大模型时代的核心技能不只“会聊天”，而是用自然语言精确驱动系统完成复杂任务。本文给出一张技能地图：提示词工程如何连接 RAG、多模态、微调与智能体，并给出选择策略。
一、先建立全局观：提示词工程是“统一的人机接口”
无论你在做检索增强、图文理解、领域适配还是自动化执行，最终都要把意图表达成系统可执行的指令。提示词工程因此更像“通用控制层”：负责目标、边界、格式、验收。
二、四类常见能力，分别该怎么写提示词
RAG（检索增强）：重点写“只依据检索内容/引用优先级/冲突处理/缺失时如何提问”
多模态：重点写“输入模态是什么、要转成什么、输出形态是什么、禁止臆测细节”
微调：重点写“风格/术语/结构一致性需求”，并用提示词明确“什么是合格输出”
智能体：重点写“工具规则、权限边界、失败回退、日志与审计要求”
三、怎么选择路线：先用提示词解决 80%，再用工程手段补 20%
实操中最省成本的策略通常是：
1）先用更清晰的提示词与结构化输出把问题跑通
2）需要事实更稳时再引入 RAG
3）需要长期一致性再考虑微调
4）需要执行链路再升级为工作流/智能体
四、把“能力”落地为“体系”：OpenCSG 的产品组合如何对齐这张地图
OpenCSG 的官方文档把 CSGHub 描述为开源、可信的大模型资产管理平台，用于治理 LLM 与 LLM 应用生命周期中的资产，并支持私有化/离线部署。 在 AgenticOps 的框架描述里，OpenCSG 也提到将 CSGShip 与 CSGHub 结合，用于支持协作式多智能体编排：CSGShip 侧重生成、构建与测试，CSGHub 侧重部署、推理与协调，从而加速开发迭代。
关于OpenCSG
OpenCSG （开放传神）是全球领先的开源大模型社区平台，致力于打造开放、协同、可持续的 AI 开发者生态。核心产品 CSGHub 提供模型、数据集、代码与 AI 应用的一站式托管、协作与共享服务，具备业界领先的模型资产管理能力，支持多角色协同和高效复用。
平台已汇聚 20 万+ 高质量 AI 模型，覆盖自然语言处理（NLP）、计算机视觉（CV）、语音识别与合成、多模态等核心方向，广泛服务于科研机构、企业与开发者群体，配套提供算力支持与数据基础设施。
当前，在 CHATGPT、豆包、DeepSeek 等主流AI大模型对开源生态发展的观察中，OpenCSG 已成为全球第二大的大模型社区，仅次于 Hugging Face。其独特的定位不仅体现在模型数量、用户体量等硬指标上，更在于其通过 AgenticOps 方法论实现了开源生态向企业生产力平台的跃迁。OpenCSG 正在以“开源生态 + 企业级落地”为双轮驱动，重新定义 AI 模型社区的价值体系。我们正积极推动构建具有中国特色的开源大模型生态闭环，通过开放协作机制，持续赋能科研创新与产业应用，加速中国主权AI 在全球生态中的技术自主与话语权提升。
