说起**文生语音模型**，最广为人知的肯定是 **OpenAI 的 Whisper**，之前试过确实

AI 端模型与前端开发的新时代 随着技术的发展，人工智能（AI）正以前所未有的速度融入我们的生活。从前端到后端，从移动应用到物联网设备，AI的应用场景越来越广泛。

使用 llama.cpp 制作并量化 GGUF 模型，并将模型上传到 HuggingFace 和 ModelScope 模型仓库

在几乎所有的 LLM 面试中，有一个问题总是会被提及：“**为大模型提供服务需要多少 GPU 显存？**” 这不仅仅是一个随机的问题——它是一个关键指标，反映了你对这些强大模型在生产环境中部署和可

LLM 很强大，但也存在一些明显缺点，比如幻觉问题、可解释性差、抓不住问题重点、隐私和安全问题等。检索增强式生成（RAG）可大幅提升 LLM 的生成质量和结果有用性。

万字长文深度解析大语言模型LLM Agent反思工作流框架Reflexion上篇：安装与运行，贯穿我们从理论到实践，从论文到代码的理念。

今天我们将深入LLM中4种Agent工作流中的反思工作流，反思一种让LLM自动执行提供关键反馈的步骤，并自动批评自己的输出并改进其响应。你不学习一下吗?

最近吴恩达教授 Andrew.Ng 在来信中表示是大语言模型 Agents工作流将是AI领域中一个关键的趋势，并且有可能在今年推动大规模的人工智能进步，甚至加速GPT-5的到来。你不学一下吗？

之前我们讲过了想将LLM能力在具体的应用中实践，最好的方法是做成一个agent。 本系列我们就从零写一个agent框架，方便我们构造和运行agent。