从 RL 到蒸馏，再到软蒸馏：Why RL Matters？
本文探讨了强化学习（RL）在大语言模型后训练阶段的作用，以及它与蒸馏（SFT）的关系。作者认为，SFT 阶段为模型提供了思维链（CoT）模式，而 RL 则帮助模型将这些模式“本土化”，找到最适合自身知识量和分词器的表达方式，并增强模型的可控性。同时，蒸馏（包括软蒸馏）可以高效地将强模型的能力迁移到弱模型，但过度依赖蒸馏会限制模型的进步。文章最后指出，领先团队应加大 RL 投入，而应用型团队则可优先选择蒸馏。
全部文档 / 标签: CoT
5 篇
从 CoT 到 ReAct：用 Python 搭建 LLM Agent 实战指南
本文通过 Python 演示了如何搭建一个具备规划、工具调用、验证和复盘能力的完整 LLM Agent。教程详细拆解了 Plan-and-Solve、ReAct、Verification、Self-Refine 和 Reflexion 五个核心模块，强调了结构化数据控制流程的重要性，并提供了工程落地的具体代码实现与原则。
2026年提示词实战手册：全员AI技能培训脱敏版
本文是一份面向全员（美术、运营、产品、策划、财务、客服）的提示词工程实战培训手册。文章不仅解析了角色设定、格式控制、思维链、少样本示例和负面约束五大核心技巧，还提供了周报生成、会议纪要、竞品调研等可直接套用的Prompt模板，并整理了李继刚、宝玉等国内知名创作者的实践思路，旨在通过“少理论，多模板”的方式提升AI办公效率。
超越99%人的AI提示词工程：从需求结构化到迭代反馈的实战闭环
文章揭示了AI时代提示词工程的核心不仅是技巧，而是“表达需求的能力”。作者提出了一套系统化的四阶段方法论：需求结构化（COSTAR模版）、推理路径设计（CoT与Few-Shot）、结果校验（自我一致性与ReAct）以及迭代反馈（Reflexion）。通过这套闭环思维，用户可以将简单的问答转化为高质量的决策方案。
Agents Are Stuck in a Loop: Memory Growth and Propagation
文章深入探讨了 AI Agent 面临的记忆系统瓶颈：无限记忆增长（UMG）导致检索效率低下和噪声干扰，以及虚假记忆传播（FMP）利用思维链错误放大幻觉。作者指出现有的 RAG 系统因读写混合而加剧了该问题，并提出可以借鉴强化学习（RL）机制，根据任务验证结果对记忆进行奖惩打分，从而过滤无效记忆。
