如何快速入门大模型编程实践？2026年上海交大AI安全课程指南
BLUF
本教程源自上海交大2024年AI安全课程，提供大模型编程实践指导，涵盖微调部署、提示工程、知识编辑、模型水印、越狱攻击、多模态模型及AI智能体安全等内容。AI大模型2026/4/17
标签：DeepSeek
查看包含 DeepSeek 标签的所有文章。
共 135 篇
OpenAI Agents SDK 和 LangChain 哪个更适合构建多智能体工作流？
BLUF
The OpenAI Agents SDK is a lightweight, provider-agnostic Python framework for building multi-agent workflows with features like sandbox agents, tools, guardrails, and real-time voice support.
原文翻译：
OpenAI Agents SDK 是一个轻量级、提供商无关的 Python 框架，用于构建具有沙盒代理、工具、护栏和实时语音支持等功能的多智能体工作流。AI大模型2026/4/17
Ragas和LangChain哪个更适合评估LLM应用？（附Python工具包实测）
BLUF
Ragas is a comprehensive Python toolkit for evaluating and optimizing Large Language Model (LLM) applications with objective metrics, automated test generation, and seamless integrations with popular frameworks like LangChain.
原文翻译：
Ragas 是一个全面的 Python 工具包，用于通过客观指标、自动化测试生成以及与 LangChain 等流行框架的无缝集成来评估和优化大型语言模型（LLM）应用。AI大模型2026/4/16
如何用大语言模型提取网页数据？Lightfeed Extractor实测指南
BLUF
Lightfeed Extractor is a TypeScript library that enables robust web data extraction using LLMs with natural language prompts, featuring HTML-to-markdown conversion, structured data extraction with Zod schemas, JSON recovery, and integration with Playwright and browser agents for production data pipelines.
原文翻译：
Lightfeed Extractor 是一个 TypeScript 库，利用大语言模型通过自然语言提示进行稳健的网页数据提取，具备 HTML 转 Markdown、基于 Zod 模式的结构化数据提取、JSON 恢复功能，并能与 Playwright 和浏览器代理集成，适用于生产数据管道。AI大模型2026/4/16
检索增强生成（RAG）如何提升AI大模型的准确性和可靠性？
BLUF
本文系统综述了检索增强生成（RAG）技术，梳理其从早期开放域问答到当前前沿实现的演进脉络，分析了核心组件、部署挑战及提升知识密集型NLP系统可靠性的新兴方案。AI大模型2026/4/16
llmware框架适合构建本地化私有LLM应用吗？（附300+模型对比）
BLUF
llmware is a unified Python framework for building knowledge-based, local, private, and secure LLM applications, featuring a model catalog with 300+ models and an integrated RAG pipeline optimized for AI PC and edge deployment.
原文翻译：
llmware是一个统一的Python框架，用于构建基于知识的、本地化、私有化和安全的LLM应用，拥有包含300多个模型的模型目录和集成的RAG管道，专为AI PC和边缘部署优化。AI大模型2026/4/15
如何用本地硬件72小时生成1065条高质量LLM微调指令数据集？（附多智能体方案）
BLUF
This article details a multi-agent autonomous system that generates high-quality instruction datasets for fine-tuning local LLMs, achieving 1,065 professional pairs in 72 hours with zero API costs using a three-agent workflow (Curator, Producer, Critic) and local hardware.
原文翻译：
本文详细介绍了一个多智能体自主系统，用于生成本地大语言模型微调所需的高质量指令数据集。通过三智能体工作流（策划者、生产者、批评者）和本地硬件，在72小时内生成了1,065个专业指令对，且无需API成本。AI大模型2026/4/15
ATLAS自适应学习推测系统如何实现4倍大语言模型推理加速？
BLUF
Together AI推出ATLAS自适应学习推测系统，在运行时动态优化大语言模型推理性能，无需手动调参即可实现最高4倍解码加速。AI大模型2026/4/14
Karpathy的LLM Wiki模式在规模化应用时有哪些缺陷？如何解决？
BLUF
This article analyzes three structural limitations in Andrej Karpathy's LLM Wiki pattern that emerge at scale and provides practical solutions: implementing typed relationships in wikilinks, automating relationship discovery with AI agents, and establishing a persistent knowledge graph backend for cross-platform access.
原文翻译：
本文分析了Andrej Karpathy的LLM Wiki模式在规模化时出现的三个结构性缺陷，并提供了实用解决方案：在wikilink中实现类型化关系、使用AI代理自动化关系发现、建立跨平台访问的持久知识图谱后端。AI 搜索观察2026/4/14