AI相关开发

目录 第一章 大模型工程的全景认知 第二章 环境与硬件:你需要知道的底层事实 第三章 模型部署的四种范式 第四章 vLLM 为什么快:PagedAttention 原理 第五章 微调的本质与方法论 第

版本参考:2026年4月(LangChain v1.1+、LangGraph v0.3.x、LangSmith 持续演进) > 适用读者:已经在用 LangChain 或 LangGraph、希望系统

目录 0. Git 常用命令速查与应用场景 1. Git 内部原理深入理解 2. 高级分支管理策略 3. 交互式暂存与提交优化 4. 高级历史重写技巧 5. 复杂冲突解决方案 6. 高级搜索与调试 7

### 1.1 LangGraph 是什么 LangGraph 是 LangChain Inc. 推出的**低级 Agent 编排框架**，核心使命是： > 将 AI Agent 的执行流程建模为

一、什么是优化反模式？ 1.1 反模式的定义 反模式（Anti-pattern）：看似合理、广泛使用，但实际有害的做法 在大模型优化中的表现： 案例对比： 问题 直觉做法（反模式） 正确做法 输出太长

目录 一、项目宏观全景 二、autogpt_platform:多进程分布式架构 三、Block 系统:可组合的执行原子 四、Graph 执行引擎深度剖析 五、数据层与持久化模型 六、前端:Next.j

一、概述 参数高效微调（Parameter-Efficient Fine-Tuning, PEFT）是在资源受限情况下微调大语言模型的关键技术。通过只训练少量参数，PEFT能够在保持模型性能的同时，大

本手册不重复主指南里的通用方法论,只讲每个模型自己的特异性。 目录 通用约定 Qwen2.5 系列 Qwen3 系列 DeepSeek-V2 / V3 DeepSeek-R1 蒸馏 GLM-4 Int

不同硬件平台的开源大模型支持成熟度差异巨大。本文档帮你快速判断:你手上的硬件能跑什么、跑不动什么、需要装哪些东西。 目录 硬件平台总览 一、NVIDIA GPU(主流) 二、AMD GPU(ROCm)

一、为什么需要消息队列？ 四个核心价值： 1.1 解耦 收益：A 不用感知下游存在，新增订阅者无需改 A 的代码。 1.2 异步削峰 典型场景：秒杀、双 11 流量洪峰，MQ 充当"水库"削峰。 1.

一、Kubernetes 架构速览 1.1 控制面组件 kube-apiserver：唯一入口，认证/授权/准入控制、REST 服务、写 etcd etcd：所有集群状态，强一致 KV，建议 3/5/

从零开始，详解GPT、ChatGPT等大语言模型的训练全流程 目录 基础知识 Transformer架构 注意力机制 位置编码 阶段一：预训练 阶段二：监督微调(SFT) 阶段三：奖励模型训练 阶段四

一、历史背景与发展历程 1.1 Elasticsearch 诞生的历史背景 全文搜索的早期困境 在 Elasticsearch 诞生之前,企业面临着严峻的搜索挑战: 传统数据库的困境: MySQL 的

1. 引言 Transformer 彻底改变了深度学习,从 NLP(BERT, GPT)到 CV(ViT)再到多模态(CLIP),无处不在。它的核心创新是自注意力机制(Self-Attention),

场景描述 某社交平台开发了一个聊天服务器，需要支持10万用户同时在线。开发者使用AI生成的代码，采用传统的多线程模型：每个客户端连接创建一个线程。在本地测试100个连接时运行正常，但上线后遇到灾难：

训练数据的幽灵——偏见、分布与模型行为的根源 Transformer内部机制解剖——注意力、层归一化与信息流 Token的世界——分词、词表与语义空间的本质 涌现与能力边界——大模型能做什么、不能做什

场景描述 某微服务架构的电商系统，订单服务需要与库存服务、支付服务、物流服务通信。开发者使用AI生成的代码，采用HTTP REST API进行服务间通信。在小规模测试时运行正常，但上线后随着订单量增加

目录 从生活中理解概率 贝叶斯定理：逆向推理的艺术 先验、后验与似然 朴素贝叶斯：一个"天真"的假设 三种朴素贝叶斯变体 拉普拉斯平滑 实战案例 概率图模型简介 总结与进阶 1. 从生活中理解概率 1

〇、SQL 语句书写大全 按 SQL 的功能分类：DDL（定义）、DML（操作）、DQL（查询）、DCL（控制）、TCL（事务）。 0.1 DDL（数据定义语言） 0.1.1 数据库 0.1.2 表

目录 核心架构概览 Python 异步基础：从协程到事件循环 ASGI 协议：异步 Web 的基石 FastAPI 的请求处理流程 同步函数 vs 异步函数的处理 Uvicorn 与事件循环 并发模型