只给提示词
描述想要做什么
按文字描述理解任务
没有说明的背景、材料和标准，
可能被模型自行假设。
以科创筑梦，以竞赛砺行
大语言模型现状
和 Agent 技术
拓展个人能力边界
- 01原理与现状
- 02工具与环境
- 03科研与竞赛
大语言模型现状
常见的应用入口，背后连接着模型、资料和工具。
I would like a cup of
我想要一杯……第1次预测
分词与向量化
按编号读取训练学得的词向量，再加位置向量，让表示带上先后顺序。
→
768维，展开前3维
词向量＋位置向量＝初始表示
注意力：按权重汇集信息
GPT-2 · 第1层第1头输入先归一化，再经线性变换得到 Q、K、V。
Q 当前位置的查询K 各位置的匹配特征V 各位置的信息
后续位置被遮住
用读取权重汇总 V→64维输出
预测下一片段
末位表示 → 词表打分
Softmax 将分数转成概率50,257个候选分数概率
本例取最高概率
追加到文本，再预测下一片段
型号与模型 ID上下文输入可用方式
K＝千，M＝百万 Token；上下文窗口容纳本轮输入与生成。
Terminal-Bench 4.0
任务完成率（%）发布图摘录
BenchCAD
多视图 → CAD代码 → 形体
Voxel IoU（%）无工具有工具— 未披露
无工具 → 有工具
一份工作簿，怎样把数据连起来
公式引用摘录张工作表个公式单元格
原文件 · Checks!B7
资产 − 负债 − 权益：工作簿中的一项平衡校验
三维游戏场景
公开作品“分析这些材料，
做一份有依据的报告。”
做一份有依据的报告。”
问题、文档、数据与已有工作
一次模型调用的上下文逐层组织
系统说明角色、运行规范、边界
任务目标交付物、格式、完成标准
相关材料比赛要求、文献、原始数据
工具说明文件、终端、浏览器的可用操作
过程记录已完成部分、待办与当前状态
执行反馈输出文件、错误、检查结果
模型根据这些信息，决定回答或调用工具。
提示词工程
这一轮任务怎样说清楚。
上下文工程
长任务里，哪些资料与反馈应当持续进入模型视野。
材料要相关、清楚、可追溯。上下文不是无差别堆料。
上下文 → 模型 → 框架 → 工具准备输入
工具请求
协议示意工作区文件
执行反馈
执行记录等待工具执行
首次返回
修正编码参数
输出文件
等待返回analysis_metrics.json
—条记录
应用与交互
上下文与工具
组织输入
任务、材料
与过程记录
调用工具
检索、读写
与程序执行
呈现产物
文字、文件
与作品预览
实际大语言模型ID
调用时，用 model 字段指定型号
"model": 用输入换输出
请整理新兴技术犯罪的
主要类型、典型案例
与资料来源，形成
一份分析提纲。
主要类型、典型案例
与资料来源，形成
一份分析提纲。
想要优质的输出，就要给出充分的输入。
提供资料
提示词 ＋ 资料
报告、数据与来源
用你的材料回答问题
结论能联系到具体内容和出处，
与你的任务更贴近。
准备充分工作区
任务目标与要求现有资料与已有工作可用工具与运行环境
围绕实际目标推进工作
结合要求、资料和已有工作，
调用工具执行，再根据反馈修正。
文件与资料
任务说明.md原始数据.csv报告.pdf
浏览器
搜索/阅读/提取
操作网页与获取反馈
终端与程序
python analyze.py
运行→报错→修正
网络与接口
API / 远程服务
程序之间交换数据
工作方法
Skills / 规范 / 模板
让经验可以复用
可检查的成果
文档 / 网页 / 图表
工具 / 程序 / 模型
桌面应用
Codex / OpenCode终端交互界面 TUI
Pi命令行 CLI
命令、参数
与标准输出
pi打开交互界面pi -p "任务"处理任务后退出同一个程序，可以提供不同入口。
Skill：一类工作的手册与资源
技能包/
