- 博客(865)
- 收藏
- 关注
RSS订阅原创 Token经济学：六大AI Agent框架的Token消耗深度拆
有人用 OpenClaw 聊 2 小时花了 100 多元[3]，有人 35 条消息就撑爆 200k 上下文窗口[2]。（同一模型在不同框架下消耗截然不同）和（不同模型完成同一任务所需 Token 数不同）。本文从这两个维度，对六大框架做一次聚焦于 Token 消耗的深度拆解。声明：尚无统一基准测试覆盖全部六框架，数据来自公开文章交叉比对，估算值已明确标识。01框架架构如何"吃掉"你的 Token每次调用大模型时，框架会将"基础设施内容"塞进上下文，这部分与用户任务无关却消耗 Token。
2026-03-14 15:53:42
594
原创 现代 Agent 的关键不是 Prompt，而是 Context Engineering
如果今天讨论 Agent 还停留在"怎么写 prompt"，就已经太窄了。像 Codex、Claude Code 这类现代 coding agent，在你按下回车之前，系统已经完成了一系列复杂的上下文工程：加载 AGENTS.md、注入 skills 摘要、过滤 MCP tools、组装 developer message……你看到的"一条 prompt"，背后是多层结构化注入。更关键的是 Context Engineering。
2026-03-14 14:52:41
327
原创 OpenClaw 到底是什么？
OpenClaw的出现代表了AI发展的一个重要趋势——从"对话式 AI"走向"自主行动式 AI未来的AI不再只是一个App，而是一个凌驾于所有App之上的"智能管家"，帮你在背后默默处理各种琐事。当然了，现在的OpenClaw还不够完美，安全性、稳定性都还有提升空间。但作为一个开源项目能做到这个程度，已经相当惊艳了。如果你是一个喜欢折腾的开发者，非常建议去试一试。📌相关链接OpenClaw 官网：https://openclaw.ai/
2026-03-11 13:55:41
825
原创 普通人慎入养“虾”，跟风养三天后发现的风险预警
我不否认OpenClaw的强大——它确实是一款优秀的开源AI框架,能帮开发者、极客实现自动化办公、提升生产力,能让AI真正"动起来",而不是只停留在"聊天"层面。但它的强大,是建立在"技术基础"“时间投入”“成本消耗"之上的,它是给开发者、极客准备的"工具”,而不是给普通人准备的"玩具"。最近的跟风热潮,本质上是自媒体贩卖焦虑、商家收割流量的结果,很多普通人被热度裹挟,盲目投入时间、金钱,最终只能"竹篮打水一场空"。**所以,劝所有普通人:**别再跟风养"虾"了。
2026-03-11 11:45:42
481
原创 #大模型技术「新手必学路线」，从入门到实战，收藏这篇就够了！
本文提供了一套针对新手的AI大模型技术学习路线，包括Python基础、大模型基础概念、LangChain核心技术、低代码平台Coze以及可选的Dify平台。建议优先学习LangChain，掌握大模型应用开发的核心技能，再逐步拓展其他平台，为从事AI开发或中台工作打下坚实基础。最适合新手、最不绕路、学完就能干活的路线，按你是想走技术开发来安排：大模型技术学习「最简必学路线」Python 基础：变量、函数、列表、字典、循环会用 pip 装包、运行脚本不用学爬虫、数据分析，够用就行。
2026-03-05 15:14:31
406
原创 Ai大模型知识蒸馏，如何让大模型“瘦身”并保留智慧
本文详细解析了AI大模型知识蒸馏技术，从大模型工作原理、硬目标与软目标训练对比，到知识蒸馏如何高效提炼大模型能力，并探讨了Anthropic与中国AI实验室的“蒸馏攻击”争议，揭示了大模型领域的技术边界与地缘竞争。适合AI小白和程序员学习大模型核心技术。2026年2月下旬，全球AI圈爆发了一场前所未有的舆论地震。
2026-03-05 14:43:16
362
原创 昨夜，Claude智能体压垮华尔街，近万亿刀市值蒸发
