大模型真好玩

本文从Skills快速回顾入手，剖析了DeepAgents Skill工程实现的四个核心步骤（发现、注入、渐进加载、执行），并通过两个实战案例（基础技能识别与文档处理Skill）展示了具体使用方法。

本分享大模型训练中的参数调整方法，从读懂训练日志、识别典型问题，到核心参数的调整方法，再到不同场景下的调参策略，最后给出了一套标准的调参流程。调参是一门实践性很强的技能，需要在实际训练中不断积累经验。

一文详解Hermes和新特性。从2025选型困难到2026强者对决，AI Agent框架进化迅猛。Hermes并非简单取代OpenClaw，而是开辟新路径：赋予Agent长期记忆与自我进化能力。

本篇分享Harness Engineering， 它是智能体从回答问题迈向执行任务的工程思想。它并非替代提示词或上下文工程，而是在二者之上构建而是在二者之上构建约束、编排、观测与恢复机制，确保应用稳定

DeepAgents 子智能体通过上下文隔离实现任务分工，本文介绍DeepAgents 字典配置与编译两种子智能体创建方式，并通过“伊朗老美分析系统”的搜索+报告案例演示子智能体系统搭建流程。

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”。

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。