- 博客(2151)
- 收藏
- 关注
RSS订阅原创 9个提升Python代码生产质量的第三方库
本文介绍9个被资深工程师广泛使用却常被忽视的Python库：glom（嵌套数据声明式处理）、boltons（标准库功能补全）、beartype（高性能运行时类型检查）、result（显式错误处理）、whenever（防时区bug的现代时间库）、pyinstrument（人类可读性能分析）、dirty-equals（智能测试断言）、stamina（可观测重试）、pyfunctional（链式数据管道）。均经生产验证，开箱即用。
2026-03-21 20:27:34
287
原创 Claude Code 命令体系解析：三种类型、七大分类、50+ 命令
本文全面解析Claude Code全部50+命令：涵盖CLI标志、斜杠指令、键盘快捷键及未公开隐藏功能，分7大模块详解核心10命令（如/init、/compact）、进阶技巧（/btw、/plan）、生产工作流等，助你告别盲区，释放全部效能。
2026-03-20 21:54:54
490
原创 理解 Agent 记忆：从无状态模型到持久化记忆架构
大语言模型本质无状态，对话历史无法自动留存。Agent需长期记忆支撑连续性任务，但简单堆砌上下文不可行。本文系统阐释Agent记忆的四层架构（工作/情景/语义/程序记忆），及其写入、检索与遗忘机制，并对比Mem0、Letta等主流方案，揭示记忆正成为AI Agent技术栈中独立、标准的关键基础设施。
2026-03-19 20:14:54
326
原创 CRAG 架构解析：如何在生成器前修正错误检索结果
CRAG是一种新型RAG框架，直面检索错误问题：引入轻量级评估器，对检索文档打分并按置信度分流——高分则精炼本地文档（句子级过滤重组），低分则转向网络搜索，中等分则双源协同。从架构上杜绝无关内容污染生成器，显著提升答案准确性与鲁棒性。
2026-03-18 21:13:47
319
原创 高级 RAG 技术：查询转换与查询分解
RAG准确性受限于查询质量，易因表述模糊导致检索偏差。主流优化方向为查询转换（如Fan-Out并行检索、RRF重排、HyDE假设文档嵌入）与查询分解（高抽象后退提示、低抽象思维链检索），二者常协同提升召回率与答案质量。
2026-03-17 22:34:16
422
原创 构建生产级 AI Agent 系统的4大主流技术：反思、工具、规划与多智能体协作
本文深入解析Agentic AI四大核心设计模式：Reflection（自我反思）、Tool Use（工具调用）、Planning（任务规划）与Multi-Agent协作。它们共同赋予AI思考、行动、校验与协同能力，突破单轮问答局限，构建真正可落地的自主智能系统。
2026-03-16 21:15:40
405
原创 BookRAG：面向层级文档的树-图融合RAG框架
BookRAG是专为书籍类层级文档设计的新型RAG框架，首创“树+图+链接+Agent”四元结构：构建融合版面层级树与知识图谱的BookIndex，通过GT-Link双向映射实现结构与语义统一；引入信息觅食启发的Agent，动态规划检索路径，支持单跳、多跳及全局聚合查询，在精度、覆盖率与效率上显著优于传统文本/版面优先方法。
2026-03-15 20:11:50
702
原创 多智能体系统的三种编排模式：Supervisor、Pipeline 与 Swarm
2026年，多智能体系统成主流：单智能体易陷上下文污染、角色混乱与故障扩散；而Supervisor、Pipeline、Swarm三类编排模式，配合结构化通信、按能力拆分、置信度验证与全链路Tracing，可构建更可靠、可控、可扩展的AI协作系统。
2026-03-14 21:54:44
438
原创 更大的上下文窗口为什么让RAG变得更重要而非更多余
一旦模型能读完所有内容检索增强生成（RAG）就没有存在的必要了，开发者只需要把整个代码库或者多年的聊天记录塞进 prompt，让模型自行处理，所以AI行业花了好几年追逐更大的上下文窗口：4K → 32K → 128K → 1M tokens。但是真正在生产环境里这么做的时候就出了问题,因为答案变差了。在不少实际系统中，更大的上下文窗口反而拖累了模型表现。
2026-03-13 21:54:27
616
原创 LangGraph vs Semantic Kernel：状态图与内核插件的两条技术路线对比