Anthropic的Claude Cowork智能体及其插件被视为AI从辅助工具向独立员工跨越的分水岭，能自主完成复杂工作。这一技术引发华尔街恐慌，导致多家软件公司股票被抛售，市场担忧AI将颠覆SaaS商业模式。Claude Cowork可在隔离环境中接管用户电脑执行多领域任务，可能减少企业对外部软件服务的依赖，威胁传统软件行业。AI 在代替人类之前，先要替代一大波软件？
2026-02-16 11:15:00
591
原创 当Ollama遇上RAG：给你的本地AI装上“记忆外挂”
文章介绍Ollama+RAG+ChromaDB组合解决方案，解决AI模型记忆力有限问题。Ollama作为本地AI大脑，RAG实现检索增强生成，ChromaDB作为语义向量数据库存储知识。该组合使AI能基于最新、准确的信息回答，同时保持完全本地化、低成本，适用于客服、培训、知识管理等场景。但需注意知识库维护和文档质量对回答准确性的影响。
2026-02-14 09:15:00
1191
原创 Spring AI系列之RAG（检索增强生成）从原理到实战指南
选择RAG的场景• 需要实时更新的知识（如新闻、股价）• 数据量庞大且频繁变动• 需要解释性强的应用场景（可溯源到具体文档）• 预算有限，无法承担微调成本选择Fine-tuning的场景• 需要改变模型行为风格（如特定语气、格式）• 领域知识非常固定且通用模型表现极差• 对延迟敏感（RAG需要额外检索时间）
2026-02-12 07:30:00
630
原创 Claude Agent Skills深度解析（超详细）从零基础到精通，一篇就够了！
Claude 利用Skills来提升特定任务的执行效果。Skills被定义为包含指令、脚本和资源的文件夹，Claude可以在需要时加载它们。Claude 采用声明式、基于提示词的系统来实现Skills的发现和调用。AI 模型（Claude）根据系统提示中提供的文本描述来决定是否调用Skills。在代码层面，不存在算法驱动的Skills选择或 AI 驱动的意图检测。所有的决策都完全基于Skills描述，在 Claude 的推理过程中完成。Skills并非可执行代码。它们不。
2026-02-09 11:43:36
965
原创 AI Agent记忆系统完全指南（超详细）从入门到精通，一篇收藏就够了！
Memory in the Age of AI Agents》是由多所顶尖大学联合推出的系统性综述，创新提出"形态-功能-动力学"三维框架分析200+最新论文。文章突破传统记忆二分法，提出Token-level/Parametric/Latent三大记忆形态，系统阐述记忆形成、演化与检索的完整生命周期。同时展望生成式记忆、自动管理等7大前沿方向，为AI Agent记忆研究提供全面指导，是了解该领域的必读文献。分享今年看到最系统&最新的综述，NUS&人大&复旦&北大&同济等联合出品：《
2026-02-09 11:35:50
874
原创 RAG检索增强是在给大模型“喂”数据？不，你是在为它构建一整套物流体系
RAG就像一套完善的物流管理体系，其核心困难点永远在我们看不到的地方。在很多人看来，做检索增强生成的难点在于提升检索召回的效率和准确率，因，因此很多人把大量的时间花在优化检索方案上。但作者作为一个对RAG有深入了解的开发人员，恰恰认为RAG真正的难点并不在检索端，而在于知识库的管理。为什么会说RAG的难点在知识库的管理，而不是数据召回？知识库管理很多人都知道RAG是检索增强生成，从知识库中检索到数据，然后丢给模型进行处理，以达到更好的输出效果。但这根本没有真正理解RAG到底是什么？
2026-01-14 11:19:54
836
原创 怎么打造专属的AI知识库？
