• 高级提示技巧：Few-shot、Chain-of-Thought、自一致性——让大模型推理能力翻倍
    先看一张全景图：三个技巧的关系 这三个技巧是层层递进的关系：Few-shot 教模型"怎么做"，CoT 让模型"想清楚"，Self-Consistency 让模型"更可靠"。 一、Few-shot：用
    LLM 程序员 AI编程
  • 4.OpenClaw源码解析_路由
    上节课我们学习了通道的概念，openclaw能够接受来自不同通道（平台）的消息，然后统一封装成InboundMessage的格式，然后再交给run_agent_turn进行Agent的调用。今天我们来
    LLM Agent
    4.OpenClaw源码解析_路由
  • AI Agent 入门：理论、原理与5分钟代码实战
    从智能体的定义出发，梳理了五种类型、PEAS 环境分析框架和核心运行机制，用不到 100 行代码构建了一个能自主完成"查天气 → 推景点"的旅行助手
    人工智能 Agent LLM
  • Prompt Engineering 实战指南：用 DeepSeek API 写出高质量提示词
    从API调用封装到提示词核心原则，结合DeepSeek实战演示，涵盖清晰指令、逐步推理、Few-Shot风格模仿、多任务组合等技巧，助你写出精准高效的Prompt，驾驭大模型。
    Python LLM
  • （六）模型微调效果测试：基于 BERT 的中文评价情感分析[附源码]
    上一篇文章完成了 BERT 在 ChnSentiCorp 上的微调训练，并保存了验证集最优参数与最后一轮参数。训练时的 loss、验证集 acc 只能说明「学得好不好」，还要关注模型判得准不准： 微调
    机器学习 人工智能 LLM
    （六）模型微调效果测试：基于 BERT 的中文评价情感分析[附源码]
  • DeepSeek 和小米都在降价，为什么公司反而快烧不起 Token 了？
    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。。。
    LLM DeepSeek
    DeepSeek 和小米都在降价，为什么公司反而快烧不起 Token 了？
  • DeepAgents 实战：用多 Agent 架构搭一个深度调研助手
    前面几篇我们陆续看了 DeepAgents 里的各种能力：Todo List 可以让 Agent 先规划再执行，Summarization 可以在上下文变长时自动压缩，Tool Selector 可以
    JavaScript 面试 LLM
    DeepAgents 实战：用多 Agent 架构搭一个深度调研助手
  • 训练周期减半：LoongForge 全链路优化 GR00T N1.6 训练，吞吐提升至 2.3 倍
    针对 GR00T N1.6 VLA 模型训练存在 IO 阻塞、通信开销大、算子调度低效等问题，百度百舸 LoongForge 完成全链路优化，最终实现 2.3 倍训练吞吐提升，训练周期缩短 56.6%
    LLM 机器人
  • 什么？有人手写 Skill？Agent Skill？Skill？
    文章摘要 本文探讨了AI领域中Skill与Agent Skill的核心区别及设计方法。Skill是原子能力（如翻译、OCR），而Agent Skill是行为系统，包含任务编排、失败处理、上下文管理等。
    人工智能 Agent LLM
    什么？有人手写 Skill？Agent Skill？Skill？
  • 用 Stitch 实现 AI 前端工程化：找回消失的UI美学（别再 Vibe 瞎Coding 了）
    用 Stitch 实现 AI 前端工程化：找回消失的UI美学（别再 Vibe 瞎Coding 了） 目录 问题：为什么初级中级的工程师 Vibe Coding 行不通 Stitch 是什么 Stitc
    前端 人工智能 LLM
    用 Stitch 实现 AI 前端工程化：找回消失的UI美学（别再 Vibe 瞎Coding 了）
  • 别管跑分了，2026 本地编程大模型推荐与 GitHub Copilot 免费平替
    相信想着没有哪个技术团队在写代码的时候不会用AI协助吧？AI方便是方便，但把带有商业机密的后端逻辑复制到公共云端接口，一旦出现暴露，那后果可想而知。
