昨天跑中文情感分类 baseline，一上来就栽在数据集上了。本来想着从魔搭拖个现成的大众点评数据集，加载完直接喂模型，结果 MsDataset.load 下来一看，整份数据全塞在 train 里，连

LLM只输出tool_calls文本，你的代码解析后执行真实函数。两次调用：先决策，后回答。messages顺序不能错。

前言：一场精心设计的"错觉" 你有没有想过一个问题：大模型本质上是个"词语接龙"游戏。 它被困在服务器里，看不见屏幕，摸不着键盘，唯一的技能就是根据上文预测下一个词的概率。那它怎么就能突然会调用天气A

个人使用场景 `claude` 模型实在是太贵了，想使用 `Claude Code` 默认只支持 `Anthropic` 的接口格式，所以本文记录了如何把本地模型或者其他模型接入

我用 30 行代码，搞懂了大模型是怎么"读"中文的 写在前面 前两天有个朋友问我："为什么我让 AI 帮我翻译一篇文章，明明没几个字，API 调用花了好几块钱？" 我当时就想，这哥们肯定不知道 Tok

一、前置基础：三种范式的演进背景 在讲解具体方法前，先明确两个基础认知，理解这三类技术的诞生逻辑： 零样本（Zero-shot）：大模型的原生提问方式直接向模型提出任务要求、不提供任何示例，就是零样本

Qwen3 MoE vs Dense 怎么选？2026 工程部署视角完整指南 TL;DR 场景：本地模型部署、AI Agent、实时语音对话、模型路由、Qwen3 系列选型 结论：Dense 适合实时

四个大模型困在荒岛上跟你抢着逃生，它们自己学会了结盟、坐地起价、在你快赢时联手坑你——而我从没写过这条规则。聊聊怎么让 LLM 演得活、又不让它把游戏规则玩崩。

一、引言：一次"失忆"实验 先来看一段简单的代码： 如果第二次请求我们只发 [{ role: 'user', content: '请问我的名字是什么？' }]，不带上历史消息——模型会怎么回答？ 它会

对 skill 跑 6 次调用，采集真实 L3 数据（时延、Token），L2 格式检查 + LLM-as-Judge 质量评分，加入模拟 L1 用户反馈，输出完整健康看板

一、Token的定义 Token 是大语言模型（LLM）处理文本时的最小单位。 模型不会直接识别汉字、英文字母，它处理文本有自己的最小颗粒度，这个颗粒就叫 Token。所有的语义理解、内容生成都建立在

上节课我们学习了可靠消息投递，当大模型回复完消息之后，会将消息进行chunk切分（这里主要还是防止消息过长）并写入tmp.json, 之后后台会启一个线程，并扫描特定文件夹下的*.json文件，再发送

一、前置基础：大模型生成文本的核心逻辑 在理解两个参数前，先要搞懂大语言模型的生成本质，这是所有采样参数的底层前提： 自回归生成机制大语言模型生成文本是逐 token 生成的：输入上文内容后，模型会预

一、前置基础：理解角色分离的底层前提 在讲解具体角色前，先明确两个核心认知，这是理解结构化 Prompt 设计的基础： 大模型的上下文运行机制大语言模型本身没有内置的固定身份、规则或记忆，所有行为约束

从零搭建一个能真正浏览网页的 Web Agent：DuckDuckGo 搜索 + 页面抓取 + LangGraph 执行图。重点讲三个工程 Guard

埋点和指标需求中，消耗数据承接方的不是生成答案，而是补齐证据链、对齐历史口径、识别下游影响，并在生产写入前留下可追溯的确认记录。本文数据承接方指承接业务需求的数据同学或业务合作伙伴；后文讨论内部研发、

文章摘要 本文记录了Hermes系统因消息历史中的非标准字段导致400错误的排查过程。问题根源在于Hermes内部维护的消息历史携带了Codex Responses API专用字段（如call_id、

模型 API 单价正在快速下探，但 AI Coding 和 Agent 场景的总账单却越来越吓人。。。

OpenClaw Windows 完整安装与本地模型配置教程（实战版） 说实话这玩意火了有一段时间了但是虽然作为从业者，我至今还没用过，今天就边安装边记录出一篇记录文档吧吗，这里仅仅只会记录我安装的出