Tool Use 底层原理：当"缸中大脑"遇上物理世界——LLM 工具调用的认知哲学与技术实现 前言 那个在显卡里疯狂跑的 LLM，本质上还是词语接龙的游戏。它是被困在服务器里的缸中大脑——看不见屏幕

LLM 分词与向量化：大模型是如何"读懂"文字的？——Tokenization × Embedding 原理与实战 前言 我们每天都在和 LLM 对话，但有没有想过这样一个问题： 答案藏在两个关键步骤

拆解 Sakana Fugu 的原理（Trinity / Conductor / AB-MCTS），厘清多 LLM 编排和多 Agent 编排的边界，以及它能替一套多 agent 系统简化什么。

LLM 无状态本质与上下文工程：从 Prompt 到 Context 的进化——为什么 AI 总是"失忆"？ 前言 你有没有遇到过这样的困惑： 这不是 AI 笨，而是 LLM 的本质是无状态的。每次调

DeepSeek V4 Pro + Flash 分工编程：成本骤降 60%+ 的混合模型工作流 Pro 和 Flash 到底怎么选？全用 Pro 太贵，全用 Flash 怕质量不行。这篇就来聊聊如何用

作者 | Daniel Phiri 编译 | 岳扬 🌱 - 本文是一些萌芽中的想法集合。 我曾经在一家向量数据库公司工作。我的全部工作就是帮助人们理解为什么他们需要专为 AI 打造的数据库 —— 嵌入

作者 | Vinoth Govindarajan 编译 | 岳扬 大多数 AI 智能体的演示看起来神奇无比，就像魔法一样。 而 OpenClaw 给人的感觉是真正的“自主运行”。 但在技术底层，它并非

RAG实操教程: langchain+Milvus向量数据库创建你的本地知识库 本篇文章是 Milvus 向量数据库学习的总结篇，打造自己的知识库系统。 RAG是什么 RAG 是retrieval-a

作者 | Han HELOIR YAN, Ph.D. 编译 | 岳扬 2025 年 12 月 18 日，AI 行业发生了一件不同寻常的事：OpenAI 宣布将采用由其主要竞争对手 Anthropic

作者 | Neutree AI 编译 | 岳扬 01 整体架构设计、调度策略以及从提示词到词元的完整路径 在生产环境中部署大语言模型时，推理引擎是一种关键的基础设施组件。你所使用的每一个 LLM AP

一篇文章带你学会向量数据库Milvus（二） 上一篇文章 一篇文章带你学会向量数据库Milvus（一）我们我们学习了 Milvus 向量数据库的数据库管理，集合管理，schema 管理。这一篇文章我们

应该使用哪个向量数据库？选择最适合您需求的一款 介绍 向量数据库已成为存储和索引非结构化和结构化数据表示的首选位置。这些表示称为向量嵌入，是由嵌入模型生成的。向量存储在利用深度学习模型（尤其是大型语言

使用coze扣子搭建智能bot「程序员的工具箱」的思考和总结： 大模型已经火了快 2 年的时间了，从简单的文字处理的单一场景到到现在的企业迫切需要 LLM 在更多的场景赋能的时代。大众也从简单问答

作者 | Vinoth Govindarajan 编译 | 岳扬 在第一部分，有一个令人背脊发凉的“凌晨 3 点的电话”之问： 为什么我的 AI 助手会在我睡觉时做某些事？ 第二部分则是更可怕的后续问

作者 | Eric Holmes 编译 | 岳扬 我想下一个大胆的断言：MCP 已是大势已去。 或许我们可能还没有完全意识到，但种种迹象早已显露端倪。OpenClaw 不支持它，Pi 也不支持它。而这

作者 | Alex Razvant 编译 | 岳扬 大多数 AI 工程师都将 NVIDIA GPU 作为其 AI 工作负载的计算平台。不过，很多人只知道 GPU 叫什么名字，却不知道要让一个 AI 系

作者 | Jakob Kastelic 编译 | 岳扬 当一些人还在争论计算机为何永远无法通过图灵测试**时，我却反复被另一种观点所困扰：随着模型不断进化而人类停滞不前，基准测试的门槛终将被抬高到连人

使用谷歌 Gemini API 构建自己的 ChatGPT（一） AI领域一直由OpenAI和微软等公司主导，而Gemini则崭露头角，以更大的规模和多样性脱颖而出。它被设计用于无缝处理文本、图像、音

为什么LoRA中低秩矩阵是一个优势？ 前一篇文章我们在讨论 Attention 矩阵时说“满秩好，低秩意味着能力坍塌”，但到了 LoRA（Low-Rank Adaptation）这里，怎么“低秩”反而