本文对比2026年最新版LangGraph（v1.0）与Semantic Kernel（v1.28.1），澄清过时认知：LangGraph已成为LangChain执行引擎，支持持久化状态机；SK则原生集成MCP协议，定位AI中间件。二者架构迥异——图编排vs插件组合，运行时托管状态vs开发者自主管理。附代码实操与选型指南。
2026-03-12 21:23:25
466
原创 基于网格搜索与分段回归的时间序列变化点检测方法
本文介绍一种基于网格搜索与分段回归的趋势变化点自动检测方法，结合BIC等惩罚准则平衡拟合优度与模型复杂度，并通过最小分段长度、边缘缓冲等约束提升鲁棒性。支持R/Python实现及Streamlit在线体验，适用于中低噪声、趋势主导的时间序列分析。
2026-03-11 20:58:10
522
原创 Python标准库里藏着的7个代码简化利器
本文揭秘7个高阶Python技巧：生成器实现惰性求值、defaultdict简化计数、Pathlib优雅操作文件、partial定制函数、itertools扁平化循环、type动态创建类、装饰器统一横切逻辑。它们不教语法，而授架构思维——让代码更简、更稳、更易维护。
2026-03-10 20:46:24
413
原创 LangGraph RemoteGraph：本地图与远程图的组合机制解析
本文介绍基于LangGraph RemoteGraph构建的循环数学引擎：本地编排器（顺序/并行两种模式）调用远程图服务，实现随机运算与数字生成；通过条件路由、中断机制、线程级认证及多层错误处理，展示清晰职责分离的分布式AI Agent架构。
2026-03-09 20:47:21
468
原创 MIT论文解读：LLM 会被自身历史回复拖累 ，上下文污染会导致多轮对话质量衰减
MIT 2026年重磅论文揭示：AI多轮对话中，保留自身历史回复反而导致“上下文污染”，引发幻觉累积与质量滑坡。实验证明，移除AI过往回复可缩减上下文达10倍，70%轮次质量不变。这挑战了行业默认设计，呼吁从“堆叠历史”转向“智能省略”。
2026-03-08 21:38:47
526
原创 AutoGen 架构演进全梳理：从 v0.4 到 Microsoft Agent Framework
Microsoft AutoGen（2023–2025）是开创性多智能体开源框架，以“群聊式协作”替代单Prompt链，支持智能体对话、工具调用、代码执行与人工介入。v0.4达技术巅峰，后并入Microsoft Agent Framework（MAF）。其核心范式——LLM专家团队协同——已成行业标
2026-03-07 21:46:20
1032
原创 Energy Distance：度量两个多元分布差异的统计方法
当训练集与测试集分布不一致（数据漂移）时，模型性能可能显著下降。Energy Distance 是一种基于欧氏距离的统计量，可量化两个多元分布的整体差异——值为0表示分布相同，越大差异越显著。它能捕捉变量间联合关系变化，优于单变量检验，常配合置换检验进行统计推断。
2026-03-06 20:53:02
448
原创 大模型训练的硬件基础：GPU内存层级、分块与并行策略
本文深入解析GPU加速大模型训练的核心原理与五大优化技巧：低精度计算、算子融合、重计算、内存合并访问与分块，进而详解FlashAttention的在线softmax实现；并系统对比数据并行（含ZeRO各阶段）、流水线并行与张量并行等多级并行策略，揭示如何突破内存与带宽瓶颈，高效扩展至万卡规模。
2026-03-05 20:49:38
708
原创 贝叶斯公式推导：从联合概率的对称性看条件反转
本文以双盒取球为例，直观讲解概率基础：从简单概率（P(A)=1/2）出发，引入条件概率（P(R|A)=3/4），再自然导出贝叶斯定理（P(A|R)=P(R|A)P(A)/P(R)）。全程避免复杂数学，强调“全集切分—视角转换”这一核心思想，让逆向推理清晰可感。
2026-03-04 19:38:09
459
原创 KV Cache管理架构演进：从连续分配到统一混合内存架构
本文系统梳理KV Cache管理演进的5个时代（从无到统一内存架构），剖析vLLM、SGLang、TensorRT-LLM等框架在各阶段的技术取舍与实践效果，涵盖连续缓存、PagedAttention、异构/分布式/统一混合架构等关键突破，助你为不同场景（文本、多模态、长上下文、混合模型）选择最优方案。
2026-03-03 21:07:47
617
原创 PhysioDSP：一个面向可穿戴设备的 Python 信号处理库
PhysioDSP 是一个开源Python库，旨在统一可穿戴设备生理信号处理流程。它提供类型安全、可复现的算法框架，支持ECG、HRV及加速度计等多模态数据，内置活动分析、QRS检测与HRV评分模块，接口标准化，易于扩展与集成。
