给你一个快速定位细节后面拆Skills→ 解决“不能动手”给 Claude 装工具MCP→ 解决“怎么接入数据/工具”统一连接标准Projects→ 解决“记忆缺失”长期上下文管理Prompts→ 解决“效率低下”把复杂指令做成模板如果你只记住一句话Projects 和 Prompts 是给你用的Skills 是让它能干活的MCP 是让它能接上你世界的。三、核心概念拆解人话版3.1 Skills给 Claude 装上“手和脚”一句话理解Skills 就是让 Claude 能调用外部工具的能力。你可以把它理解成“让 AI 从聊天机器人变成会操作的助理”。没有 Skills 的 Claude你“帮我查北京天气”Claude“我不能联网你自己查吧”有 Skills 的 Claude你“帮我查北京天气”Claude调用天气API → “北京今天晴15-25℃”官方常见 Skills 大致包括文件处理读取 PDF、分析 Excel网络搜索获取最新信息代码执行跑 Python 验证结果数据分析连接数据库做查询/聚合和 ChatGPT Plugins 的区别你可能最关心维度Claude SkillsChatGPT Plugins开放性用户可自定义多为官方/第三方调用方式通常通过 MCP 协议专用插件接口灵活性更强可本地部署更依赖平台审核一句话Skills 更像“你能自己装工具箱”而不是只能用平台提供的“应用商店”。3.2 MCP数据连接的“USB 标准”一句话理解MCP 是一套协议让 Claude 能标准化地接入各种数据源和工具。为什么会出现 MCP因为工具太多了而且每个工具的接入方式都不一样。没有 MCP 的世界连接 Notion → 写一套代码连接 GitHub → 又写一套代码连接数据库 → 再写一套代码每个工具都要重新适配有 MCP 的世界所有工具都遵循 MCP 协议Claude 只要对接一次 MCP后续加工具就像“即插即用”你可以把它理解成一层“翻译官”你的指令↓Claude理解意图↓MCP协议层翻译成标准格式↓[Notion] [Slack] [GitHub] [数据库]…实际场景会非常务实连接公司知识库装个 MCP 连接器 → Claude 能查内部文档自动化工作流连 Jira GitHub → “把这个 bug 转成 issue 并关联 PR”所以 MCP 的定位很清晰它不是给普通用户“每天点来点去”的功能而是给生态和开发者的底座。3.3 ProjectsClaude 的“项目记忆库”一句话理解Projects 让 Claude 记住某个项目的背景信息并在你每次提问时自动带入。最爽的点是你不用再当“人肉上下文搬运工”。之前每次都要解释“我在做电商项目技术栈 Next.jsPrisma数据库 PostgreSQL现在遇到个问题……”复制粘贴100遍现在创建 Project → 上传文档、规范、历史决策以后直接问“用户登录模块怎么优化”Claude 自动带入项目上下文Project 里通常会放项目文档需求、API、PRD代码规范团队 style、目录结构历史对话决策过程、踩坑记录自定义指令这个项目有哪些“铁律”和普通对话差异很直观维度普通对话Project对话上下文长度单次对话跨对话持久化知识范围通用知识项目专属知识回答风格泛泛而谈结合项目现实3.4 Prompts你的“快捷指令库”一句话理解Prompts 是把常用复杂指令保存成模板一键调用。你把它当成“AI 的快捷键 SOP”。以代码审查为例以前每次都要手打一长串“请帮我review这段代码重点检查安全漏洞SQL注入、XSS性能问题N1查询、内存泄漏代码规范遵循Airbnb style边界条件处理给出具体修改建议和代码示例”保存成 Prompt 后选择 Prompt“代码审查-完整版”粘贴代码 → 直接出结果Prompts 常见会分三类写作类公众号风格、技术博客、产品文案开发类代码审查、单测生成、API 文档分析类竞品分析、数据报告、用户调研四、关键对比一张表说清楚四者关系4.1 核心功能对比表功能核心作用解决问题使用频率技术门槛Skills工具调用能力Claude不能“动手”中中需配置MCP数据连接协议工具接入不统一低底层支撑高开发者关注Projects长期上下文背景要反复输入高低直接用Prompts指令模板库指令重复输入高低直接用4.2 层级关系图记住这个就不乱了用户层直接使用├── Prompts快捷指令 └── Projects项目管理 能力层功能扩展 └── Skills工具调用 协议层底层标准 └── MCP连接协议五、实战30分钟搭建你的 Claude 工作台5.1 Step1创建你的第一个 Project操作很简单打开 Claude → 点击 “Projects”新建项目比如“我的前端项目”上传文档技术栈说明.md、代码规范.md、API接口文档.pdf你可以写得很朴素但要“可执行”# 项目电商管理后台 ## 技术栈- React 18 TypeScript - Zustand - Ant Design 5.x - Axios React Query ## 代码规范- 函数组件 Hooks - 文件命名 kebab-case - 返回统一用 Result ## 特殊要求- 列表必须虚拟滚动 - 图片必须走 CDN效果差异会立刻出现普通对话“帮我写个用户列表组件” → 可能给你一个通用 TableProject 对话“帮我写个用户列表组件” → 更可能自动贴合 AntD、虚拟滚动、命名规范、状态管理方式5.2 Step2配置常用 Prompts比如做一个“API 文档生成器”名称API文档生成器内容要求输出路径/方法、参数表、返回、curlJS 示例、错误码、更新时间等从此你写文档就不是“靠人品”而是“靠模板”。5.3 Step3接入 Skills从最常用的开始建议从官方的“文件分析”“网络搜索”这种立刻见效的开始。典型对话你[上传sales_data.xlsx]“帮我分析这个销售数据找出TOP10产品”Claude读取 → 清洗 → 图表/结论 → 报告进阶玩法才会涉及自定义 Skills并通常会走 MCP这个更偏开发者/团队场景。六、常见疑问解答Q1Skills 和 MCP 到底是什么关系MCP 是协议像 HTTPSkills 是能力像浏览器能访问网页Skills 往往通过遵循 MCP 来调用工具类比很好记MCP Type-C 接口标准Skills 充电器的快充能力 有了标准各种“充电器/工具”才好接入。Q2Projects 和对话历史有什么不同维度对话历史Projects范围单次对话跨对话持久化内容只有聊天记录文档代码配置检索按时间顺序语义化组织容量受上下文窗口限制可存储更多资料Q3免费用户能用这些功能吗不同版本会有差异而且会随时间调整但总体趋势是Prompts 往往更基础开放Projects、完整 Skills、自定义/企业级 MCP 更偏付费版你可以用一个原则判断“越像生产力工具、越像团队资产的能力越可能出现在 Pro/Team 里。”Q4数据安全吗通常需要你自己做两件事只把“允许进入 AI 的资料”放进 Project对外部 Skills 授权要谨慎尤其是能写入、能执行的工具如果你在公司环境更推荐MCP 本地部署 内网数据源把数据流转控制在企业边界内。七、实战场景演示它们组合起来才好玩场景1内容创作工作流Project“公众号写作”放往期文章、选题库、写作规范Prompts“热点追踪”“提纲生成”“润色优化”Skills网络搜索补最新资料、图片生成配图你会明显感受到从“写一篇文章”变成了“跑一条工作流”。场景2代码重构助手Project“遗留系统重构”现有代码、目标架构Prompts“重构检查清单”“单测生成”Skills文件读取、代码执行跑测试验证一句话它开始像一个能陪你一起改、一起验证的搭档而不是只会建议的旁观者。八、进阶玩法打造团队知识库Team 版本最值的点如果你在团队里用收益会更明显共享 Projects需求、架构、SOP、话术库统一沉淀统一 Prompts代码审查标准、文档模板、客服回复口径企业级 MCP内网部署连接知识库/工单/数据仓库数据不出网这时 AI 不再是“某个人的工具”而是“团队的基础设施”。九、总结工具不是目的效率才是你可以把这四件套当成一个很实用的分工表模块你获得的能力Prompts把常用指令做成快捷键Projects给每个项目建个知识库Skills让 Claude 能操作工具MCP统一的数据接入标准最后给一个很实际的建议如果你是个人用户优先顺序几乎永远是Projects → Prompts → SkillsMCP 先知道它是什么就行。如果你是团队/开发者MCP 才会变成“越早统一越省事”的那块地基。说真的这两年看着身边一个个搞Java、C、前端、数据、架构的开始卷大模型挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis稳稳当当过日子。