    Github Copilot LLM AI编程
  • LLM 应用的 Token 级可观测性：从 Trace 采集到 Cost Attribution 的工程落地
    上个月的一个周二凌晨，我们的 LLM 应用收到了费用异常告警——过去 24 小时的 API 调用成本比上周同期高了 47%。
    LLM
    LLM 应用的 Token 级可观测性：从 Trace 采集到 Cost Attribution 的工程落地
  • DeepAgents middleware 工程实战：把复杂 Agent 的运行时基建交给可组合中间件
    很多团队第一次做 Agent，关注点通常会落在 Prompt、模型和工具调用上：怎么写系统提示词，怎么注册 tool，怎么让模型多轮调用工具，怎么把最终答案组织得更像人。但真正把 Agent 放进工程
    前端 面试 LLM
    DeepAgents middleware 工程实战：把复杂 Agent 的运行时基建交给可组合中间件
  • OpenClaw Windows 完整安装与本地模型配置教程（实战版）
    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
    LLM OpenAI
    OpenClaw Windows 完整安装与本地模型配置教程（实战版）
  • Marvis 本地模式实测：它真的是 Windows 版的 OpenClaw 吗？
    作者：吴佳浩 撰稿时间：2026-5-25 测试环境：RTX 5090 + 96GB 内存 + Windows 11 前言 最近某腾某训出了个 Marvis，功能几乎跟 OpenClaw 一模一样，但
    人工智能 LLM Agent
    Marvis 本地模式实测：它真的是 Windows 版的 OpenClaw 吗？
  • 混合检索 RAG 的工程化实践：不是多查几路，而是把召回、重排和上下文预算管好
    主结论 混合检索 RAG 的核心价值，不是把 Elasticsearch 和向量数据库都查一遍，然后把结果粗暴塞给大模型。真正有工程价值的做法是：用多路召回尽量扩大候选集，用稳定的文档 ID 做合并去
    后端 LangChain LLM
    混合检索 RAG 的工程化实践：不是多查几路，而是把召回、重排和上下文预算管好
  • 一天一个开源项目（第111篇）：Understand Anything - 把代码库变成可探索知识图谱的 AI 引擎
    Understand Anything 是一个把代码库、知识库和文档转换为交互式知识图谱的 Claude Code 插件。它采用 Tree-sitter 静态解析 + LLM 语义理解的混合架构
    人工智能 开源 LLM
    一天一个开源项目（第111篇）：Understand Anything - 把代码库变成可探索知识图谱的 AI 引擎
  • 炸裂！一家创业公司声称打破了 Transformer 七年魔咒
    炸裂！一家创业公司声称打破了 Transformer 七年魔咒 两周前，一家叫 Subquadratic 的迈阿密初创公司从隐身模式中杀出，宣称打破了自 2017 年以来定义所有主流 AI 系统的数学
    人工智能 LLM
    炸裂！一家创业公司声称打破了 Transformer 七年魔咒
  • Hermes Agent Windows 完整安装与本地模型配置教程（实战版）
    Hermes Agent Windows 完整安装与本地模型配置教程（实战版） 作 者：吴佳浩 撰稿时间：2026-4-15 测试模型：Qwen3.5-35B-32K（Ollama 量化版，我比较懒就
    人工智能 LLM
    Hermes Agent Windows 完整安装与本地模型配置教程（实战版）
  • Agent系列（五）：意图识别与路由——让 Agent 听懂用户在说什么
    深入拆解 Agent 意图识别层的必要性：关键词方案为何在生产中失效、LLM 分类器如何处理自然语言歧义、LangGraph 如何把不同意图路由到专项 Agent
    人工智能 Agent LLM
    Agent系列（五）：意图识别与路由——让 Agent 听懂用户在说什么