大模型学习路线图：主干七站与五条支线怎么走
学大模型的第一个障碍不是难，是散：Transformer、RAG、Agent、微调、推理框架，每块看着都重要，拼不出一张完整的图。常见结局是收藏几十个教程，被问到"LLaMA 和 GPT-2 有什么区别"还是说...
AI编码成本复盘：Token消耗与交付对账方法
月底账单一到，三个问题答不上来：钱花在哪个任务、哪个 Agent 上了？换来了几件交付？还是某个智能体在同一件事上反复空转？只看 Token 是记账，配上交付才算复盘。本文给一套把成本和交付...
AI信息聚合入口实战：去重、评分与双语摘要
跟进 AI 领域动态的人都有同款疲惫：一条进展至少有四个版本的现场——官方博客给事实，社交平台有从业者即时解读，Hacker News 评论区藏着反例和复现失败，隔两天 Reddit 出实测、论文榜出相...
多模态嵌入离线RAG：768维向量部署与取舍
检索增强生成的检索端，能不能整个塞进手机或浏览器？Google DeepMind 2026 年 10 月发布的 EmbeddingGemma 2 给出了肯定答案：740M 参数、Apache 2.0、文本代码图像视频音频五种模态全部投...
工具调用机制拆解：模型怎么选中并执行工具
大语言模型的本质是根据上下文预测下一个 token，那它凭什么能读文件、跑命令、改代码？答案是工具调用机制——模型自己不动手，它只生成"我想调用什么工具、什么参数"的结构化请求，真正执行...
全面探讨：AI知识库是捷径吗的技术原理与发展趋势
烂笔头不如大脑里有。
01
在互联网的周期里，许多场景都经历过：多次推倒之后的重建，生活和工作的形式，现在和十年前相比：
不仅效率飞升，而且成本骤降。
网络还没有普及前，文字更多留存...
揭开披着智能体外衣的固定流程真相
“Agent”现在是个筐，什么都能装。让大模型帮忙拆解任务、调用工具，再加一段“根据情况决定下一步”的循环，很多团队就会把它叫Agent。可这类系统一旦进了生产环境，麻烦往往随之而来：同样的...
RAG为什么越来越重要？4个原因一次说透
前面的文章依次介绍了如何截断历史会话的对话记录，涵盖按照记录数量截断、按照Token长度截断，以及浓缩为摘要截断等等，其中摘要操作又分为三大类：
1、运用第三方的摘要库对文本摘要；
2...
AI 从会聊到会干：代理能力补齐最后一块
背景：AI 助手越来越多，为什么还是"会说不会做"
这两年，各种 AI 助手几乎成了每个人的标配，聊天、写文案、给建议，看起来无所不能。可一旦回到真实工作里，很多人会发现一个尴尬的落差：...
一人公司做AI短剧：一人管住30人流水线
最近人民日报 04 版报道了郑州一位导演的转型：去年还带着 30 多人剧组跑外景，今年 2 月辞职注册"一人公司"，一个人做 AI 短剧。报道里还出现了一个新岗位——"抽卡师"，前执行导演刘凯旋现...