结果GPT、DeepSeek火了之后整条线上的人都开始有点慌了大家都在想“我是不是要学大模型不然这饭碗还能保多久”我先给出最直接的答案一定要把现有的技术和大模型结合起来而不是抛弃你们现有技术掌握AI能力的Java工程师比纯Java岗要吃香的多。即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇这绝非空谈。数据说话2025年的最后一个月脉脉高聘发布了《2025年度人才迁徙报告》披露了2025年前10个月的招聘市场现状。AI领域的人才需求呈现出极为迫切的“井喷”态势2025年前10个月新发AI岗位量同比增长543%9月单月同比增幅超11倍。同时在薪资方面AI领域也显著领先。其中月薪排名前20的高薪岗位平均月薪均超过6万元而这些席位大部分被AI研发岗占据。与此相对应市场为AI人才支付了显著的溢价算法工程师中专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%产品经理岗位中AI方向的产品经理薪资也领先约20%。当你意识到“技术AI”是个人突围的最佳路径时整个就业市场的数据也印证了同一个事实AI大模型正成为高薪机会的最大源头。最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】 Claude Skills深度解析：与MCP的区别及优势！
你有没有这种瞬间刷到 Claude 更新日志心里先“哇又变强了”下一秒就开始发怵——Skills、MCP、Projects、Prompts……一口气丢出四个新词像是产品经理在KPI冲刺。更要命的是它们看起来都跟“让AI更好用”有关都像是提升能力、增强记忆、提高效率的东西。于是问题来了到底谁负责什么它们是并列关系还是上下游我该先学哪个这篇文章不抠“官方定义”只讲人话你把 Claude 当成一个真正能干活的助理这四件套分别解决什么痛点、怎么配合、怎么上手。一、又来新概念了1.1 原来的大模型像个“失忆的专家”第一次用大模型的人大概率都会遇到这三种挫败感让它分析 Excel 数据 → “抱歉我不能直接读取文件”让它查最新 API 文档 → “我的知识截止到 2024 年初”想让它记住你的项目背景 → 每次都要重新复制粘贴上下文问题出在哪原生大模型就像个“失忆的专家”每次对话都是新的开始没有工具调用能力只能“动嘴不能动手”上下文管理全靠人工效率当然上不去1.2 突然发现的“四件套”某天你看到 Claude 更新日志冒出来四个概念Skills技能MCP模型上下文协议Projects项目Prompts提示词库第一反应往往是这都是啥有啥区别会不会又是概念炒作先别急着下结论。它们确实不是“换个名字卖新功能”而是把 AI 助手最核心的四个短板一次性补齐了。二、先别急着看定义搞清楚“为什么需要它们”2.1 AI 助手的三大核心痛点痛点具体表现导致问题能力边界只能对话不能操作查个天气都要你手动搜索记忆缺失每次对话都重新开始项目背景要反复说明效率低下常用指令要重复输入写10次同样的提示词你会发现不是模型不聪明而是它“缺手缺脚、缺记忆、缺快捷键”。2.2 四个功能分别解决什么问题先给你一个快速定位细节后面拆Skills→ 解决“不能动手”给 Claude 装工具MCP→ 解决“怎么接入数据/工具”统一连接标准Projects→ 解决“记忆缺失”长期上下文管理Prompts→ 解决“效率低下”把复杂指令做成模板如果你只记住一句话Projects 和 Prompts 是给你用的Skills 是让它能干活的MCP 是让它能接上你世界的。三、核心概念拆解人话版3.1 Skills给 Claude 装上“手和脚”一句话理解Skills 就是让 Claude 能调用外部工具的能力。你可以把它理解成“让 AI 从聊天机器人变成会操作的助理”。没有 Skills 的 Claude你“帮我查北京天气”Claude“我不能联网你自己查吧”有 Skills 的 Claude你“帮我查北京天气”Claude调用天气API → “北京今天晴15-25℃”官方常见 Skills 大致包括文件处理读取 PDF、分析 Excel网络搜索获取最新信息代码执行跑 Python 验证结果数据分析连接数据库做查询/聚合和 ChatGPT Plugins 的区别你可能最关心维度Claude SkillsChatGPT Plugins开放性用户可自定义多为官方/第三方调用方式通常通过 MCP 协议专用插件接口灵活性更强可本地部署更依赖平台审核一句话Skills 更像“你能自己装工具箱”而不是只能用平台提供的“应用商店”。