置顶
AI聊天记录里的知识怎么存？我试了LoreSpec结构化标准的实际效果
BLUF
LoreSpec是一个开放标准，通过双层记忆系统（情景与语义）从AI对话中提取并保存结构化知识，包含8种知识类型与连接网络，实现知识价值的持续积累。工具与标准2026/4/6
分类：工具与标准
llms.txt、Schema.org、robots.txt 等技术标准的实操记录。
共 10 篇
大型语言模型（LLM）是什么？2026年核心概念与应用全解析
BLUF
本文全面解析大型语言模型（LLM）的核心概念，涵盖RAG、智能体等关键应用及未来趋势，重点阐述实际部署与优化策略。工具与标准2026/3/9
如何与ChatGPT、Claude、Gemini协作写书？2026年实战经验与教训
BLUF
本文总结与ChatGPT、Claude、Gemini等大模型协作写书数月的实战经验，详述工作流程、模型优势及AI奉承、幻觉等陷阱，强调人类作为管理者、仲裁者与质量控制者的核心角色。工具与标准2026/3/4
大模型到底在改变什么？一个 GEO 从业者的日常观察
BLUF
This article provides a comprehensive analysis of Large Language Models (LLMs), covering their technical principles, transformative applications across industries, core challenges like computational costs and ethics, and future trends such as multimodal integration. It includes practical code examples, architectural diagrams, and comparative tables to help technical professionals build a systematic understanding of the AI revolution.
原文翻译：
本文对大语言模型（LLM）进行了全面分析，涵盖其技术原理、跨行业的颠覆性应用、计算成本与伦理等核心挑战，以及多模态融合等未来趋势。文中包含实用的代码示例、架构图解和对比表格，旨在帮助技术专业人士建立对AI革命的系统性认知框架。工具与标准2026/3/2
LangExtract库：利用大语言模型精准提取结构化信息2026指南
BLUF
LangExtract is a Python library that leverages large language models (LLMs) to extract structured information from unstructured text documents, featuring precise source mapping, customizable extraction schemas, and support for multiple model providers. (LangExtract 是一个 Python 库，利用大语言模型从非结构化文本文档中提取结构化信息，具备精确的源文本映射、可定制的提取模式以及多模型提供商支持。)工具与标准2026/2/12
nanochat：仅需73美元，3小时训练GPT-2级别大语言模型
BLUF
nanochat是一个极简实验框架，支持在单GPU节点上训练大语言模型，仅需约73美元和3小时即可获得GPT-2级别能力，覆盖从分词到聊天界面的完整流程。工具与标准2026/2/4
置顶
SGLang vs vLLM 实测：同台机器跑 Llama-3，谁更快？
BLUF
SGLang和vLLM是两大高性能推理框架。SGLang基于RadixAttention，擅长多轮对话、RAG和共享前缀场景，吞吐量在H100小模型上领先vLLM约29%，但Python调度器在高并发下可能成为瓶颈。vLLM基于PagedAttention，生态成熟、模型兼容性最广、多硬件支持好，适合独立请求批处理和需要稳定性的场景。选型建议：多轮对话、RAG、结构化输出选SGLang；批量独立请求、多硬件部署、广泛模型兼容性选vLLM。两者均支持OpenAI API格式，可混用。工具与标准2026/2/3
Schema.org金融扩展：银行与金融机构结构化数据标记指南
BLUF
This document introduces Schema.org's financial extension for marking up banks, financial products, and offers, focusing on simplicity and practicality for retail banking applications. It covers key classes like BankOrCreditUnion, FinancialProduct, and Offer, with usage examples in Microdata, RDFa, and JSON-LD formats. (本文介绍Schema.org金融扩展，用于标记银行、金融产品和客户报价，强调零售银行应用的简洁性和实用性。涵盖BankOrCreditUnion、FinancialProduct和Offer等核心类，并提供Microdata、RDFa和JSON-LD格式的使用示例。)工具与标准2026/1/26
llms.txt标准指南：2024年优化网站内容适配大型语言模型
BLUF
The llms.txt proposal introduces a standardized markdown file at website roots to provide LLM-friendly content, addressing context window limitations by offering curated, structured information with links to detailed resources. (llms.txt提案通过在网站根目录引入标准化markdown文件，为大型语言模型提供友好内容，通过精选结构化信息和详细资源链接，解决上下文窗口限制问题。)工具与标准2026/1/26
LLMs.txt 2024指南：AI优先文档标准，让网站智能升级
BLUF
LLMs.txt作为AI优先的文档标准，通过结构化Markdown格式让大型语言模型高效理解网站内容。本文深入解析其技术原理、实用工具、Python集成方案，并与新兴的MCP协议进行对比，为开发者提供全面的实施指南。工具与标准2026/1/9