AI大模型学习

Agent 的定义 Agent 的本质可以用一个公式表达： LLM：提供推理和决策能力 工具：突破 LLM 的纯文本边界（读文件、写文件、执行命令） 循环：不是一次性的问答，而是多步骤迭代直到任务完成

从一个真实的协作场景说起 想象这样一个任务： 一个 Agent 独立完成这个任务，需要： 连接数据库读数据 做数据分析 生成可视化图表 写报告文字 调用 Slack API 发消息 这五件事，每件都有

先说结论 两者不是替代关系，而是不同层次的解决方案： Function Calling 是什么 Function Calling 是 OpenAI 在 2023 年引入的功能，让 LLM 能够以结构化

为什么要手写而不是直接用现成的？ ClawHub 上已经有数千个现成的 MCP Server，你不需要从头写。 但手写一次能给你带来用成品永远无法得到的东西： 真正理解 @mcp.tool() 装饰器

从一个问题开始 学完 MCP 基础之后，你可能会有一个疑问： 官方文档语焉不详。不同的 Host 实现方式不一样，Cline 怎么做的，只有一种方法能知道——抓包。 搭建中间人服务器 思路很简单：在

从一个反直觉的例子开始 同样一个问题："帮我起一个创业公司的名字" temperature = 0：每次给你同样的答案 temperature = 1：每次给你不同的答案 temperature =

先从一个账单问题开始 你用 GPT-4 或 Claude API，账单是按什么算的？ 答案是 Token。不是按字数，不是按请求次数，是 Token。 那 Token 是什么？很多人的理解停留在"大概

买东西总是刚下单就降价？本文以 **`price-watch`（商品降价监控器）** 为例，手把手带你写一个真正有用的 OpenClaw Skill，从零开始到发布 ClawHub，全流程跑通。

文件即真理：深度解析 OpenClaw 的 Markdown 记忆系统 一、问题的起点：AI Agent 为什么会"失忆"？ 用过 AI Agent 的人都有过这种体验—— 你昨天跟它聊了两个小时，把

最近只要在技术群里待着，十句话里至少有两句提到"龙虾"。 朋友圈里也开始出现一种新的晒图方式——截一张 OpenClaw 自动帮你处理完某件事的图，下面配一行字："我已经不用手动做这个了。" 我承认，

事情是怎么起来的？ 最近"养龙虾"（就是玩 OpenClaw，一个开源 AI 智能体工具）的朋友应该都知道了这件事。 3月11日，腾讯上线了一个叫 SkillHub 的平台，定位是"专为中国用户优化的

杠杆和拐杖，表面像，本质反 杠杆和拐杖看起来很像：都是借助外力完成自己单独做不到的事。但有一个根本区别： 杠杆放大你已有的力量。拐杖补偿你缺失的力量。 用杠杆撬石头，你需要先有力气、找到支点、选好角度

一、什么是 AI Agents？ 1.1 AI Agent 的定义 AI Agent（AI 代理）是一种能够自主感知环境、做出决策并采取行动以实现特定目标的智能系统。与传统的AI模型不同，AI Age

Tokenization实战:从BPE到Hugging Face应用 | 吴恩达2025最新课程笔记 一、为什么分词如此重要? 1.1 分词是LLM的"眼睛" 核心作用: 将文本转换为模型可处理的数字

深入讲解现代大语言模型的核心优化技术,包括KV Cache自回归加速、Multi-Query Attention(MQA)、Grouped-Query Attention(GQA)、稀疏注意力(Spa

Transformer基础入门:从词嵌入到注意力机制 | 吴恩达2025最新课程笔记 本文基于吴恩达2025年最新Transformer课程,深入浅出地讲解大语言模型如何"理解"语言。从最朴素的词袋模

本文深度剖析AI领域五大热门技术名词(Skill、MCP、RAG、Agent、OpenClaw)的真实底层逻辑,用通俗易懂的大白话揭穿技术包装,带你理解模型上下文协议、检索增强生成、智能代理的工作原理