大模型真好玩

本文系统讲解LLaMAFactory的核心参数，涵盖全量训练、LoRA 对比、参数含义与调优、适配器合并导出，通过形象比喻帮助大家真正掌握大模型训练，从“能跑通”迈向“效果好、更可控”。

这不是一篇爽文，而是一个普通程序员在职业寒冬里的自救指南。 如果你正处于焦虑中，或者也在寻找第二曲线，希望我的这段经历，能治愈你的精神内耗，带给你一点光。

本文分享了DeepAgents框架的诞生背景与核心优势，并演示了其快速上手的完整流程。DeepAgents 在任务规划、上下文管理、子代理并行执行等方面展现出强大的能力，仅需少量代码即可构建复杂智能体

本期分享以LLaMAFactory大模型训练框架 为例，从环境搭建到模型下载、数据准备、微调训练、权重合并及部署测试，完整演示了 大模型训练的实战流程，充分展现了训练框架的极简操作和核心优势。

本文详细分享了什么是智能体工程以及开发工程规范。智能体工程将非确定性大模型迭代为可靠生产级应用，它融合产品、工程与数据思维，强调放弃完美主义，在真实用户互动中持续成长，一定会是未来产品的最完美形态。

FileSystem中间件为Agent赋予文件管理能力，通过四种后端实现不同层级的记忆：线程级短期记忆、跨线程长期记忆、本地磁盘持久化和 混合路由，从而灵活应对从临时草稿到长期记忆的存储需求。

本文以EasyDataset工具为例，系统介绍了问答对数据集的完整生成流程：从问题生成、答案生成，到采用“自动化初筛+人工抽检”策略进行质量评估，最后导出标准格式，为模型微调提供高质量数据。

本期介绍ToolSelector与TodoList中间件：ToolSelector智能筛选相关工具；TodoList自动拆解子任务并维护状态，二者共同提升DeepAgents处理复杂任务的性能。

本篇以EasyDataset为例，系统讲解大模型预训练数据集的构建流程：从安装配置、文本分块（多种策略）、数据清洗到领域标签生成，最终导出预训练数据，为初学者提供从原始文档到高质量数据集的完整实践。