大模型真好玩

本篇系统分享了大模型训练数据、训练、评测三大核心阶段，为每个环节推荐了如EasyDataset、LLaMAFactory、EvalScope等关键实用工具，旨在帮助读者构建清晰的大模型训练路径。

本篇分享了Agent Skills的核心概念、设计模式。并以Claude Code为例，通过代码实战详细演示了Skills的创建、使用及进阶集成方法，帮助大家快速掌握AgentSkills的开发技巧。

本文详解OpenAI格式调用本地大模型的流程。首先解析标准协议的核心结构，随后通过从requests底层实现到openai库的实战对比，演示了API对接方法，并最终构建了一个流式多轮对话机器人应用。

本期内容详细分享了两种主流本地部署方案：面向生产环境、支持高并发的高性能 VLLM 部署，以及面向个人快速体验、对硬件要求低的轻量级 Ollama部署，提供了从环境准备到代码调用的完整实战步骤。

本文以Qwen3为例，分享了大模型的核心文件组成与生成对话原理，并通过代码实战演示了从加载模型到获取回复的完整流程，帮助大家真正理解大模型的核心工作机制。

本专栏将系统拆解从数据处理、模型训练到强化学习与智能体开发的全流程，并带大家从零实现模型，大家掌握大模型训练的全技能，真正掌握塑造智能的能力！

本篇重点分享了网络架构及其典型实现Swarm架构的特点，并结合代码示例展示了如何利用langgraph-swarm库构建具备动态移交能力的智能体协作网络。

本篇分享了多智能体系统的两种核心架构。主管架构通过主管智能体管理多个专业智能体，适合结构化任务。分层架构引入了团队与层级概念，由顶层主管协调团队主管，从而分担决策压力，提升系统处理复杂任务的能力。

从前端工程师转型AI领域，回顾了2025年如何通过撰写102篇技术文章分享学习经验，以及利用AI工具（如Trae）提升工作效率的实践。面对AI时代大家应该拥抱未来，用AI赋能工作，用AI改变生活。