了解长文本为什么需要分块，使用 Python 实现按段落切分，并把分块摘要组织成一次最终总结。

通过少量输入输出示例和 Python 提示词模板，理解如何约束模型行为，并构建可复用、易测试的请求。

从任务、上下文、约束和输出格式四个部分拆解提示词，使用一个最小 Python 示例写出更稳定、可验证的模型请求。

理解模型选择的核心权衡：能力、延迟与价格，学会按任务匹配模型档次，并用 usage 字段估算每次 API 调用的成本。

理解大模型 API 调用中常见的超时、限流、连接错误，学会用 SDK 内置重试与手写指数退避让程序在接口不稳定时也能可靠运行。

用 response_format 让模型直接返回 JSON，对比 json_object、json_schema 与 Pydantic parse 三种方式的用法、差异和常见坑。

用 stream=True 让模型回复像打字一样逐字出现，理解流式 chunk 的结构、如何累加完整文本与获取 token 用量。

理解 temperature、top_p、max_tokens 和 stop 四个核心生成参数，通过最小可运行示例观察它们如何影响模型输出。

理解 Token 与上下文窗口的概念，学会用 tiktoken 估算 token 数量，并写出一个自动裁剪历史的方案，避免对话因超限而中断。

理解大模型 API 中的三种消息角色，学会管理对话历史，写出能记住上下文的聊天程序。