摘要：
设计模式 发布时间：2020-12-25 00:40:00 原文链接：https://www.cnblogs.com/xine/p/14187051 结构图来源：refactoringguru.cn 设计模式（Design Pattern）是前人在大量软件实践中总结出的、可复用的面向对象设计方案。G 阅读全文
posted @ 2026-09-22 01:17
Stellan7
阅读(10)
评论(0)
推荐(0)
摘要：
重构 参考资料：refactoringguru.cn/refactoring/catalog ｜ 《重构：改善既有代码的设计》（Martin Fowler） 一、什么是重构 重构（Refactoring）：在不改变软件可观察行为的前提下，调整其内部结构，以提高可理解性、降低修改成本。 一个容易被忽视 阅读全文
posted @ 2026-09-19 05:45
Stellan7
阅读(16)
评论(0)
推荐(0)
摘要：
Commitlint 与 husky：Git 提交规范 整理自博客园旧笔记：《Commitlint &husky》（原发布于 2022-09-13） 一、Commitlint 参考资料：https://github.com/conventional-changelog/commitlint/ 1.1 阅读全文
posted @ 2026-09-19 05:45
Stellan7
阅读(7)
评论(0)
推荐(0)
摘要：
CMake 链接静态库与动态库 整理自博客园旧笔记：《cmake链接静态库&动态库》（原发布于 2022-09-13） 一、项目结构 ./sample7 +-- CMakeLists.txt # 顶层 +-- build/ +-- src/ +-- CMakeLists.txt +-- main.c 阅读全文
posted @ 2026-09-19 05:45
Stellan7
阅读(8)
评论(0)
推荐(0)
摘要：
LLVM Pass 与 ANTLR4 整理自博客园旧笔记：《[转]LLVM Pass》《[转]antlr4》（原两篇仅为链接备忘，2022-09-13；2026-09 充实为可读记录） 此内容仅为个人学习记录，非工业界常用技能。 一、LLVM Pass 参考资料：https://llvm.org/d 阅读全文
posted @ 2026-09-19 05:45
Stellan7
阅读(5)
评论(0)
推荐(0)
摘要：
Clang 静态分析：AST 提取、遍历与匹配 整理自博客园旧笔记：《llvm提取c/c++ ast树》《编写基于 ASTFrontendActions 的 RecursiveASTVisitor》《[转]Clang ASTMatcher基础学习》《c项目生成compile_commands.jso 阅读全文
posted @ 2026-09-19 05:45
Stellan7
阅读(14)
评论(0)
推荐(0)
摘要：
2026 大模型格局：GPT-6 时代全景 大模型 Wiki · 补充篇 15 ｜ 2026-09 整理（信息截至 2026-09-18） 本篇是"大模型 Wiki"的格局总览篇，目的是在 2026 年这个节点上，帮读者建立一张可更新的心智地图：谁在什么位置、为什么在那、以及你该据此做什么决策。它不 阅读全文
posted @ 2026-09-19 05:44
Stellan7
阅读(45)
评论(0)
推荐(0)
摘要：
推理模型与强化学习：从 CoT 提示到 RLVR 大模型 Wiki · 补充篇 14 ｜ 2026-09 整理 如果说 2020–2023 的主旋律是"预训练 Scaling Law"，那 2024–2026 的主旋律就是推理时间计算（test-time compute）：让模型想得更久、更强，并且 阅读全文
posted @ 2026-09-19 05:44
Stellan7
阅读(17)
评论(0)
推荐(0)
摘要：
MoE 与架构演进：从纯 Transformer 到混合架构 大模型 Wiki · 补充篇 13 ｜ 2026-09 整理 本章聚焦 2025–2026 年旗舰大模型在架构层面的两大主线：一是用 MoE（混合专家） 把"参数规模"和"单次推理成本"解耦，二是用 线性注意力/状态空间模型 等替代方案缓 阅读全文
posted @ 2026-09-19 05:44
Stellan7
阅读(30)
评论(0)
推荐(0)
摘要：
多模态大模型：从"外挂视觉"到"原生全模态" 大模型 Wiki · 补充篇 12 ｜ 2026-09 整理 一、三代技术路线 代际 思路 代表 问题 第一代：外挂 视觉编码器 + 投影层接 LLM LLaVA、早期 Qwen-VL 模态对齐浅，OCR/细粒度弱 第二代：统一多模态 多模态数据参与预训 阅读全文
posted @ 2026-09-19 05:44
Stellan7
阅读(20)
评论(0)
推荐(0)
摘要：
