moonless

序言 大家好！今天我们来深入聊聊谷歌最近在Cloud Next大会上发布的那个热门话题——A2A协议。你可能听说了，它是关于“智能体之间无缝协作”的，但心里或许会犯嘀咕：“这听起来和我用过的LangC

🟡 GUI迈向API（MCP协议诞生前） GUI：直观界面，面向人类，封装好每次交互背后的路径。 API：抽象代码，面向机器，提供API接口，供程序调用。 对于非计算机专业的朋友，你平时使用的软件（如

🟡序章：Transformer的并行缺陷 Transformer有超强的视力，它的核心武器——自注意力机制正是让它能一步到位地处理句子中的所有词，计算它们之间错综复杂的关系，这比 RNN/LSTM 那

🟡世界的语言——向量 人工智能的核心挑战，在于将人类世界中海量的、非结构化的信息——文字、图像、声音——翻译成机器能够进行计算的符号。在所有可能的数学对象中，向量就成为了这门通用语言的基石，将世间万物

现代AI的智能本质就是对概率分布的建模与优化。无论是生成式模型（如GPT、DALL·E）还是强化学习系统（如AlphaGo），其核心都在于通过大规模参数和数据，逼近复杂数据分布，从而在特定任务上适应。

引言 想象一下，你在调试一个大语言模型LLM，输入一句指令，却发现模型的回答似乎在“掩饰”什么。比如，你问：“达拉斯所在州的首府是哪座城市？”模型回答：“达拉斯在得克萨斯州，首府是奥斯汀。

为何有了RAG还需要微调 RAG技术实现了基于外部知识库的问答，还需要对大语言模型进行微调吗？ 首先要理解RAG固有局限性，本质就是把自然语言变为向量，那就得知道变成向量的两种方式：稀疏表示 or 稠

🟡🔘🔴 🟡 PCIe的意义 PCIe是GPU与CPU通信的必备通道，负责系统管理、任务调度和数据传输基础功能；而NVLink是专为GPU间高速通信设计的专用通道，能大幅提升大模型训练效率，但技术上可以

🟡 Ollma出现之前 对于大多数开发者和企业而言，将这些强大的LLM集成到实际应用中，并非易事。横亘在理论与实践之间的，是一道复杂的“部署鸿沟”。因为传统的LLM部署，通常需要深入理解深度学习框架（