<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/njbaige</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; njbaige]]></copyright><item><title><![CDATA[终端里藏了个AI大神！DeepSeek‑TUI让你的命令行直接起飞]]></title><link>https://blog.csdn.net/njbaige/article/details/160801339</link><guid>https://blog.csdn.net/njbaige/article/details/160801339</guid><author>njbaige</author><pubDate>Tue, 05 May 2026 22:00:40 +0800</pubDate><description><![CDATA[DeepSeek-TUI：终端AI编程神器 DeepSeek-TUI是一款专为开发者设计的终端AI编程工具，基于DeepSeek V4模型，提供100万Token超大上下文支持，适合处理复杂项目。其核心优势包括： 轻量高效：单二进制文件，无需依赖环境，支持SSH远程操作 智能交互：实时流式输出推理过程，支持三档模式（Plan/Agent/YOLO）灵活切换 强大功能：集成文件读写、Git管理、Shell执行等工具，支持一键回滚和持久会话 节省成本：智能压缩与缓存优化，显著降低Token消耗 适用于服务器开发]]></description><category></category></item><item><title><![CDATA[打造你的专属自动化助手：OpenClaw 龙虾Skills 开发实战指南]]></title><link>https://blog.csdn.net/njbaige/article/details/159804932</link><guid>https://blog.csdn.net/njbaige/article/details/159804932</guid><author>njbaige</author><pubDate>Fri, 03 Apr 2026 20:33:58 +0800</pubDate><description><![CDATA[还在让 AI 只陪你聊天？太浪费了！本文手把手教你开发 OpenClaw Skills，把 AI 变成真正的"行动派"：自动部署代码、发送日报、监控系统、处理邮件……从"问答 AI"到"行动 AI"，让你的工作效率原地起飞！]]></description><category></category></item><item><title><![CDATA[5 分钟搭建你的私人 AI 助手：OpenClaw 从零到一入门指南]]></title><link>https://blog.csdn.net/njbaige/article/details/159618668</link><guid>https://blog.csdn.net/njbaige/article/details/159618668</guid><author>njbaige</author><pubDate>Thu, 02 Apr 2026 21:01:02 +0800</pubDate><description><![CDATA[想让 AI 帮你执行特定任务？自动部署代码发送日报邮件监控系统状态你可以编写自定义 Skills，让 AI 变成你的专属自动化助手。恭喜你读完了这篇教程！如果跟着步骤操作，你现在应该已经拥有了一个完全属于自己的 AI 助手。听你的话，为你服务。]]></description><category></category></item><item><title><![CDATA[一文简单介绍Clawbot AI牛马智能体平台]]></title><link>https://blog.csdn.net/njbaige/article/details/157580405</link><guid>https://blog.csdn.net/njbaige/article/details/157580405</guid><author>njbaige</author><pubDate>Sat, 31 Jan 2026 11:29:31 +0800</pubDate><description><![CDATA[Clawbot 是最新的本地 AI 智能体，以 “本地优先 + 聊天入口 + 系统级执行” 为核心，适合追求高效自动化与数据隐私的技术用户。它将 AI 从 “信息助手” 升级为 “可执行任务的员工”]]></description><category></category></item><item><title><![CDATA[AI训练与推理：核心差异全解析]]></title><link>https://blog.csdn.net/njbaige/article/details/156109781</link><guid>https://blog.csdn.net/njbaige/article/details/156109781</guid><author>njbaige</author><pubDate>Sat, 20 Dec 2025 13:19:24 +0800</pubDate><description><![CDATA[本文详细介绍了人工智能大模型中，训练和推理两种工作原理，对比。
在AI 中训练与推理差异显著：训练通过大量数据前向 + 反向传播迭代优化模型权重，重吞吐量，需高计算 / 显存 / GPU 带宽，依赖多卡并行；推理仅前向传播预测，重低延迟，资源需求较低，采用数据并行、KV 缓存等优化。理解差异助于合理选硬件、优化流程降本提效 ]]></description><category></category></item><item><title><![CDATA[AI 智能体时代的上下文工程剖析]]></title><link>https://blog.csdn.net/njbaige/article/details/155649707</link><guid>https://blog.csdn.net/njbaige/article/details/155649707</guid><author>njbaige</author><pubDate>Sat, 06 Dec 2025 23:43:39 +0800</pubDate><description><![CDATA[摘要：Anthropic最新提出的&quot;上下文工程&quot;标志着AI应用开发从提示词工程向动态信息管理的范式迁移。