置顶文章

• 2026-01-20 文档处理与训练数据生成详解

• 2026-01-11 企业级RAG应用系列(1)：架构总览

• 2025-03-15 机器学习基础系列——前馈神经网络

• 2025-01-20 vLLM 高性能推理系列——入门篇

• 2025-01-16 Python 本地知识库部署（仅 CPU）

• 2025-01-03 Cursor AI 编程助手体验

• 2025-01-02 Ollama 部署系列——本地安装

• 2024-08-22 LobeChat 部署系列——进阶篇

2026

• 04-27 番外 5：幻觉与开源崛起——LLM 的两个关键议题

• 04-26 番外 3：Token 的秘密——BPE、中文更贵、怎么省

• 04-26 番外 4：上下文窗口进化史——KV Cache 与长上下文

• 04-25 番外 1：LLM 简史——从 Transformer 到今天

• 04-25 番外 2：API 参数全解——从 temperature 到 logprobs

• 04-24 进阶武器：Slash Commands、Hooks、Subagents、MCP

• 04-24 避坑与省钱：上下文管理与常见问题

• 04-23 高效沟通：跳出 Copilot 式补全思维

• 04-23 日常工作流：Bug 修复、新功能、重构、测试

• 04-22 初次见面：项目初始化与 CLAUDE.md

• 04-22 核心心智模型：上下文、权限与计划模式

• 04-21 WSL 开发环境搭建：Node、Git、zsh、VS Code

• 04-21 安装 Claude Code 并完成首次登录

• 04-20 从 Copilot 到 Claude Code：为什么值得换

• 04-20 安装 WSL2：Windows 下的 Linux 开发环境

• 04-19 构建你的第一个 AI 聊天应用

• 04-19 进阶方向：多模态、本地部署与成本优化

• 04-18 Agent 入门：从对话到自主行动

• 04-18 MCP 协议：Agent 的通用接口

• 04-17 RAG：让 AI 回答你的专属数据

• 04-17 Function Calling：让 AI 调用你的 API

• 04-16 Prompt 工程：让 AI 听懂你的话

• 04-16 Embedding 与向量：把文字变成数字

• 04-15 AI 入门：前端开发者的第一课

• 04-15 调用大模型 API：从 fetch 到流式响应

• 01-11 企业级RAG应用系列(2)：环境搭建与基础设施

• 01-11 企业级RAG应用系列(3)：数据库与向量存储

• 01-11 企业级RAG应用系列(4)：模型服务与推理

2025

• 11-25 机器学习基础系列——模型量化与剪枝

• 11-24 LLM应用开发——安全防护

• 11-22 LLM应用开发——部署与优化

• 11-20 Docker 系列——测试数据库部署

• 11-20 LLM应用开发——Function Calling

• 11-20 机器学习基础系列——LoRA与参数高效微调

• 11-19 Docker 系列——Golang 项目容器化

• 11-18 Docker 系列——基础入门

• 11-18 LLM应用开发——Agent智能体

• 11-16 LLM应用开发——LangChain框架

• 11-15 机器学习基础系列——知识蒸馏

• 11-14 LLM应用开发——Prompt Engineering

• 11-10 LLM应用开发——RAG检索增强生成

• 11-10 机器学习基础系列——自监督学习

• 11-05 LLM应用开发——向量数据库

• 11-01 LLM应用开发——Embedding嵌入向量

• 11-01 机器学习基础系列——强化学习基础

• 10-29 LLM应用开发——监控与可观测性

• 10-28 LLM应用开发——成本优化指南

• 10-27 LLM应用开发——缓存策略详解

• 10-26 LLM应用开发——多模型路由与协作

• 10-25 LLM应用开发——LLM评估与测试

• 10-24 LLM应用开发——多模态LLM应用

• 10-23 LLM应用开发——结构化输出

• 10-22 LLM应用开发——LlamaIndex框架

• 10-21 LLM应用开发——Streaming流式输出

• 10-20 LLM应用开发——对话记忆管理

• 10-20 机器学习基础系列——图神经网络

• 10-15 机器学习基础系列——生成对抗网络

• 10-01 机器学习基础系列——自编码器

• 09-29 LLM应用开发——语音交互系统实战

• 09-28 LLM应用开发——文档智能处理实战

• 09-27 LLM应用开发——代码生成与沙箱执行

• 09-26 LLM应用开发——AI搜索引擎实战

• 09-25 LLM应用开发——MCP协议开发

• 09-24 LLM应用开发——本地模型部署

• 09-23 LLM应用开发——微调实战指南

• 09-22 LLM应用开发——长上下文处理策略

• 09-21 LLM应用开发——GraphRAG与知识图谱

• 09-20 LLM应用开发——高级RAG技术详解

• 09-19 LLM应用开发——边缘计算与端侧部署

• 09-18 LLM应用开发——实时协作与流式交互

• 09-17 LLM应用开发——AI写作助手实战

• 09-16 LLM应用开发——高质量知识库构建指南