知识蒸馏与模型压缩：让大模型变小 大模型 Wiki · 补充篇 11 ｜ 2026-09 整理 让 671B 的 DeepSeek-V3 里有能用，和让 7B 的小模型在消费级显卡上跑起来，是两条不同的路。前者靠 MoE（见第 13 篇），后者靠压缩三板斧：蒸馏、量化、剪枝。2025–2026 年， 阅读全文
posted @ 2026-09-19 05:44
Stellan7
阅读(32)
评论(0)
推荐(0)
摘要：
DeepSeek Harness 源码解读 新增篇目。基于 DeepSeek 官方开源仓库与架构文档（dsh-v0.1.2-alpha.2，2026-09 时点）整理。 仓库：https://github.com/deepseek-ai/deepseek-harness ｜ 介绍页：https:// 阅读全文
posted @ 2026-09-19 05:43
Stellan7
阅读(26)
评论(0)
推荐(0)
摘要：
Harness Engineering 入门与实战（转载整理） 转载声明：本文整理转载自程序员鱼皮的博文《傻子可懂的 Harness Engineering 入门教程 + 项目实战，一次搞懂 AI 编程工程化！》（发布于 2026-04-27），版权归原作者程序员鱼皮所有。转载时保留了原文的核心内容 阅读全文
posted @ 2026-09-19 05:43
Stellan7
阅读(36)
评论(0)
推荐(0)
摘要：
Agent、多 Agent 与 Coding Agent 新增篇目。Agent 是 2025-2026 大模型落地的主战场。 经典综述：Lilian Weng《LLM Powered Autonomous Agents》https://lilianweng.github.io/posts/2023- 阅读全文
posted @ 2026-09-19 05:43
Stellan7
阅读(23)
评论(0)
推荐(0)
摘要：
MCP：模型上下文协议 新增篇目。MCP 是 2024 年 11 月 Anthropic 开源、2025-2026 成为行业标准的"AI 应用 USB-C 接口"。 官网：https://modelcontextprotocol.io 一、MCP 解决什么问题 MCP 之前，让模型用上外部工具/数据 阅读全文
posted @ 2026-09-19 05:43
Stellan7
阅读(31)
评论(0)
推荐(0)
摘要：
参数高效微调：LoRA 与 PEFT 新增篇目（原笔记 35 中仅提到 ChatGLM 的 P-Tuning，本篇系统整理 2026 年主流的 PEFT 方法）。 工具：https://github.com/huggingface/peft 一、为什么需要参数高效微调 全量微调一个 7B 模型（FP 阅读全文
posted @ 2026-09-19 05:42
Stellan7
阅读(35)
评论(0)
推荐(0)
摘要：
LangChain 与 RAG 整理自博客园旧笔记《langchain教程》（2024-05-11），2026-09 更新（含 LangGraph 时代的变化）。 本文目标是把 LangChain 这套「开发 LLM 应用的框架」讲透，并重点拆解当前最落地的应用场景——RAG（检索增强生成） 的底层 阅读全文
posted @ 2026-09-19 05:42
Stellan7
阅读(9)
评论(0)
推荐(0)
摘要：
LLM API 与应用网关 整理自博客园旧笔记《OPENAI API应用文档》《搭建LLM one-api & ChatGPT-Next-Web》（2024-04），2026-09 更新。 本文分两层：先讲清楚 LLM API 的协议细节（你能直接调用的那一层），再讲 应用网关（当你要接多家模型、做 阅读全文
posted @ 2026-09-19 05:42
Stellan7
阅读(27)
评论(0)
推荐(0)
摘要：
开源模型与本地部署 整理自博客园旧笔记《搭建ChatGLM2-6B CPU版本》《使用kaggle白嫖GPU搭建chatglm-6B/Qwen-7B等大模型》（2024-04），2026-09 补充现代部署方案。 一、本地部署的三条路线 把大模型跑在自己机器上，动机通常有三：数据不出内网（隐私/合规 阅读全文
posted @ 2026-09-19 05:42
Stellan7
阅读(45)
评论(0)
推荐(0)
摘要：
从 GPT 到大模型时代（GPT-1 → GPT-6） 这篇 Wiki 沿着"GPT 家族"的演进主线，串起整个大模型时代的关键范式转变：从 GPT-1 的两段式"预训练+微调"，到 GPT-2 的 zero-shot 提示，到 GPT-3 的 few-shot / 上下文学习，再到以 RLHF 为 阅读全文
posted @ 2026-09-19 05:42
Stellan7
阅读(49)
评论(0)
推荐(0)
浙公网安备 33010602011771号