AI 时代，坚持一个原则会很受用。那就是越简单越好。根据这个原则，AI 知识库用现成的工具就好（比如腾讯 IMA）。也根据这个原则，知识库越精越好，可以量身定制，打造多个小型的知识库。另外，AI 知识库依然大有可为，但能不能复现原文，是未来的重点。根据以上思路，不止是二手文献，一手文献也可以做知识库。那就不仅仅是查缺补漏了，而是实实在在改变我们的研究方式。未来可以做的，比如李白的平行文本知识库、六朝文献的平行文本知识库，大家可以任意发挥想象力。
2026-01-14 10:52:57
787
原创 2025年大模型盘点：从零基础到精通，收藏这一篇就够了！
2025年大模型领域以推理模型、RLVR与GRPO技术为主导，GRPO成为研究热点。架构上Transformer仍是主流，但效率优化增多。推理扩展和工具调用成为提升性能的重要手段，"刷榜"现象凸显benchmark评估的局限性。AI在编程、写作和研究领域展现强大能力，私有数据成为竞争优势。未来发展方向包括RLVR扩展、工业级扩散模型和更好的长上下文处理技术。本文基于老司机推荐的年终盘点这篇文章的原始作者叫 Raschka，长期在 Substack 输出技术内容。他的书被翻译成9种语言，被多所大学用作教材。
2026-01-09 16:06:11
1015
原创 2025年中国大模型行业报告（极简版）从零基础入门到精通，一篇就够了！
中国大模型行业蓬勃发展，产业链涵盖基础层、模型层和应用层。当前商业化进程活跃，金融、政府、教育等领域渗透率高。2023年市场规模增长超100%，预计2030年将超2200亿元，年复合增速40%以上。未来预测大模型、决策大模型和具身智能大模型有望成为行业新风口。百度、阿里、腾讯等企业积极布局，专利申请数量领先。行业概况1、定义大模型是指包含超大规模参数(通常在十亿个以上)的神经网络模型。
2026-01-09 14:19:35
788
原创 AI智能体技能完全指南（超详细）从零基础到精通，一篇全掌握，值得收藏！
什么是LLM AgentSkills？——基于提示词的元工具架构在构建生产级大型语言模型（LLM）驱动的智能体（Agent）系统时，“技能”（Skills）代表了一种至关重要的架构范式。Skills并非传统的外部工具或API调用，而是被精确定义为封装的专业知识（Packaged Expertise），其核心作用在于塑造Agent的思维模式和解决问题的方法 [1]。Skills不直接执行代码，而是提供关键的上下文、指令、领域知识和行为模式，从而显著提升Agent在处理特定、复杂任务时的表现 [1]。
2026-01-09 11:49:30
1180
原创 太强了！AI领域权威专家Antonio Gulli精心打造的《智能体设计模式》终于发布了！附PDF
这本书简直就是系统阐述人工智能智能体设计方法的宝藏书，结构清晰到像开了导航，案例实用得就像直接给你抄作业，把构建现代智能体系统的核心模式与实践路径，完完整整地呈现在你面前👏📖这本书阅读价值拉满书里一口气系统梳理了21种关键设计模式，像提示链、动态路由、并行执行、反思优化、工具调用、任务规划、多智能体协同、记忆管理这些核心议题，全都被安排得明明白白🤩 每种模式都配有能直接执行的代码示例，还有超详细的图解说明，就算你是小白，也能快速把设计理论变成实际应用！
2026-01-06 14:18:41
603
原创 AI Agent实战教程：从ChatGPT到能动手的AI助手，收藏这篇就够了！
本文讲述了AI从传统语言模型(LLM)向AI Agent的革命性转变。LLM只能输出信息不能执行操作，而AI Agent通过记忆、使用工具和目标驱动能力，能够实际完成任务。MCP作为AI Agent与外部世界交互的"翻译官"，解决了不同API接口的标准化问题。Agent to Agent协作模型实现了专业分工，大幅提升效率。2025年将是AI Agent和MCP的落地年，这不仅是技术升级，更是工作方式的革命，将为掌握这些工具的人带来碾压性的效率优势。
2026-01-06 14:13:25
1085
原创 从Function Call到Agent Skills，一文掌握大模型工具调用发展历程与核心技术