• 09-15 LLM应用开发——AI个性化推荐系统

• 09-15 机器学习基础系列——混合专家模型

• 09-14 LLM应用开发——内容审核与安全过滤

• 09-13 LLM应用开发——对话系统设计模式

• 09-12 LLM应用开发——混合检索策略深度解析

• 09-11 LLM应用开发——Prompt版本管理与工程化

• 09-10 LLM应用开发——多租户架构设计

• 09-01 机器学习基础系列——实战项目

• 08-31 VS Code Copilot 系统提示词解析

• 08-15 机器学习基础系列——迁移学习

• 08-01 机器学习基础系列——Transformer

• 07-15 机器学习基础系列——注意力机制

• 07-01 机器学习基础系列——循环神经网络

• 06-29 MCP：模型上下文协议详解

• 06-15 机器学习基础系列——卷积神经网络

• 06-01 机器学习基础系列——Dropout详解

• 05-15 机器学习基础系列——批归一化

• 05-01 机器学习基础系列——优化算法详解

• 04-15 机器学习基础系列——反向传播

• 04-09 LobeChat 部署系列——Docker 镜像构建

• 04-01 机器学习基础系列——激活函数

• 03-01 机器学习基础系列——神经网络基础

• 02-17 如何保护你部署的服务

• 02-15 机器学习基础系列——超参数调优

• 02-01 DeepRAG 论文解读

• 02-01 机器学习基础系列——过拟合与欠拟合

• 01-23 vLLM 高性能推理系列——多模态模型部署

• 01-22 vLLM 高性能推理系列——投机解码加速

• 01-21 vLLM 高性能推理系列——LoRA 动态加载

• 01-19 DeepSeek 微调实战（Unsloth）

• 01-17 Ray 分布式训练实践

• 01-15 机器学习基础系列——交叉验证

• 01-15 Python 数据科学系列——特征工程

• 01-04 Ollama 部署系列——离线安装

• 01-02 Linux 服务器压测

• 01-02 XFS系统快照挂载问题

• 01-01 机器学习基础系列——模型评估指标

2024

• 12-28 Linux LVM 系列 1

• 12-28 Linux LVM 系列 2

• 12-24 CPU 环境下的模型微调

• 12-20 机器学习基础系列——降维技术

• 12-15 机器学习基础系列——聚类算法

• 12-02 PolarDB-X

• 12-02 DDoS攻击

• 12-02 对象存储的域名详解

• 12-01 机器学习基础系列——支持向量机

• 11-25 机器学习基础系列——XGBoost与LightGBM

• 11-20 机器学习基础系列——集成学习

• 11-15 机器学习基础系列——梯度提升

• 11-12 如何备份你的数据

• 11-01 机器学习基础系列——随机森林

• 10-15 机器学习基础系列——决策树

• 10-01 机器学习基础系列——朴素贝叶斯

• 09-21 Python 依赖包安装方式概述

• 09-21 Python分析微信数据库

• 09-21 Python&PIP安装问题总结

• 09-15 机器学习基础系列——K近邻算法

• 09-01 机器学习基础系列——逻辑回归

• 08-26 mac使用windows的硬盘空间

• 08-26 Mac和Windows之间实现键鼠自由

• 08-24 MinIO 本地安装配置

• 08-23 LobeChat 部署系列——鉴权篇

• 08-23 Windows将命令封装为后台服务

• 08-21 LobeChat 部署系列——基础篇

• 08-19 LobeChat 部署系列——数据备份

• 08-15 机器学习基础系列——多项式回归与正则化

• 08-01 机器学习基础系列——线性回归

• 07-26 linux启动进入救援模式

• 07-20 机器学习基础系列——损失函数与优化

• 07-10 机器学习基础系列——数学基础：微积分

• 07-06 logstash

• 07-06 ncdu

• 07-01 机器学习基础系列——数学基础：概率统计

• 06-20 机器学习基础系列——数学基础：线性代数

• 06-15 iSCSI target 系列 3

• 06-12 iSCSI target 系列 2

• 06-10 机器学习基础系列——核心概念

• 06-10 iSCSI target 系列1

• 06-08 Protect your VPS from being hijacked.

• 06-01 机器学习基础系列——学习资源

• 05-02 人工智能术语中英文对照表

• 05-02 川西之四姑娘山

• 05-02 川西之墨石公园

• 05-01 川西之甲居藏寨

• 04-04 鹅项岭

2023

• 12-02 Python 数据科学系列——数据分析库

• 12-01 Python 数据科学系列——概述篇

• 11-03 Python 数据科学系列——探索性数据分析

• 11-02 Python 数据科学系列——数据清洗与预处理

2022

• 04-29 Test en

2021

• 12-22 H2O-ac theme for Jekyll

• 01-23 vscode中的snippet使用

• 01-21 vscode配置远程ssh开发环境