Ferries

如果说 LLM 是 AGI 时代的计算核心，Prompt 是我们与 AI 沟通的桥梁，RAG 是为 AI 装备的外挂知识库，那么 AI Agent（自主智能体）就是将这些能力转化为实际生产力的集大成者

本篇文章主要讲解的是RAG的概念，以及落地相关的知识 没有读过之前的文章的小伙伴可以去了解一下之前的AI学习相关文章 《从前端到 Agent》系列｜01：LLM 核心原理与推理计算 《从前端到 Age

我们已经对LLM（大语言模型)有了基础的认知，从这一篇开始，我们将逐步从概念转向具体应用，再到实践落地。今天，我们正式进入提示词工程（Prompt Engineering）的学习

本文为 AI 学习笔记，系统讲解 LLM 大语言模型原理。先阐释其本质为基于 Transformer 的概率预测模型，再拆解文本生成四步骤、自注意力与编解码器核心机制，梳理预训练、SFT、奖励建模

在我使用AI写代码的过程中，我观察到了一个问题，为什么往往AI生成的代码都是React而不是Vue。结果如下： AI 更爱输出 React + Tailwind CSS 并非偶然，而是训练数据、语法结

面对目前的市场环境和AI技术的爆发，现在的市场对纯粹的“页面切图”或基础的“接口对接”前端工程师的需求确实在减少，但对 能够结合AI能力构建下一代产品体验（AI Engineer / AI-empow

这段时间 AI 发展快到离谱，网上 “前端要没了”“前端即将失业” 的声音铺天盖地。作为同行，我太懂这种焦虑了。到 2026 年，AI 早已不是简单的代码补全工具，它能读懂项目、做批量重构、甚至直接产

作为一名工作了五年的前端开发工程师，我一直都没有一个专属的个人网站。openclaw出现之后 我终于弄好了 大家可以点进去看一下http://119.23.54.57:3000/

题目 题目：基于 Next.js 实现的服务端渲染博客页面 问题描述： 请使用 Next.js 构建一个简单的博客页面，页面将显示从外部 API 获取的博客文章数据。具体要求如下： 使用 getSer