3.2 MCP数据连接的“USB 标准”一句话理解MCP 是一套协议让 Claude 能标准化地接入各种数据源和工具。为什么会出现 MCP因为工具太多了而且每个工具的接入方式都不一样。没有 MCP 的世界连接 Notion → 写一套代码连接 GitHub → 又写一套代码连接数据库 → 再写一套代码每个工具都要重新适配有 MCP 的世界所有工具都遵循 MCP 协议Claude 只要对接一次 MCP后续加工具就像“即插即用”你可以把它理解成一层“翻译官”你的指令↓Claude理解意图↓MCP协议层翻译成标准格式↓[Notion] [Slack] [GitHub] [数据库]…实际场景会非常务实连接公司知识库装个 MCP 连接器 → Claude 能查内部文档自动化工作流连 Jira GitHub → “把这个 bug 转成 issue 并关联 PR”所以 MCP 的定位很清晰它不是给普通用户“每天点来点去”的功能而是给生态和开发者的底座。3.3 ProjectsClaude 的“项目记忆库”一句话理解Projects 让 Claude 记住某个项目的背景信息并在你每次提问时自动带入。最爽的点是你不用再当“人肉上下文搬运工”。之前每次都要解释“我在做电商项目技术栈 Next.jsPrisma数据库 PostgreSQL现在遇到个问题……”复制粘贴100遍现在创建 Project → 上传文档、规范、历史决策以后直接问“用户登录模块怎么优化”Claude 自动带入项目上下文Project 里通常会放项目文档需求、API、PRD代码规范团队 style、目录结构历史对话决策过程、踩坑记录自定义指令这个项目有哪些“铁律”和普通对话差异很直观维度普通对话Project对话上下文长度单次对话跨对话持久化知识范围通用知识项目专属知识回答风格泛泛而谈结合项目现实3.4 Prompts你的“快捷指令库”一句话理解Prompts 是把常用复杂指令保存成模板一键调用。你把它当成“AI 的快捷键 SOP”。以代码审查为例以前每次都要手打一长串“请帮我review这段代码重点检查安全漏洞SQL注入、XSS性能问题N1查询、内存泄漏代码规范遵循Airbnb style边界条件处理给出具体修改建议和代码示例”保存成 Prompt 后选择 Prompt“代码审查-完整版”粘贴代码 → 直接出结果Prompts 常见会分三类写作类公众号风格、技术博客、产品文案开发类代码审查、单测生成、API 文档分析类竞品分析、数据报告、用户调研四、关键对比一张表说清楚四者关系4.1 核心功能对比表功能核心作用解决问题使用频率技术门槛Skills工具调用能力Claude不能“动手”中中需配置MCP数据连接协议工具接入不统一低底层支撑高开发者关注Projects长期上下文背景要反复输入高低直接用Prompts指令模板库指令重复输入高低直接用4.2 层级关系图记住这个就不乱了用户层直接使用├── Prompts快捷指令 └── Projects项目管理 能力层功能扩展 └── Skills工具调用 协议层底层标准 └── MCP连接协议五、实战30分钟搭建你的 Claude 工作台5.1 Step1创建你的第一个 Project操作很简单打开 Claude → 点击 “Projects”新建项目比如“我的前端项目”上传文档技术栈说明.md、代码规范.md、API接口文档.pdf你可以写得很朴素但要“可执行”# 项目电商管理后台 ## 技术栈- React 18 TypeScript - Zustand - Ant Design 5.x - Axios React Query ## 代码规范- 函数组件 Hooks - 文件命名 kebab-case - 返回统一用 Result ## 特殊要求- 列表必须虚拟滚动 - 图片必须走 CDN效果差异会立刻出现普通对话“帮我写个用户列表组件” → 可能给你一个通用 TableProject 对话“帮我写个用户列表组件” → 更可能自动贴合 AntD、虚拟滚动、命名规范、状态管理方式5.2 Step2配置常用 Prompts比如做一个“API 文档生成器”名称API文档生成器内容要求输出路径/方法、参数表、返回、curlJS 示例、错误码、更新时间等从此你写文档就不是“靠人品”而是“靠模板”。