sshipanoo

首页
博客
归档
标签

搜索

sshipanoo

把问题拆开，用实验和代码留下可以复查的答案。

vscode配置远程ssh开发环境

Windows -> Linux

2021-01-21技术

上一页37 / 37

sshipanoo

把问题拆开，用实验和代码留下可以复查的答案。

全部文章 · 标签

系列文章

H2O-ac 主题入门系列

快速入门
Guide

LVM 系列

Linux LVM 系列 1：基础
Linux LVM 系列 2：扩容

LobeChat 部署系列

进阶篇：数据库与存储
Docker 镜像构建

iSCSI专题系列

iSCSI基础

Python数据分析系列

Python四个基础分析库
Python数据清洗与预处理
Python探索性数据分析（EDA）
Python特征工程

vLLM 高性能推理系列

入门篇：基础部署与调优
进阶篇：LoRA 动态加载
进阶篇：投机解码加速
进阶篇：多模态模型部署

Docker 容器化系列

基础入门：安装与常用命令
Golang 项目容器化
测试数据库部署

Python 数据科学系列

概述篇：学习路线
数据分析库入门
数据清洗与预处理
探索性数据分析（EDA）
特征工程

Ollama 部署系列

本地安装
离线安装

机器学习基础系列

学习资源
核心概念
线性代数基础
概率统计基础
微积分基础
损失函数与优化
线性回归
多项式回归与正则化
逻辑回归
决策树
随机森林
支持向量机
K近邻算法
朴素贝叶斯
聚类算法
降维技术
模型评估指标
交叉验证
过拟合与欠拟合
超参数调优
神经网络基础
前馈神经网络
激活函数
反向传播
优化算法详解
批归一化
Dropout详解
卷积神经网络
循环神经网络
注意力机制
Transformer
迁移学习
实战项目
集成学习
XGBoost与LightGBM
自编码器
生成对抗网络
图神经网络
混合专家模型
强化学习基础
自监督学习
知识蒸馏
LoRA与参数高效微调
模型量化与剪枝
机器学习基础系列——梯度提升

LLM 应用开发系列

Embedding 嵌入向量
向量数据库
RAG 检索增强生成
Prompt Engineering
LangChain 框架
Agent 智能体
Function Calling
部署与优化
安全防护
对话记忆管理
Streaming 流式输出
LlamaIndex 框架
结构化输出
多模态 LLM 应用
LLM 评估与测试
多模型路由
缓存策略
成本优化
监控与可观测性
高级 RAG 技术
GraphRAG 知识图谱
长上下文处理
LLM 微调实战
本地模型部署
MCP 协议开发
AI 搜索引擎
代码生成与执行
文档智能处理
语音交互系统
多租户架构
Prompt 版本管理
混合检索策略
对话系统设计
内容审核与过滤
个性化推荐
知识库构建
AI 写作助手
实时协作
边缘部署

企业级RAG应用系列

架构总览
环境搭建与基础设施
数据库与向量存储
模型服务与推理

前端开发者的 AI 进阶之路

01. AI 入门：前端开发者的第一课
02. 调用大模型 API：从 fetch 到流式响应
03. Prompt 工程：让 AI 听懂你的话
04. Embedding 与向量：把文字变成数字
05. RAG：让 AI 回答你的专属数据
06. Function Calling：让 AI 调用你的 API
07. Agent 入门：从对话到自主行动
08. MCP 协议：Agent 的通用接口
09. 构建你的第一个 AI 聊天应用
10. 进阶方向：多模态、本地部署与成本优化
番外 1. LLM 简史：从 Transformer 到今天
番外 2. API 参数全解：temperature 到 logprobs
番外 3. Token 的秘密：BPE、中文更贵、怎么省
番外 4. 上下文窗口进化史：KV Cache 与长上下文
番外 5. 幻觉与开源崛起：LLM 的两个关键议题

