从《learn-claude-code》受到启发，于是参考源代码写了这篇文章：如何实现从0开始构建Agent？

本文解析开源OCR工具Versatile-OCR-Program的技术实现，其基于多模态融合架构实现90%以上识别准确率，支持数学公式与图表的结构化输出，为教育资料数字化提供高效解决方案。

# 原理 在看雪看到一篇文章：[逆向调用QQ截图NT与WeChatOCR-软件逆向](https://bbs.kanxue.com/thread-278161.htm)。里面说了怎么调用微信和QQ

0.07B参数，70MB体积的OCR模型，支持国芯，能识别简体中文和繁体中文，甚至是日文都能识别，好像就只有PP-OCRv5能做到了

蚁群算法，算是优化算法中的经典了。如果你还不了解蚁群算法的基本原理及其应用场景，不必担心——本文将带你从零开始，逐步理解蚁

解剖注意力：从零构建Transformer的终极指南 相信不用我过多介绍，你已经对 Transformer 如雷贯耳，它是当今大语言模型的核心基石，可以说没有Transformer就没有今天的人工智能

在基于大模型的AI应用设计上，存在着两种不同的模式：智能体(Agents)和工作流(WorkFlows)。业界把智能体和工作流以及它们的混合体统称为Agentic AI。设计Agentic AI系统的

agent-browser：让 AI Agent 像人一样浏览网页（节省93% Token） 为什么是 agent-browser 如果你正在开发 AI Agent，或者尝试用 LLM 来控制浏览器进

这篇文章从零实现一个可运行的 mini-GPT，用通俗解释和代码示例带你理解分词、训练和生成，让零基础也能上手训练属于自己的小型语言模型。