SKILL.md名称、适用任务与执行指引references/参考资料assets/模板与素材scripts/可执行脚本读名称与描述→匹配任务→载入指引
本质是按需加载提示词的提示词工程产物
本机与外部服务的连接
MCPtools/list发现工具与参数结构tools/call传入名称与参数content返回结果内容外部提供者的服务统一用MCP协议封装，实现本机调用
分工与持续推进
系统说明约束运行
资料查找整理与核对汇合成果
Subagent 分工 · Goal 跟踪目标
具体支持取决于框架。
Claude Code Codex Grok Build Antigravity OpenCode DeepSeek Harness Pi
竞赛工作区
比赛要求.pdf
任务说明.md
参考资料/
公开文献/
来源说明.md
原始数据/
分析脚本/
输出成果/
进度与待核查.md
一个可直接模仿的组织方式
新兴技术犯罪风险分析
01研究对象
人工智能、区块链、量子技术、生物技术与犯罪风险的关联。
02已有材料
四类公开资料；保留标题、来源链接、时间与正文。
03交付物
可复核统计、图表、分析报告与展示材料。
04检查方式
数字有出处；说明分类口径与结论的依据。
人选择问题
选择问题
检查证据
调整方向
AI Agent执行工具
执行工具
处理数据
形成成果
“人与AI都在回路”
体现在每次反馈和纠偏中。
DeepSeek V4 Pro Max with OpenCode
& 铁道游击队郭昭廷 / 康耘硕 / 余锦程指导教师：郭兰潇
团体一等奖第一名
当前来源全部 · 38,830 条
全部新闻社交平台政策司法判例
技术与犯罪场景的关键词共现
少多
- MD任务说明.md
- 资料
- PDF竞赛报告-分享材料.pdf
- MD来源说明.md
- CSV交叉统计.csv
- 成果
交叉统计.csv
| 技术 | 诈骗 | 伪造 |
|---|---|---|
| 人工智能 | 5668 | 4809 |
| 区块链 | 2931 | 744 |
| 量子技术 | 263 | 100 |
在工作区里启动 Agent
官方安装命令示例❯ npx @deepseek-ai/dsh web打开 Web 界面 → 选择当前目录 → 选择可用模型
先读取任务说明和资料目录，复述目标及缺口，
给出执行计划，再用小样本核对统计结果。
保留出处，把文件写入成果目录。
用小测试核对结果是否可信
先只算左表前两行“诈骗”列的合计。
自己先算出答案
再核对模型的输出
对照读入的两行和计算过程，
对上后，再处理完整表。
从整本报告中组织分享内容
原页码保留对应关系for page_no in [1, 3, 6, 14]: output.insert_pdf(source, from_page=page_no - 1, to_page=page_no - 1) output.save("竞赛报告-分享材料.pdf")
第3页仅保留来源与采集部分
把重复工作做成小工具
文件夹 → 整合文件树单文本文件把目录和资料一次整理给模型。
以本地的数据搭建线上服务
数据台
场地图纸到布置可视化
18 × 12 m场地6主题展位2.4 m中轴净宽
布置平面 SVG物料清单 CSV三维模型 GLB布局参数 JSON
Windows Terminal
承载命令界面的窗口
PowerShell
组合与执行命令的环境
进程 / 网络 / 部署
实际任务里的程序与环境
任务说明.md
下一次任务，从这里开始
- 目标
- 围绕一个问题，撰写妥善充分的目标提示词。
- 材料
- 赛题、公开文献、原始表格和已有工作。
- 交付
- 结果文件、来源，以及仍需核查的地方。
- 核验
- 数字可以复算，观点能回到原始材料。
AI Agent 时代，
一知半解也有了实践的入口。
别光在对话框里许愿，
多丢点资料，多写点咒语。
谢谢大家