• Anthropic 机械可解释性学习路线
    Anthropic 机械可解释性学习路线 机械可解释性（Mechanistic Interpretability, MI）是一个门槛较高的领域，因为它不仅涉及代码，还涉及独特的数学直觉。本计划采用**
    LLM
    Anthropic 机械可解释性学习路线
  • 从 RAG 到 KAG ：结构化思考范式下的复杂推理
    本文特邀同济大学特聘研究员、博导、腾讯云 TVP 王昊奋重点探讨从 RAG 到 KAG 的技术演进过程，并分析 KAG 框架如何有效解决传统 RAG 模型的不足。
    LLM
  • 一文搞懂 LLM 的 Transformer！看完能和别人吹一年
    本文不讨论公式，只解读图表，旨在让更多读者看完就能通俗地、成体系地给身边其他人讲清楚 Transformer 工作原理，从而真正理解它究竟为什么如此火爆。
    LLM Agent 程序员
  • LangChain 核心原理-核心组件&应用开发类型 01
    LangChain是一个开源框架，用于开发由大语言模型(LLMs)驱动的应用程序，比如，搭建智能体（Agent）、问答系统（QA）、对话机器人、文档搜索系统、企业私有化知识库等。
    LangChain Agent LLM
  • Cursor Tab 共享无限车
    linux.do 大佬开发的，不知道啥时候就不能用了，且用且珍惜。 原文地址 Cursor 修改程序地址: Releases · wisdgod/cursor-rp 需要下载 modifier 文件,
    LLM
  • 万人收藏的提示词工程指导白皮书（附中文版）！Google官方出品，看完整个人都通透了
    今天想和大家分享一份来自谷歌的技术白皮书《Prompt Engineering》，主题聚焦于“提示词工程”，长达68页的提示词指导。
    LLM Agent 程序员
  • 谷歌这本 68 页提示词手册，才是 Gemini 3 Pro 的完全体「附官方内功心法」
    如果只能推荐一份关于 Gemini 3 Pro 的进阶指南，我会毫不犹豫地选择这一份：谷歌官方 68 页提示词工程手册。
    LLM Agent 程序员
  • AI大模型基础概念扫盲篇：Agent、Token、MoE、RAG、Embedding、对齐、Transformer、预训练、微调
    1、Al Agent（智能体） OpenAl对Al Agent的定义是: 以大语言模型为核心驱动，具备自主感知需求、拆解任务、记忆信息、调用工具能力，能端到端完成复杂目标的智能系统。 如果用现实场景类
    LLM
  • Langchain 浅出
    Langchain 浅出 作者：吴佳浩 最后更新：2025-11-27 适用版本：LangChain v1.0+ 目录 什么是 LangChain 环境准备 核心概念 实战案例 什么是Langchai
    LangChain LLM Python
    Langchain 浅出
  • 3 张动图秒懂 A2A 协议：打造高效 Multi-Agent 协同机制
    Google 发布的 A2A (Agent2Agent) Protocol正是为了解决这类问题。其作用未来或许可以和Anthropic 推出的 MCP (Model Context Protocol)
    Agent LLM 程序员
  • RAG 系统架构设计模式介绍
    这个 RAG流 可以被视为由多个子函数组成的图形结构。通过控制逻辑，这些子函数会按预定的顺序执行，同时也能根据需求进行条件判断、分支或循环。
    LLM Agent 程序员
  • 《前端项目技术文档生成器》Prompt（可复用模板）
    下面提供你一份 专门为前端项目优化的《技术文档自动生成 Prompt 模板》 ，适用于： React / Vue / Angular / Svelte / Next.js / Nuxt / Vite
    前端 LLM Visual Studio Code
  • Google 官方白皮书Prompt Engineering 深度解读
    Google 这份白皮书实际上揭示了一个趋势：Prompt Engineering 正在从一种"玄学调优"转变为可量化、可复用、可协作的"软件工程"学科。
    LLM 程序员 Agent
  • LangChain / LLM 开发中：invoke() 与 predict() 的区别
    LangChain / LLM 开发中：invoke() 与 predict() 的区别 作者：吴佳浩 最后更新：2025-11-25 适用版本：LangChain v1.0+ 1. 为什么会有 in
    LangChain Python LLM
    LangChain / LLM 开发中：invoke() 与 predict() 的区别
  • 检索增强生成（RAG）与大语言模型微调（Fine-tuning）的差异、优势及使用场景详解
    微调大语言模型是利用特定任务或领域的定制数据集，对预训练模型进行调整,而检索增强生成（RAG）则将检索系统与生成模型相结合，动态地将外部的、最新的知识融入生成结果中。
    LLM Agent 程序员
  • 用 llm + SQLite 实现自然语言到 SQL 的智能转换：一个实战案例
    在日常开发中，我们经常需要从数据库中查询数据。但对非技术人员来说，写 SQL 查询语句可能是个“噩梦”。而随着大模型的兴起，将自然语言直接转化为 SQL 查询已成为现实。 今天，我将结合 DeepSe
    LLM SQLite Agent
  • GPUStack v2：推理加速释放算力潜能，开源重塑大模型推理下半场
    在大模型推理的下半场，GPUStack v2 不再是简单的模型服务平台，而是高性能推理生态的协调者与赋能者。
    LLM GPU
    GPUStack v2：推理加速释放算力潜能，开源重塑大模型推理下半场
  • 用AI这么久了，你知道什么是大模型吗？看这里，3分钟让你入门
    你是不是也好奇：为啥元宝、豆包、DeepSeek既能写文案又能解数学题？元宝怎么像“活字典”啥都懂？这些AI聊天助手的背后，都藏着同一个“超级大脑”——LLM(Large Language Model
    Agent LLM 程序员
  • RAG不会过时，但你需要这10个上下文处理技巧丨Context Engineering
    本系列文章，将从上下文工程的不同环节（上下文处理与生成、上下文处理、上下文管理）最新的行业探索与进展，进行解读。
    LLM Agent 程序员
  • 索引 ≠ 检索！RAG 高手都在用的六种知识表示方法
    RAG 索引是检索的基础。它是将原始知识转化为可经由相似性查询搜索的数值数据的过程。这些数值数据被称为 嵌入（embeddings），嵌入捕获的是含义，而不仅仅是表面的文本。
    LLM Agent 程序员