文章
文章用户商铺文档快讯圈子网址导航

AI Agent 构建入门指南

讨论 AI Agent 构建的入门指南，涵盖认知与基础、AI 原生基础设施、智能体等方面的知识。

往期专题
一共56篇文章
专题：第8期
  • 注意力机制
    注意力机制

    注意力机制

    注意力机制 注意力机制（Attention）是整个 Transformer、大语言模型的灵魂。它就像系统架构中的调度算法，让模型能动态关注最重要的信息。为什么需要注意力机制？在深度学习出现之前，模型处理序列（文本）主要依赖循环神经网络（RNN, Recurrent Neural Network）或长短时记忆网络（LSTM, Long Short-Term Memory），但它们有几个致命局限：只能…...
  • 预训练
    预训练

    预训练

    预训练 只有理解了预训练，才能真正明白大模型“聪明”的底层逻辑。预训练：让模型“懂世界”的阶段预训练（Pre-training, Pre-training）是大语言模型（LLM, Large Language Model）能力的根基，它决定了模型对语言、世界知识、逻辑推理、写作风格等最底层能力的上限。一句话总结：预训练 = 在海量文本上学习语言统计规律，让模型具备通用能力。为什么需要预训练？在正式…...
  • 微调
    微调

    微调

    微调 微调（Fine-Tuning）：让模型适应你的任务与风格大语言模型（LLM, Large Language Model）的能力来自“预训练（Pre-training, 预训练）”，但能否变成真正可用的产品，取决于是否经过“微调（Fine-Tuning, Fine-Tuning）”。微调是让模型从“通用助手”变成“特定领域专家”的核心技术。如果把预训练比作打造一位博学多闻的通才，那么微调就是让…...
  • 人类反馈-RL强化学习
    人类反馈-RL强化学习

    人类反馈-RL强化学习

    人类反馈-RL强化学习 RLHF 不是让模型变聪明，而是让它更懂人、更安全、更可控。它是大模型“对齐”的关键。为什么需要 RLHF？人类反馈强化学习（RLHF, Reinforcement Learning from Human Feedback）是让大语言模型（LLM, Large Language Model）更符合人类偏好、更安全、更可控的关键技术。一个仅经过预训练的模型：只是在预测下一个 …...
  • 模型训练的工程化路径
    模型训练的工程化路径

    模型训练的工程化路径

    模型训练的工程化路径 训练一个大模型，是现代软件工程最复杂、最考验协作与系统能力的实践。工程体系的成熟度，决定了 AI 能否真正落地。在 AI 基础设施的全景中，模型训练 是最复杂、最考验工程体系的环节。它不仅仅是调参与算法的游戏，更是一场关于数据、算力与系统协作的“工程马拉松”。本文将从工程师视角，系统梳理大模型训练的关键阶段、核心挑战与架构演化路径，帮助读者理解——为什么训练一个模型，是现代软…...
  • 机器学习基础
    机器学习基础

    机器学习基础

    机器学习基础 机器学习的本质，其实和云原生的自动化控制循环极为相似。机器学习（Machine Learning, ML）是现代人工智能（AI, Artificial Intelligence）的底层基石，就像 Kubernetes 是云原生体系的控制平面一样。如果把大语言模型（LLM, Large Language Model）看作今天的智能操作系统，那么机器学习就是支撑这套系统的调度逻辑、优化机…...
  • 大模型技术全景
    大模型技术全景

    大模型技术全景

    大模型技术全景 AI 大模型正在成为云原生工程师的“第二引擎”，重塑架构与协作范式。AI 大语言模型（LLM）正在成为云原生体系的第二引擎。过去十年，云原生（Cloud Native）解决了算力调度、可观测性与交付效率等问题；未来十年，AI 将在智能调度、自治系统与认知接口层面重塑工程边界。本节旨在帮助云原生工程师快速理解 AI 大模型技术体系的核心模块、关键能力、协作机制，以及如何与云原生架构融…...
  • 大模型工作原理
    大模型工作原理

    大模型工作原理

    大模型工作原理 模型训练与推理：学习和应用在理解大模型（Large Language Model）的整体流程时，训练、微调和推理三者之间的关系尤为重要。下图为训练、微调与推理的流程示意图，可以帮助你理解各阶段的衔接关系。【iframe defaul_iframe_type】https://assets.jimmysong.io/images/book/ai-handbook/fundamental…...
  • Transformer
    Transformer

    Transformer

    Transformer Transformer 是什么？Transformer 是所有现代大语言模型（LLM）的基础架构，就像 Kubernetes 之于云原生。它的出现彻底改变了自然语言处理（NLP, Natural Language Processing）领域。Transformer 主要解决了两个核心问题：如何理解一段话中哪些信息最重要？如何并行处理海量文本，不像循环神经网络（RNN, Re…...
  • KV 缓存
    KV 缓存

    KV 缓存

    KV 缓存 没有 KV Cache，LLM 推理速度会慢 100 倍。它是现代推理引擎的核心加速机制，也是工程优化的主战场。KV Cache 是什么？KV 缓存（KV Cache, Key-Value Cache）是大语言模型（LLM, Large Language Model）推理加速的关键技术。它的核心思想是：把历史 token 的 Key / Value 保存下来，在解码阶段复用，避免重复计…...
  • AI 网关
    AI 网关

    AI 网关

    AI 网关AI 网关是 AI 应用时代的“交通枢纽”，重塑智能服务的连接、治理与创新边界。AI 网关是 AI 原生应用体系中的入口控制平面。它位于模型推理服务、Agent 运行时与企业应用之间，通过协议抽象、模型路由、内容安全、Token 计量与工具治理，将复杂的模型生态收敛为稳定、可控、可观测的统一接口。它不是传统 API 网关的简单延伸，而是围绕推理延迟、流式传输、长连接、模型异构及工具爆炸等…...
  • 概述
    概述

    概述

    AI 原生基础设施概览AI 原生基础设施正推动云原生与智能化深度融合，成为新一代应用创新的坚实基石。理解其架构与趋势，是每位云原生开发者迈向 AI 时代的关键一步。AI Infra 全景图与核心组件AI Infra（AI 原生基础设施）是支撑生成式 AI 应用的新一代技术栈，融合了模型推理引擎、数据检索组件和云原生技术，为智能应用提供高效、可扩展的运行环境。从宏观上看，AI Infra 栈主要包括…...
❯
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索

  • 扫码打开当前页

返回顶部