AI 大模型
刷新
奇摩技术说：大模型时代的工作流新范式

博主头像 奇摩技术说：大模型时代的工作流新范式 一、范式转移：从"会用什么工具"到"能用AI做什么" 大语言模型的技术迭代正在重塑企业工作流的底层逻辑。过去，招聘时总会问"你熟悉哪些工具"，而如今更值得关注的是如何让AI参与到每一个工作环节中。这不仅是效率问题，更是一种全新的生产力组织方式。 传统工作流：人→ ...

LangChain 学习笔记 01：从一次聊天调用看懂组件与组合

博主头像 第一次写聊天程序时，代码很容易给人一种“已经完成了”的错觉：传入一句话，模型返回一段话，终端里也确实打印出了答案。 但只要继续加两个需求，比如“回答必须保持固定格式”和“把每次调用记录下来”，原来那几行代码就会迅速膨胀。第 2 章从第一个聊天机器人讲起，我觉得它真正想建立的不是某个 API 的记忆， ...

WorkBuddy：企业级AI编程的落地实践 ｜ 奇摩来教你

博主头像 WorkBuddy：企业级AI编程的落地实践 AI编程工具从个人使用到企业级部署，中间隔着相当大的鸿沟。WorkBuddy 的特殊之处在于，它从一开始就以企业场景为设计出发点，因此在实际落地过程中展现出了显著的优势。 企业级部署的核心挑战 大型企业在引入AI编程工具时，通常会面临几个核心问题：数据安 ...

LangChain 学习笔记 00：先搭一张 LLM 应用开发地图

博主头像 刚接触 LangChain 时，我有过一个很直接的疑问：调用大模型不就是发一次 HTTP 请求吗，为什么还需要专门学一个框架？ 把 Demo 写到几十行以后，答案就慢慢出现了。提示词要维护，聊天记录要裁剪，模型输出要校验，私有文档要检索，工具调用要鉴权，线上问题还得能追踪。麻烦的从来不是“把请求发出 ...

Happy-LLM 学习笔记 11：小模型微调、Thinking Budget 和多模态拼接的工程启发

博主头像 补充章节读下来，我最大的感受是：LLM 工程并不是只围着“更大的模型”转。真正落地时，常见问题反而是数据能不能出内网、成本能不能压住、延迟能不能接受、上下文格式是否稳定。大模型给了能力上限，但业务常需要可控、便宜、可部署的边界。 这几篇 Extra-Chapter 把几个主题串了起来：小模型微调、v ...

Happy-LLM 学习笔记 10：评测和 Agent，让 LLM 从模型走向系统

博主头像 学到第七章后，我对“大模型应用”的理解开始从单次问答转向系统工程。RAG 解决的是知识如何进入上下文，而评测和 Agent 关注的是另外两个问题：模型到底能不能被信任，以及模型怎样从“会回答”变成“会做事”。 这两个主题放在一起很自然。没有评测，Agent 的每一步都像黑箱；没有 Agent，评测也 ...

Happy-LLM 学习笔记 09：RAG 的关键不是接个向量库，而是把知识流转设计清楚

博主头像 第七章开始进入大模型应用，RAG 是其中最容易被低估的一块。很多教程会把它讲成"文档切块、向量化、相似度检索、塞进 prompt"，流程看起来很顺，但真正落到工程里，问题往往不在能不能跑通，而在检索到的知识是否完整、是否相关、是否能被模型稳定使用。 Happy-LLM 的 Tiny-RAG 实现很适 ...

康奈尔笔记AIGC

博主头像 康奈尔笔记AIGC康奈尔笔记法康奈尔笔记法（Cornell Note System）是由美国康奈尔大学教育学教授沃尔特·鲍克（Walter Pauk）在20世纪50年代发明的一种高效笔记系统。它的核心理念不仅仅是“记录”，而是通过特定的版面设计，强制你在记笔记的过程中完成记录、思考、提炼和复习的完整 ...

Happy-LLM 学习笔记 08：模型每次吐一个 token，解码策略到底在控制什么

博主头像 前面几篇都在讲模型怎么训练出来，这一篇换一个角度：模型推理时每一步只输出一个 token，那"选哪个 token"这件事，其实才是用户直接感受到的产品行为。Happy-LLM 的额外章节把生成方式单独拎出来讲，读完后我最大的感受是：解码策略不是锦上添花的小参数，而是模型能力和使用体验之间的最后一层接 ...

Happy-LLM 学习笔记 07：从预训练到 LoRA，训练流程要先看数据和成本

博主头像 第五章是手写一个小 LLM，第六章的重点则变成：真正做训练时，为什么大家通常不会一直停留在手写训练循环里。答案很现实，模型结构、数据处理、分布式训练、checkpoint 恢复、日志监控和参数高效微调，每一项单独看都不难，合在一起却很容易把实验搞乱。 这一章给我的最大启发是：训练流程不是“模型 fo ...

15天学会AI应用开发（十六）LangChain实现对话记忆功能

博主头像 ​模型本身是无状态的，也就是不具备记忆功能，单次对话无法留存上下文信息，多轮交互中会遗忘历史对话内容。用户之所以感觉AI工具拥有记忆，是因为AI工具给大模型封装了一层记忆。 LangChain作为主流的大模型应用开发框架，内置完善的记忆模块（Memory模块），能够高效管理对话历史记录，让AI实现逻 ...

中文内容创作者，必装的 10 个 Skill

博主头像 中文内容创作者，必装的 10 个 Skill在 AI 辅助创作的时代，工具的选择决定了内容的上限。与其让 AI 泛泛而谈，不如用专业的 Skill 把它变成你的专属编辑、设计师和研究员。以下为你精选了 10 个能显著提升中文内容创作效率与质量的 Skill，覆盖了从选题、写作、润色到视觉包装的全流程 ...

Happy-LLM 学习笔记 06：动手搭建一个小 LLM，最值得盯住哪些模块

博主头像 这一章最有价值的地方，不是把一个完整的大模型“抄出来”，而是把一个小 LLM 从骨架、入口和训练三层拆开看。以前我总会先盯参数量和显卡，后来才发现，真正决定能不能跑通的，往往是模块之间的接口是否统一。 先把模型骨架搭对 k_model.py 里最先出现的是 ModelConfig。这件事看起来平常， ...

Happy-LLM 学习笔记 04：BERT、T5、GPT 到 LLaMA，预训练模型谱系怎么串起来

博主头像 学完 Transformer 的基本结构后，再看预训练语言模型的发展，会发现很多模型名字并不是彼此割裂的。BERT、T5、GPT、LLaMA 看起来像不同时代的代表，底层其实都在回答同一个问题：我该使用 Transformer 的哪一部分，配什么预训练任务，才能把大量无标注文本转化成可迁移的语言能力 ...

<1···456···34>