2026-03-02 21:18:02
732
原创 VAE 原理拆解：从概率编码到潜在空间正则化
本文深入浅出拆解VAE构建全流程，聚焦实现、训练、调试与部署，而非纯数学推导。逐行解读PyTorch最小实现，详解编码器、重参数化、解码器三大组件及损失设计，并系统介绍训练后五大推理模式：异常检测、生成合成数据、条件生成、潜在空间分析与数据填补。
2026-03-01 21:47:58
1150
原创 基于能量的模型（EBM）：用能量函数替代概率分布的建模框架
Yann LeCun指出，当前LLM逐Token预测的路径难达人类级AI；其团队力推基于能量的模型（EBM）——不依赖Softmax归一化，以“能量”度量兼容性，支持多峰建模、连续优化与世界模型构建，为通用智能提供新范式。
2026-02-28 20:44:28
1023
原创 时间序列异常检测的5种方法：从统计阈值到深度学习
时间序列异常检测旨在识别偏离正常规律的数据点，如凌晨流量突增、传感器骤降等。因数据含趋势、季节性与噪声，需结合统计法（Z-Score）、移动平均、季节分解、Isolation Forest或自编码器等方法，多策略融合可有效降低误报。
2026-02-27 21:21:26
578
原创 从提示工程转向 上下文工程，6种让LLM在生产环境中稳定输出的技术
本文系统阐述“上下文工程”（Context Engineering）——生产级AI系统的核心能力。它不依赖提示词优化，而是通过选择性检索、上下文压缩、层次化布局、动态查询重构、记忆注入与工具感知六大技术，精准控制模型在运行时“看到什么、何时看、如何看”，从而根治幻觉、提升准确率、降低Token消耗，让小模型也能稳定输出高质量结果。
2026-02-26 21:27:58
744
原创 向量搜索系统的三个核心优化维度：速度、精度与规模
本文探讨大规模向量搜索的三大核心优化：性能调优（ANN、IVF、HNSW、量化压缩、GPU加速）、混合搜索（关键词+语义加权融合）与可扩展架构（分片、分布式、缓存），解决亿级向量下“又快又准”的工程难题。
2026-02-25 19:53:39
670
原创 手把手搭建 Adaptive RAG 系统：从向量检索到 Streamlit 前端全流程
本文带你从零构建端到端AI技术支持助手POC：基于Adaptive RAG动态调整检索深度，LangGraph编排有状态多步推理，FastAPI提供高性能API，Streamlit实现交互式前端——理论落地，开箱即用。
2026-02-24 20:57:57
1067
原创 深入理解三种PEFT方法：LoRA的低秩更新、QLoRA的4位量化与DoRA的幅度-方向分解
大模型全量微调显存开销巨大（65B模型需130GB），参数高效微调（PEFT）应运而生。LoRA通过低秩矩阵增量更新，节省99%+参数；QLoRA结合4-bit量化（NF4）与LoRA，单卡48GB即可微调65B模型；DoRA进一步解耦权重的幅度与方向，精度显著超越LoRA。三者协同构建高效、低成本、高性能的微调新范式。
2026-02-23 20:51:11
794
原创 并行多智能体系统的协调测试实战：从轨迹捕获到CI/CD的六个步骤
本文探讨并行多智能体系统的协调测试难题：当多个LLM驱动的智能体协同决策时，单个正确≠集体安全。传统单元测试失效，需构建以轨迹捕获、行为不变量、回放回归、黄金数据集和CI/CD集成为核心的新型测试框架，专治容量超限、状态陈旧、 reducer 冲突等典型协调故障。
2026-02-22 21:47:33
1051
原创 RAG 中分块重叠的 8 个隐性开销与权衡策略
本文深入剖析RAG中分块重叠的8大隐藏成本：索引膨胀、Embedding重复收费、检索多样性下降、重排序负载激增、LLM上下文冗余、缓存失效、评估结果漂移及运维风险上升。揭示重叠并非“免费午餐”，而是贯穿全链路的隐性开销。
2026-02-21 21:03:18
854
原创 深入RAG架构：分块策略、混合检索与重排序的工程实现
本文详解RAG系统从Demo迈向生产需攻克的5个关键层级：基础向量检索（Level 1）、智能分块与元数据增强（Level 2）、混合搜索（语义+关键词，Level 3）、交叉编码器重排序（Level 4），以及生产级护栏、评估与兜底机制（Level 5）。强调“不编造、可验证、易诊断”，聚焦真实故障场景与可落地优化。
2026-02-20 21:03:47
1180
1
原创 AI Agent技术栈：10个构建生产级Agent的核心概念
