大模型-极简笔记

累计撰写 77 篇文章
累计创建 68 个标签
累计收到 0 条评论

目录CONTENT

以下是大模型相关的文章

2026-06-10
CrewAI 学习教程：从零构建多智能体协作系统 CrewAI 完整学习教程，从零构建多智能体协作系统。详解 Agent/Task/Crew 核心概念、Process 编排模式、Flow 工作流、记忆系统、工具集成，对比 AutoGen/LangGraph/MetaGPT，配合内容创作流水线等实战案例。
- 2026-06-10
- 4
- 0
- 0
- 大模型
2026-06-10
Chroma 向量库面试学习指南：30+ 高频题与速记清单 Chroma 向量库面试突击专用指南，30+ 高频面试题全覆盖，含面试前 30 分钟速记清单、核心概念（Collection/WAL/HNSW）、基本 API 操作、高级功能、架构原理与性能优化、必踩坑点、项目场景题与向量库选型对比。
- 2026-06-10
- 6
- 0
- 0
- 大模型
2026-06-10
AutoGen 精通教程：从零到企业级多 Agent 系统架构师 AutoGen 全面精通教程，详解微软开源多 Agent 对话框架，覆盖核心概念（ConversableAgent/AssistantAgent/UserProxyAgent）、群组聊天、代码执行沙箱、工具调用、人类反馈介入、Docker 沙箱与企业级部署架构。
- 2026-06-10
- 3
- 0
- 0
- 大模型
2026-06-10
大模型注意力机制深度解析：从 FlashAttention 到工业级最优组合大模型注意力机制深度解析，详解工业界主流组合 RoPE + GQA + FlashAttention + KV Cache 优化（Paged Attention），覆盖 MHA/MQA/GQA 演进、FlashAttention 分块计算与在线 Softmax、KV Cache 显存管理与 Paged Attention 原理。
- 2026-06-10
- 3
- 0
- 0
- 大模型
2026-06-10
2026 AI 大模型全栈学习大纲 V11 版 2026 AI 大模型全栈 V11 版学习大纲，从 Python 编程基础、Transformer 原理、提示工程实战，到 RAG 应用开发、Agent 框架、模型微调与量化、向量数据库、生产部署，构建完整的 AI 大模型全栈技术体系。
- 2026-06-10
- 6
- 0
- 0
- 大模型
2026-06-10
2026 AI 开发者必备：Agent 开源生态图谱 2026 年 AI 开发者必备的 Agent 开源生态图谱，基于 GitHub API 真实数据，覆盖 35+ Agent 框架（AutoGPT/LangChain/DeerFlow/MetaGPT 等）、工具链、记忆系统、评估框架与部署方案，按 Stars 排名的全景式选型指南。
- 2026-06-10
- 12
- 0
- 0
- 大模型
2026-05-23
2026年RAG技术生态开源项目全集本文按核心框架、向量数据库、嵌入模型、文档处理、检索增强、评估工具、GraphRAG、低代码平台、Agentic RAG九大维度，整理2026年RAG技术生态的主流开源项目，便于快速选型与落地。一、核心RAG框架（全流程编排）项目名称 GitHub星数核心优势适用场景开源协议 GitHub
- 2026-05-23
- 58
- 0
- 1
- 大模型
2026-05-15
首个 Java Harness Framework 来了｜AgentScope 把 OpenClaw 带到企业分布式场景阿里妹导读：本文旨在正式宣告 AgentScope Java 1.1.0 里程碑版本的发布，重点阐述该版本如何从工程实践层面完整落地"Harness Framework"理念。背景引入书接上回，我在之前的一篇文章中深入分析了 OpenClaw 及其背后的 Harness Engineering
- 2026-05-15
- 46
- 0
- 1
- 大模型
2026-05-13
AI Agent 的记忆战争：OpenClaw vs Hermes vs QwenPaw vs HiClaw，谁真正"记得住"？在理解了记忆机制的通用原理之后，最关键的问题来了：当前主流的开源 Agent，到底是怎么实现记忆的？它们之间有什么本质差异？本文将四大主流 Agent——OpenClaw、QwenPaw、Hermes Agent、HiClaw——的记忆系统逐层拆解，从存储架构、检索策略、写入机制到核心设计哲学，做
- 2026-05-13
- 42
- 0
- 0
- 大模型
2026-05-05
LLM微调与量化技术实战指南：从PEFT到高效部署全流程解析在大型语言模型（LLM）席卷全球的背景下，如何将拥有千亿参数的“巨兽”转化为能够适配垂直领域、且能在消费级显卡上流畅运行的“利器”，已成为每一位深度学习工程师的核心课题。本文将深入探讨LLM从预训练、微调到量化的全生命周期技术路径，重点解析LoRA、QLo
- 2026-05-05
- 45
- 0
- 0
- 大模型

1
2
3
4
5
6
7