大模型教程

检索增强生成（Retrieval-Augmented Generation，RAG）框架通过融合从大型文档语料库中检索到的关键信息，显著提升了生成语言模型的能力。

这本中国人写的大模型书已经在外网被很多人引用为 2025 年最好的大模型教材，reddit、X 上很多人在推荐，有人说第一次知道大模型到底在干嘛。

Training（模型训练）本质是AI世界的‘科学烹饪实验’——以数据为食材原料，用超参数作配方比例，借验证集做品控质检，将‘玄学炼丹’的试错过程，淬炼成‘可复现的精密工程’。

在大模型落地的众多路径中，RAG（检索增强生成）是几乎“最值得掌握”的一项技术。它将知识库与大模型结合，让模型不仅“知道”，还能“答得准、说得清”。

在以文本交互为主的情况下，重点放在对文本信息的加工上；如果包括各种类型的信息（例如，需要道路状况的识别和声音的感知的无人驾驶），则用于图像和声音的数据的访问接口将被对接。

Agent智能体让 AI 不再仅仅是会说的工具，而是真正拥有了自主行动力，能够目标驱动、自我规划、执行复杂任务，甚至组成虚拟团队进行协作。

Google最近发布了一篇关于Agent长达60页的文件： 《初创公司技术指南：AI Agents》 ，这份报告从宣传来说表达了自己与之前偏理论的文章不一样，他还是暴露了不少细节技巧，对正在做Agen

Ollama 的特点在于它不仅仅提供了现成的模型和工具集，还提供了方便的界面和 API，使得从文本生成、对话系统到语义分析等任务都能快速实现。

随着ChatGPT、DeepSeek等大模型（LLM）的崛起，开发者已不满足于简单的对话框交互，而是迫切希望将其深度集成到自己应用中，以构建更强大的智能应用。