分类：AI大模型

AI大模型专栏涵盖从GPT、DeepSeek到gemini、Agentic智能体的全方位研究。深度解析RAG架构优化、KV缓存内存瓶颈解决、JSON结构化数据提取及提示工程实践（如Prompt Refiner）。本专栏还关注软件工程师转型AI研发的实用路径及AI安全风险评估，为开发者提供从基础理论到生产级系统构建的完整知识体系。

共 612 篇

本文详细介绍了安装方法、核心功能、常见问题排查以及实测数据

BLUF

publishing-kit 是一个将技术文章发布流程打包成 Claude Code 技能的开源工具。它能把一份 Markdown 源文件自动转换为 dev.to、AWS Builder Center、Medium 和 LinkedIn 所需的不同格式，并处理封面图生成、表格转图片、数字溯源、预检和自动发布等环节。作者使用该工具发布介绍它自身的文章，实现了彻底的“自举”（dogfooding），并借此发现了工具本身的多个缺陷。本文详细介绍了安装方法、核心功能、常见问题排查以及实测数据。

AI大模型2026/9/3

阅读全文 →

本文提出了设计AI评估的五个关键规则，帮助开发者避免虚假信号

BLUF

本文提出了设计AI评估的五个关键规则，帮助开发者避免虚假信号、节省token预算，并获得可操作的反馈。作者结合Google Agent Skills的实际经验，强调评估环境、难度设计、提示词与评分器匹配、结果导向和数据集策划的重要性。

AI大模型2026/9/2

阅读全文 →

Happy-LLM是Datawhale推出的系统性大语言模型

BLUF

Happy-LLM是Datawhale推出的系统性大语言模型学习教程，从NLP基础出发，深入讲解Transformer架构、预训练语言模型、大语言模型原理，并手把手教你用PyTorch实现和训练LLaMA2等模型。教程覆盖预训练、微调、RAG、Agent等前沿技术，并提供配套模型、PDF和PPT资源，适合有一定Python和深度学习基础的开发者深度学习。

AI大模型2026/8/31

阅读全文 →

文章还提供了可直接使用的GEO文章生成提示词，帮助营销人快速上手实战

BLUF

本文系统拆解了GEO（生成式引擎优化）的核心方法论，从AI大模型的工作原理（RAG、Embedding等）出发，详细讲解了如何通过结构化内容、权威性建设、渠道选择等手段让内容被AI识别和引用。文章还提供了可直接使用的GEO文章生成提示词，帮助营销人快速上手实战。

AI大模型2026/8/31

阅读全文 →

本文系统介绍知识图谱的核心概念、两层结构（数据层与模式层）、

BLUF

本文系统介绍知识图谱的核心概念、两层结构（数据层与模式层）、完整构建流程（数据获取、信息抽取、知识融合、知识加工）以及典型应用场景。重点讲解信息抽取中的实体、关系和属性抽取技术，知识融合中的实体消歧与指代消解，以及知识加工中的本体构建、质量评估和知识推理，帮助读者理解从原始数据到可推理知识网络的完整过程。

AI大模型2026/8/30

阅读全文 →