阿尔的代码屋

本文将带你走出 Agent 开发的“重复造轮子”困境，深入浅出地理解 MCP协议。我们将动手把之前写的博客监控与通知工具，封装成标准的 MCP Server，并无缝接入 OpenCode 客户端。

本篇作为大模型实战07的额外补充，我们将脱离本地算力的限制，介绍如何接入 Groq 和硅基流动的免费 API。同时，我们将把之前的单体 ReAct Agent 升级为 LlamaIndex 新一代的

本节我们将理论付诸实践，利用 LlamaIndex 的 ReAct 框架和 Qwen3 模型，手搓一个全自动的博客监控 Agent。通过为大模型接入 RSS 读取、邮件与微信发送等外部工具，让它从‘聊

基础理论结束，咱们今天的重心是使用快速高效的微调库Unsloth在Kaggle的T4显卡上，用15分钟将Qwen3-4B模型微调成认主咱们的专属模型。

RAG 虽好，但无法改变模型的“性格”。本文通过实操对比 Base 模型与 Instruct 模型，揭秘大模型“炼丹”的核心心法——微调 (SFT)，并解析大模型从预训练到对齐的完整生命周期

大模型应用开发必修课！本文通过通俗易懂的案例详解 RAG (检索增强生成) 的核心原理，对比 LlamaIndex 与 LangChain 的优劣，并手把手在kaggle下实现企业级RAG

会跑代码还不够，我们要懂原理。本文从 Transformer 的底层视角出发，图解从位置编码到注意力机制的全流程；并基于 Kaggle 平台，深入拆解 HuggingFace Transformers

Colab 额度用完了？Kaggle 带着两张 T4 显卡来了！本文详解 Kaggle 账号手机验证、开启 Internet 联网、配置双 T4 GPU 环境，以及如何利用 Kaggle 特有的 Da

本地显卡跑不动大模型？本文手把手教学薅 Google 羊毛！从 Colab 基础操作、免费 T4 GPU 开启，到挂载 Google Drive 持久化存储 HuggingFace 模型，为云端炼丹做