文章介绍了介绍了为什么当前 AI 应用中，LLM 的回复是逐字输出的，并且讲解了这种逐个字输出的交互的实现核心点，如 SSE 是什么，后端是怎么实现的，前端是如何接受的，前端如何实现逐个字输出的效果

本文介绍了使用Node.js和LLM搭建简易AI代码审查系统的方法，包括设计AI应用思路、提示词、NodeJS与LLM结合分析代码、AI Code Review实现步骤、核心问题解决和调试提示词技巧。

MCP这东西，别光看网上说，自己动手试试，一试一个不吱声，来看看一个AI应用落地实战派对MCP的体验和结论吧。

我曾有过一个“播客梦”。每天花半小时，聊聊科技圈的新鲜事，分享点不成熟的思考。然后我发现，这半小时的背后，是2小时的选题、3小时的撰稿和录音、以及剪辑到深夜的崩溃。梦想，卒。 直到最近，我开始琢磨：如

本文介绍了MCP，并以招聘推荐业务为例，介绍货拉拉 MCP Server 的落地实践，以及未来展望。

本文回答了作者的一些疑问： MCP 是什么、可以干什么？如何实现一个 MCP？如何测试 MCP 服务？如何使用 MCP ？

前言 最近在学习神经网络相关的知识，并做了一个简单的猫狗识别的神经网络，结果如图。拼尽全力无法绷住吗，你这家伙

今天我们一起来聊聊大模型的进阶使用：“模型微调” ，也就是较大家真正的 “调教“ 出一个能够满足特定需求场景、更贴合个人使用习惯的个性化模型。

一.前言 最近一段时间，我都在系统性学习了解DeepSeek，全网 DeepSeek 的文章、消息通通不想错过，现在我整理了一份学习资料清单，分享给大家。 这一份也许是全网最全的 DeepSeek 资