文章介绍了LLM工具调用的发展历程，从OpenAI的Function Call，到解决生态碎片化的MCP协议，再到最新的Agent Skills。Agent Skills是一种模块化的能力包，包含元数据、主体文档和关联文件，采用渐进式披露方式，与MCP协同工作，为LLM提供轻量化、可组合、可移植的专业技能。Skills解决了LLM专业领域技能匮乏问题，是上下文工程的重要技术。
2025-12-31 11:02:30
1066
原创 AI大模型强化学习完整指南：从零基础到精通，一篇掌握PPO到SAPO核心算法！
PPO, GRPO, DAPO, GSPO, SAPO 可以视作一条面向大模型强化学习微调的算法演进链：PPO 作为经典强化学习算法，在旧策略采样、clip 约束小步更新的框架下，让大模型可以稳定做策略梯度；GRPO 通过同一 prompt 下的样本组来估计 empirical advantage，省去了 Value Model 的训练开销；
2025-12-25 15:59:56
706
原创 这是一份超级全面的AI开源项目汇总！（附学习资料）
文章介绍了一个全面的AI开源学习项目，包含六大核心部分：提示词工程、AI教程、AI机器人、多模态大模型、智能体和推理优化。该项目汇集了全球优秀的人工智能开源资源，适合不同需求的开发者学习。内容涵盖从基础理论到前沿应用，帮助读者系统掌握AI大模型相关知识，提升技术能力。建议读者根据自身需求选择学习内容，避免学习压力过大。人工智能这几年发展的速度越来越快，从卷积神经网络的不断突破迭代，到Transformer致力于实现大一统，再到MOE超大规模神经网络的架构范式，还有LangGraph等框架等。
2025-12-25 11:51:28
800
原创 上下文不等于记忆：从单Agent到多Agent协作！
首先，你需要区分，可见性与持久性。其次，记忆必须通过模式来设计流程和评估循环。再者，只有当记忆系统可靠且有用时，智能体本身才能变得可靠且有用。AI 的未来，不仅仅在于更强的模型，更在于更强的记忆。它让Agent拥有了时间感，拥有了经验，更拥有了与小伙伴们并肩作战的信任基础。👥。
2025-12-24 10:31:46
648
原创 AI大模型教程（超详细）从零基础入门到精通，解决实战小技巧，一篇搞定！
文章讲述了作者在Go项目中处理protobuf文件时的技术难题。作为AI coder，作者尝试多种方法让IDE获取proto文件均告失败。最终通过技术分享了解到实用技巧：使用下载proto文件的Go文件夹，再用找到本地缓存地址获取proto文件。这一经历让作者认识到，即使拥有强大的AI模型和工具，掌握实用的小技巧仍然非常重要。这句话最近老火了，来自油管 Anthropic 两个工程师的视频。正好我最近遇到的一个需求还挺符合这个描述的。
2025-12-24 10:27:40
999
原创 RAG检索增强生成教程（超详细）从零基础入门到精通，一篇全掌握，建议收藏！
RAG是一种方法论，由检索和增强生成两部分组成，旨在解决大模型知识更新不及时、幻觉和时效性问题。检索是核心组件，采用不同搜索技术如字符串匹配、分词和语义相似度检索，而针对格式化数据可利用大模型理解能力生成查询语句。上下文构建质量和检索数据质量共同决定了大模型生成内容的优劣。搜索技术是RAG的核心组成部分，没有搜索就不存在RAG。说到RAG检索增强，很多人都知道它是和大模型应用有关的技术，而且网上也有很多介绍RAG的文章和代码；作者在之前的文章中也介绍过RAG的本质并不是指一项具体的技术，而是一种方法论；
2025-12-20 10:55:16
858
原创 10分钟拆解AI大模型，从玄学到看得懂的底层逻辑
看到这里,你是不是觉得AI没那么神秘了?它不是什么"黑科技",更不是"有灵魂的生命"——它就是一个通过海量数据训练出来的"超级概率计算器",擅长根据上下文预测下一个词。它能写诗、写代码、做翻译它能分析数据、回答问题、提供建议它甚至能在某些领域超越人类专家接龙游戏 + 概率预测 + 向量分类 + 注意力机制。理解这些原理,不是为了让你变成AI工程师,而是让你在使用这些工具时,心里有底——知道它的能力边界在哪里,知道它为什么会犯错,知道如何更好地"驾驭"它。毕竟,在这个AI狂飙的时代,