本文揭示Agentic AI稳定运行的核心不在大模型或提示词，而在于系统设计。文章精炼总结10个关键基础概念：MCP插件协议、推理循环、记忆机制、安全护栏、工具发现、错误恢复、人机协同、上下文工程、状态管理与运行时编排，直击Agent工程化落地痛点。
2026-02-19 22:22:07
903
原创 长上下文“记忆“的舒适陷阱：为什么更多记忆不等于更可靠
本文警示长上下文的隐性风险：它虽提升交互顺手度，却严重损害可靠性、可测试性与可重复性；共享账户导致意图混杂，“我是谁”故障频发；向量平均无法调和对立目标；上下文膨胀引发注意力稀释、幻觉加剧与约束遗忘。生产中须以预算制、会话隔离、结构化记忆和可控重置进行主动治理。
2026-02-18 21:59:32
956
原创 超越上下文窗口：CodeAct与RLM，两种代码驱动的LLM扩展方案
本文介绍CodeAct与RLM两大前沿范式：CodeAct让模型用可执行代码调用工具，缓解Context Rot，提升多工具任务成功率；RLM则通过递归分解超长上下文，将推理转化为编程式搜索。二者分别重构“动作空间”与“推理结构”，共同推动LLM从黑箱生成器迈向可编程智能体。
2026-02-16 22:02:12
1117
原创 15 分钟用 FastMCP 搭建你的第一个 MCP Server（附完整代码）
Model Context Protocol（MCP）是一个轻量开放标准，让LLM能统一、可靠地调用外部工具。无需手写解析逻辑或维护胶水代码。核心仅三概念：Server（暴露工具）、Tool（带装饰器的函数）、Client（调用方）。FastMCP框架15分钟即可上手，支持stdio快速测试、HTTP生产部署，真正实现“写一次，随处调用”。
2026-02-15 22:46:32
840
原创 Prompt 缓存的四种策略：从精确匹配到语义检索
本文详解Prompt缓存四大策略（精确匹配、规范化、语义相似、分层架构），直击LLM应用成本痛点——重复调用导致API费用飙升。代码示例+架构图，助你低成本提升命中率，降本30%–90%，延迟同步优化。
2026-02-14 20:27:44
1200
1
原创 RAG 文本分块：七种主流策略的原理与适用场景
分块是RAG系统的基石，直接影响检索质量与LLM推理效果。行业共识：“分块决定RAG质量的70%”。从固定大小、句子/段落级，到语义、递归、滑动窗口及层次化分块，策略需匹配文档类型与任务需求。劣质分块导致上下文断裂、噪声激增、幻觉频发——燃料不行，再强的引擎也徒劳。
2026-02-13 21:33:41
1148
原创 LLM创造力可以被度量吗？一个基于提示词变更的探索性实验
本文探讨提示词工程为何仍是“玄学”，并通过实验证明：加入明确指令（如“Be as creative as possible”）可显著、可量化地提升LLM输出多样性，效果甚至超过调高温度。研究以embedding距离为代理指标，覆盖13个主流模型，揭示提示词迭代可度量、可预测，为LLM应用从经验走向工程化提供新路径。
2026-02-12 20:56:38
998
原创 Agent Lightning：微软开源的框架无关 Agent 训练方案，LangChain/AutoGen 都能用
Agent Lightning 是微软推出的开源工具，专攻AI Agent“训练鸿沟”——无需修改代码，即可为LangChain、AutoGen等任意框架注入强化学习、Prompt优化与微调能力，让Agent在真实交互中持续进化。
2026-02-11 21:40:27
946
原创 软件工程原则在多智能体系统中的应用：分层与解耦
本文探讨多智能体系统的工程化架构设计，以YouTube视频信息提取项目为例，提出分层架构（呈现层、智能体层、工具层、服务层、模型层、基础设施层），强调工具（LLM适配器）与服务（业务逻辑）的严格分离，并引入领域驱动设计思想，实现可维护、可测试、可扩展的智能体系统。
2026-02-10 21:35:37
725
原创 一分钟训练搞懂 DPPO：把扩散过程建模为 MDP 的强化学习方法
本文以二维环形环境为简化平台，探究DPPO（扩散策略策略优化）算法的训练机制：将扩散去噪过程建模为MDP，用PPO微调单条轨迹，分析KL约束、微调步数、eps clip与学习率等对行为分布与收敛性的影响，揭示RL+扩散在机器人策略优化中的关键挑战与设计权衡。
2026-02-09 20:37:57
1208
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