上下文包括系统提示、对话历史、工具调用等模型可见的所有信息，其核心挑战在于如何在有限注意力预算内优化信息流。博客提出四项设计原则：精简系统提示、高效工具交互、精选少样本示例和按需检索，并针对长周期任务推荐压缩、结构化笔记和多智能体架构三种策略。随着模型能力提升，上下文工程将推动AI系统向更自主的信息管理方向发展，但其核心始终是最大化有限上下文资源的信号价值。]]></description><category></category></item><item><title><![CDATA[大模型推理基础设施的技术挑战与应对策略]]></title><link>https://blog.csdn.net/njbaige/article/details/154616636</link><guid>https://blog.csdn.net/njbaige/article/details/154616636</guid><author>njbaige</author><pubDate>Sun, 09 Nov 2025 19:58:26 +0800</pubDate><description><![CDATA[摘要：大模型推理已成为算力需求的核心驱动力，对基础设施提出严峻挑战。当前面临四大痛点：1) 计算环节存在算子效率低、架构压力大等问题；2) 传输环节带宽利用率不足且通信开销高；3) 存储环节容量需求激增、性能受限；4) 调度环节资源利用不均衡。解决方案采用&quot;算传存调结合+软硬件协同&quot;思路，通过深度优化计算、分层通信、近存计算和智能调度等技术，实现推理性能显著提升：吞吐量提升3.2倍，时延降低72%。最终形成训推一体基础设施和推理一体机两大产品矩阵，支撑大模型规模化落地。]]></description><category></category></item><item><title><![CDATA[英伟达发布新推理GPU-Rubin CPX！100TB大内存，单机架AI性能暴涨6500%，长上下文推理的利器]]></title><link>https://blog.csdn.net/njbaige/article/details/151393144</link><guid>https://blog.csdn.net/njbaige/article/details/151393144</guid><author>njbaige</author><pubDate>Wed, 10 Sep 2025 08:53:04 +0800</pubDate><description><![CDATA[英伟达推出全新专用GPU RubinCPX，专为长上下文推理和视频生成设计。该芯片配备128GB GDDR7内存，NVFP4精度下算力达30PFLOPS，相比现有系统提供3倍更快的注意力机制。集成144张RubinCPX的VeraRubinNVL144CPX平台单机架性能达8EFLOPS，内存带宽1.7PB/s，是Blackwell Ultra系统的7.5倍。RubinCPX采用经济型单芯片设计，与旗舰GPU协同工作，优化分解式推理流程，特别适合处理超百万token的长文本和视频任务。英伟达预计该平台可实现]]></description><category></category></item><item><title><![CDATA[DeepSeek大模型的发展的十问十答]]></title><link>https://blog.csdn.net/njbaige/article/details/145558304</link><guid>https://blog.csdn.net/njbaige/article/details/145558304</guid><author>njbaige</author><pubDate>Mon, 10 Feb 2025 21:25:59 +0800</pubDate><description><![CDATA[针对DeepSeek大模型的简介，以及常用问题十问十答]]></description><category></category></item><item><title><![CDATA[国内AI芯片厂商的计算平台概述]]></title><link>https://blog.csdn.net/njbaige/article/details/145394378</link><guid>https://blog.csdn.net/njbaige/article/details/145394378</guid><author>njbaige</author><pubDate>Wed, 29 Jan 2025 18:38:38 +0800</pubDate><description><![CDATA[国内AI芯片厂商的计算平台概述-昇腾、海光、天数智芯、寒武纪、燧原]]></description><category></category></item><item><title><![CDATA[揭秘AI智算中心网络流量：大模型训练的背后技术与挑战]]></title><link>https://blog.csdn.net/njbaige/article/details/145240097</link><guid>https://blog.csdn.net/njbaige/article/details/145240097</guid><author>njbaige</author><pubDate>Sun, 19 Jan 2025 15:00:00 +0800</pubDate><description><![CDATA[AI智算中心的网络流量设计]]></description><category></category></item><item><title><![CDATA[多模态大语言模型技术进展]]></title><link>https://blog.csdn.net/njbaige/article/details/145131107</link><guid>https://blog.csdn.net/njbaige/article/details/145131107</guid><author>njbaige</author><pubDate>Tue, 14 Jan 2025 09:54:05 +0800</pubDate><description><![CDATA[多模态大语言模型最新进展]]></description><category></category></item><item><title><![CDATA[大模型思维链推理的进展、前沿和未来分析]]></title><link>https://blog.csdn.net/njbaige/article/details/144994716</link><guid>https://blog.csdn.net/njbaige/article/details/144994716</guid><author>njbaige</author><pubDate>Tue, 07 Jan 2025 22:08:26 +0800</pubDate><description><![CDATA[大模型思维链推理的综述：进展、前沿和未来]]></description><category></category></item><item><title><![CDATA[大模型训练的数据解读]]></title><link>https://blog.csdn.net/njbaige/article/details/144904960</link><guid>https://blog.csdn.net/njbaige/article/details/144904960</guid><author>njbaige</author><pubDate>Fri, 03 Jan 2025 10:53:30 +0800</pubDate><description><![CDATA[大模型技术讲解：大模型训练的数据]]></description><category></category></item><item><title><![CDATA[大模型国产化迁移大模型到昇腾教程（Pytorch版）]]></title><link>https://blog.csdn.net/njbaige/article/details/144904487</link><guid>https://blog.csdn.net/njbaige/article/details/144904487</guid><author>njbaige</author><pubDate>Fri, 03 Jan 2025 10:46:03 +0800</pubDate><description><![CDATA[大模型国产化适配10-快速迁移大模型到昇腾910B保姆级教程（Pytorch版）]]></description><category></category></item><item><title><![CDATA[大模型的开发训练与推理部署解读]]></title><link>https://blog.csdn.net/njbaige/article/details/144903813</link><guid>https://blog.csdn.net/njbaige/article/details/144903813</guid><author>njbaige</author><pubDate>Fri, 03 Jan 2025 10:33:01 +0800</pubDate><description><![CDATA[大模型的开发训练与推理部署白皮书]]></description><category></category></item><item><title><![CDATA[大语言模型LLM技术报告]]></title><link>https://blog.csdn.net/njbaige/article/details/144816451</link><guid>https://blog.csdn.net/njbaige/article/details/144816451</guid><author>njbaige</author><pubDate>Mon, 30 Dec 2024 09:43:23 +0800</pubDate><description><![CDATA[大语言模型：LLM技术报告]]></description><category></category></item><item><title><![CDATA[开源智能工业软件技术发展分析]]></title><link>https://blog.csdn.net/njbaige/article/details/144708413</link><guid>https://blog.csdn.net/njbaige/article/details/144708413</guid><author>njbaige</author><pubDate>Wed, 25 Dec 2024 08:56:49 +0800</pubDate><description><![CDATA[开源智能工业软件技术白皮书]]></description><category></category></item><item><title><![CDATA[弱电设计的网络基础知识]]></title><link>https://blog.csdn.net/njbaige/article/details/144669569</link><guid>https://blog.csdn.net/njbaige/article/details/144669569</guid><author>njbaige</author><pubDate>Mon, 23 Dec 2024 15:46:07 +0800</pubDate><description><![CDATA[弱电设计——网络基础知识]]></description><category></category></item><item><title><![CDATA[使用RDMA技术构建无损网络]]></title><link>https://blog.csdn.net/njbaige/article/details/144669056</link><guid>https://blog.csdn.net/njbaige/article/details/144669056</guid><author>njbaige</author><pubDate>Mon, 23 Dec 2024 15:38:14 +0800</pubDate><description><![CDATA[如何使用RDMA构建无损网络？]]></description><category></category></item></channel></rss>