2025-12-20 10:38:32
733
原创 如何微调任何Embedding模型？零基础入门到精通，一篇搞定！
Adapter适配器微调是一种参数高效的微调方法。在预训练模型上添加一个轻量级的适配器层，只训练这个适配器，而冻结原始模型参数。原始嵌入 → [冻结的基础模型] → [可训练的Adapter层] → 微调后的嵌入参数少：Adapter层通常只有几MB，而全量微调需要保存整个模型（几百MB到几GB）训练快：只更新少量参数，训练速度提升10倍以上效果好：在特定任务上，Adapter微调的效果往往接近全量微调Adapter微调是一种参数高效、成本低廉、效果显著的嵌入模型微调方法。
2025-12-19 11:56:14
832
原创 面向生产环境的LLM Prompt 优化：缓存、结构、自动
本文介绍了四种提升大语言模型(LLM)应用性能的实用技术：利用缓存token降低成本和提高速度；将用户问题置于提示末尾提升性能；使用提示优化器改进提示结构；建立定制化基准测试选择最适合的模型。这些简单易行的方法能显著降低延迟和成本，同时提高生成结果的质量。大模型（LLM）能够自动化大量任务。自2022年ChatGPT发布以来，市场上涌现出越来越多利用 LLM 的AI产品。然而，我们在使用 LLM 的方式上仍有许多可改进之处。
2025-12-19 11:47:18
978
原创 非专业也能看懂的AI大模型工作原理！（非常详细）从零基础到精通，一篇就够了！
本文全面介绍AI大语言模型工作流程，从文本输入预处理到输出生成全过程。涵盖分词嵌入、Transformer架构、自注意力机制、位置编码及长文本外推等技术，并结合DeepSeek V3实例解析模型如何将语言转换为数学矩阵并生成回答。同时提供丰富的工程实践指导，包括上下文优化、耗时控制、多Agent协同等实用策略，帮助读者深入理解大模型原理与应用。👉目录1 输入：从用户提问到模型"看得懂"的矩阵2 Transformer架构与自注意力机制：模型如何“理解”上下文。
2025-12-18 14:03:35
1590
原创 从大模型到多模态，图文混排Agent彻底起飞~
多模态时代的 Agent 和纯文本时代完全不一样。模型不再只是读信息，而是看信息。它知道 Figure 2 在第 4 页的左上角，知道 Table 3 的边界在哪里，知道如何把这些视觉元素编排到文章中。非常符合GLM4.6V的宣传语： 不止能看，更能执行。
2025-12-17 14:56:11
696
原创 从NLP到大语言模型入门教程！（附学习资料）
本文推荐datawhale开源的"从NLP到大语言模型教程"，分理论、实战、微调量化、应用部署四部分，系统讲解大模型知识，适合零基础学习者快速构建知识框架。教程涵盖NLP基础、预训练模型、微调技术及部署方法，学完可深入大模型细分方向，助力成为优秀算法工程师。今年的秋招大模型算法岗位也是非常火热，基本上大厂都开出了总包50w+的算法，大模型在未来几年将会有很多落地的场景和应用，大有可为。
2025-12-11 11:27:43
1014
原创 企业级AI Agent构建全攻略（超详细）从零基础到实战应用，收藏这一篇就够了！
了解一个产品，最直观的就是产品相关的文档了。在概述里看了下提炼了下• 企业级 AI Agent 无代码构建平台• 零代码• 快速创建• 企业级安全看看GPTBots.ai 解决了哪些痛点问题。痛点解决方案LLM 幻觉知识库增强 + 引用溯源 + 内容审核缺乏垂直知识RAG 系统 + 多格式知识库 + 持续训练无法处理复杂任务FlowAgent 工作流 + 工具集成 + 多 LLM 协同落地难无代码构建 + 端到端交付 + 快速上线AI 人才不足可视化操作 + 专业支持 + 分钟级上手。
