大模型真好玩

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。

本文深入讲解LangChain DeepAgents内置的Summarization中间件，它能自动压缩对话历史，解决大模型上下文窗口限制问题，为Agent记忆“做减法”，助力高效处理长任务。

DeepAgents是LangChain团队开发的框架，封装任务规划、子代理管理、文件系统等通用能力，通过create_deep_agent函数让开发者仅需数行代码即可构建复杂智能体，实现搭积木式开发

Qwen3.5-397B-A17B是全球最强原生多模态模型，支持图像/视频输入，对话、编程、Agent构建等能力追平GPT-5.2。采用极致稀疏MoE架构，性能超越Qwen3-Max，显存降低60%。