5.3 Step3接入 Skills从最常用的开始建议从官方的“文件分析”“网络搜索”这种立刻见效的开始。典型对话你[上传sales_data.xlsx]“帮我分析这个销售数据找出TOP10产品”Claude读取 → 清洗 → 图表/结论 → 报告进阶玩法才会涉及自定义 Skills并通常会走 MCP这个更偏开发者/团队场景。六、常见疑问解答Q1Skills 和 MCP 到底是什么关系MCP 是协议像 HTTPSkills 是能力像浏览器能访问网页Skills 往往通过遵循 MCP 来调用工具类比很好记MCP Type-C 接口标准Skills 充电器的快充能力 有了标准各种“充电器/工具”才好接入。Q2Projects 和对话历史有什么不同维度对话历史Projects范围单次对话跨对话持久化内容只有聊天记录文档代码配置检索按时间顺序语义化组织容量受上下文窗口限制可存储更多资料Q3免费用户能用这些功能吗不同版本会有差异而且会随时间调整但总体趋势是Prompts 往往更基础开放Projects、完整 Skills、自定义/企业级 MCP 更偏付费版你可以用一个原则判断“越像生产力工具、越像团队资产的能力越可能出现在 Pro/Team 里。”Q4数据安全吗通常需要你自己做两件事只把“允许进入 AI 的资料”放进 Project对外部 Skills 授权要谨慎尤其是能写入、能执行的工具如果你在公司环境更推荐MCP 本地部署 内网数据源把数据流转控制在企业边界内。七、实战场景演示它们组合起来才好玩场景1内容创作工作流Project“公众号写作”放往期文章、选题库、写作规范Prompts“热点追踪”“提纲生成”“润色优化”Skills网络搜索补最新资料、图片生成配图你会明显感受到从“写一篇文章”变成了“跑一条工作流”。场景2代码重构助手Project“遗留系统重构”现有代码、目标架构Prompts“重构检查清单”“单测生成”Skills文件读取、代码执行跑测试验证一句话它开始像一个能陪你一起改、一起验证的搭档而不是只会建议的旁观者。八、进阶玩法打造团队知识库Team 版本最值的点如果你在团队里用收益会更明显共享 Projects需求、架构、SOP、话术库统一沉淀统一 Prompts代码审查标准、文档模板、客服回复口径企业级 MCP内网部署连接知识库/工单/数据仓库数据不出网这时 AI 不再是“某个人的工具”而是“团队的基础设施”。九、总结工具不是目的效率才是你可以把这四件套当成一个很实用的分工表模块你获得的能力Prompts把常用指令做成快捷键Projects给每个项目建个知识库Skills让 Claude 能操作工具MCP统一的数据接入标准最后给一个很实际的建议如果你是个人用户优先顺序几乎永远是Projects → Prompts → SkillsMCP 先知道它是什么就行。如果你是团队/开发者MCP 才会变成“越早统一越省事”的那块地基。说真的这两年看着身边一个个搞Java、C、前端、数据、架构的开始卷大模型挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis稳稳当当过日子。结果GPT、DeepSeek火了之后整条线上的人都开始有点慌了大家都在想“我是不是要学大模型不然这饭碗还能保多久”我先给出最直接的答案一定要把现有的技术和大模型结合起来而不是抛弃你们现有技术掌握AI能力的Java工程师比纯Java岗要吃香的多。即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇这绝非空谈。数据说话2025年的最后一个月脉脉高聘发布了《2025年度人才迁徙报告》披露了2025年前10个月的招聘市场现状。AI领域的人才需求呈现出极为迫切的“井喷”态势2025年前10个月新发AI岗位量同比增长543%9月单月同比增幅超11倍。同时在薪资方面AI领域也显著领先。其中月薪排名前20的高薪岗位平均月薪均超过6万元而这些席位大部分被AI研发岗占据。与此相对应市场为AI人才支付了显著的溢价算法工程师中专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%产品经理岗位中AI方向的产品经理薪资也领先约20%。当你意识到“技术AI”是个人突围的最佳路径时整个就业市场的数据也印证了同一个事实AI大模型正成为高薪机会的最大源头。最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】