2025-12-05 11:57:56
946
原创 大模型应用理论那么简单，为什么实现起来那么复杂？
本文探讨大模型应用开发中理论与实践的差距，以RAG技术为例说明理解理论不等于掌握应用。RAG作为方法论而非具体技术，其难点在于效果优化而非流程实现。大模型应用开发需丰富经验和细节优化，不同模型和环境需针对性测试调整，效果优化比实现更难。很多人都有这样的感受——大模型应用的理论我都懂，但为什么就是做不好？其实理论的简单性和技术的复杂性，往往都隐藏在那些细节里。“纸上得来终觉浅， 绝知此事要躬行。今天闲的没事回头梳理了一下这大半年来开发过程中所遇到的问题，然后画了一个架构图；
2025-12-05 11:48:12
648
原创 智能体AI的六大核心设计模式，很常见！
本文详细介绍了六种主流AI智能体设计模式：ReAct的推理-行动循环、CodeAct的代码执行范式、Modern Tool Use的轻量级集成、Self-Reflection的自我评估、Multi-Agent的协作方案以及Agentic RAG的检索增强技术。这些模式从不同维度解决了智能体系统核心挑战，开发者可根据需求选择合适架构，构建更强大可靠的AI智能体系统。随着大模型技术的成熟，智能体正在从概念走向实际应用。
2025-12-04 15:46:45
1638
原创 几种AI Agent开发框架对比：相比手写代码是否更便捷？
通过以上对比来看，在日常智能体开发中，尤其是需要多轮对话、实现多工具调用和多智能体协作时，几种开发框架确实提供了极大的便利和扩展能力，大幅降低开发门槛和维护成本，而手写代码则适合高度定制化需求，灵活性最高。
2025-12-04 15:24:28
782
原创 想做能长期陪伴用户的Agent？你必须先搞懂记忆系统！
文章探讨了构建高级AI Agent的关键在于上下文工程而非仅提示词工程。成功Agent需理解自身身份(Context)、当前状态(Session)和长期记忆(Memory)。记忆系统应包含ETL流程：提取、整合、存储、检索和遗忘，并采用"Memory-as-a-Tool"机制。多Agent协作应共享Memory而非Session，同时需平衡RAG(世界知识)与Memory(个人知识)。最终，LLM的持续性取决于能否建立状态、积累经验、主动忘记，实现真正的"个体化"存在。
2025-12-02 15:32:10
820
原创 draw.io +ai agent，确实打开新思路！
本文详细介绍了AI Agent与draw.io绘图工具结合的两种方式：一是通过MCP标准协议实现对接，二是基于draw.io的二次开发。文章分别讲解了两种方法的安装配置、使用步骤和实际应用场景，帮助开发者快速掌握将AI能力集成到绘图工具中的技术，为未来AI在各软件场景中的应用提供了实践思路。又到年底了，又要必不可少的开始画图做PPT述职啦 😂，述职的好坏和年终奖都有可能挂钩！这对天天写代码大部分的程序员👨🏻💻来说是一件非常头疼的事，但好在这次可以使用个！
2025-12-02 13:52:25
2752
原创 Graphiti为AI智能体构建实时知识图谱， 从零基础入门到精通，看这一篇就够了！
Graphiti 是一个框架，用于构建和查询具有时间感知的知识图谱，特别适用于在动态环境中操作的 AI 智能体。与传统的检索增强生成（RAG）方法不同，Graphiti 能够持续地将用户互动、结构化与非结构化的企业数据以及外部信息集成到一个连贯的、可查询的图谱中。该框架支持增量数据更新、高效检索，并且可以精确地进行历史查询，而无需重新计算整个图谱，因此非常适合开发交互式、具有上下文感知的 AI 应用程序。使用 Graphiti 可以：•集成并维护动态的用户互动和业务数据。
2025-11-29 12:04:22
836
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人