Python 新手的 AI 进阶之路

01. AI 入门：Python 新手的第一课
02. 调用大模型 API：从 requests 到流式响应
03. Prompt 工程：让模型稳定输出你要的结果
04. 结构化输出：用 Pydantic 把 LLM 变成稳定的函数
05. Embedding 与向量：把文字变成数字
06. RAG 实战：搭建一个能回答你文档的本地知识库
07. Function Calling：让 LLM 调用你的 Python 函数
08. Agent 入门：从工具调用到自主循环
09. MCP 协议：Agent 的通用接口
10. 本地模型：用 Ollama 跑开源 LLM
11. 用 Streamlit 构建 AI 聊天应用
12. 进阶方向：评测、监控、成本与微调
番外 1. LLM 简史：从 Transformer 到 2026
番外 2. API 参数全解：temperature 到 logprobs
番外 3. Token 的秘密：BPE、中文为什么更贵
番外 4. 上下文窗口进化史与 KV Cache
番外 5. 幻觉与开源崛起
番外 6. 异步与并发：批量调用 LLM 的工程模式
番外 7. 提示词注入与防御
番外 8. 多模态入门：图像、语音与视频
番外 9. Embedding 的来龙去脉：从 one-hot 到向量空间
番外 10. Embedding 演化实战：从 TF-IDF 到 LLM 的 token 表
番外 11. 从 One-Hot 到 LLM：NLP 三十年的完整演化
番外 12. Embedding 模型选型实战
番外 13. 文本切分策略与 chunk_size 选择
番外 14. 向量数据库 Qdrant、混合检索与 Reranker
番外 15. RAG 评估方法：把感觉变成数字
番外 16. uvicorn --reload 与本地大模型的相处难题

Agent 模式手册：从最小循环到生产可用

01. Agent 是什么：从一次性 Function Call 到自主循环
02. ReAct：把 Agent 的思考显式化
03. 工具设计的艺术：粒度、命名、错误反馈与工具爆炸
04. Plan-and-Execute：先规划，再执行，失败时重规划
05. Reflection：让 Agent 自己挑毛病、自己改
06. Tree of Thoughts：从线性循环到搜索式推理
07. 记忆系统：短期对话、长期事实、过程记忆
08. 上下文工程：Agent 最难的不是推理，是喂什么进去
09. 工具调用协议的分裂：OpenAI、Anthropic、Hermes
10. Hermes 3 实战：在 Ollama 上跑一个本地工具调用 Agent
11. 开源 Agent 全家桶：Hermes 3 + 向量库的离线 RAG-Agent
12. 多 Agent 协作：Orchestrator、Debate、Handoff 与它们的陷阱
13. Code Execution Agent：让 Agent 真的能写代码、跑代码
14. Browser & Computer Use：让 Agent 看屏幕、点鼠标
15. Human-in-the-Loop：什么时候让 Agent 停下来问人
16. 可观测性与评测：Agent 的 trace、replay 与回归测试
17. 生产化：上下文压缩、成本、延迟、失败恢复、安全边界
18. 框架世界观对比：Claude Agent SDK、LangGraph、CrewAI、Pydantic AI
19. LangGraph 状态机编排：让 Agent 的流程真正可控
20. LlamaIndex 数据侧深度：索引、检索、合成的分工
21. Benchmark 全景：SWE-bench、AgentBench、τ-bench 怎么读
22. Agent 安全边界：Prompt Injection、权限最小化、沙箱逃逸
23. Agent 失败模式分类学：为什么它总在你不期待的地方崩

Code as Agent Harness：代码是 Agent 的脊梁

01. 代码是推理的外包地：Program of Thoughts 与 Chain of Code
02. 代码还是文字？CodeSteer 与推理模式的动态选择
03. 从执行反馈中学习：CodeRL 与迭代自修正
04. Voyager：用代码探索开放世界的终身学习 Agent
05. CodeAct：把代码执行变成通用 Agent 的动作空间
06. Self-Debugging：让模型自己读报错、自己改代码
07. SWE-agent：把真实 GitHub Issue 变成 Agent 的考场
08. Reflexion：用语言反思替代梯度更新
09. LATS：把树搜索和语言反思结合起来
10. AlphaCodium：用测试驱动的迭代流程生成代码
11. AgentCoder：拆分角色，让代码生成和测试设计分开
12. MapCoder：用类比和检索辅助代码生成
13. InterCode：把交互式编程环境变成强化学习的训练场
14. 代码 Agent 的设计模式：前 13 篇的横向梳理
15. 代码 Agent 的安全边界：沙箱、权限与提示注入
16. 大代码库的上下文管理：Agent 如何在百万行代码里找路
17. 代码 Agent 评测方法的设计反思
18. 多模态代码 Agent：视觉输入加入代码生成的工作流
19. Agent 框架横向对比：LangGraph、AutoGen、CrewAI、OpenHands
20. 模型自身能力对 Agent 表现的影响

Claude Code 实战手册（从 WSL 到进阶）

01. 从 Copilot 到 Claude Code：为什么值得换
02. 安装 WSL2：Windows 下的 Linux 开发环境
03. WSL 开发环境搭建：Node、Git、zsh、VS Code
04. 安装 Claude Code 并完成首次登录
05. 初次见面：项目初始化与 CLAUDE.md
06. 核心心智模型：上下文、权限与计划模式
07. 高效沟通：跳出 Copilot 式补全思维
08. 日常工作流：Bug 修复、新功能、重构、测试
09. 进阶武器：Slash Commands、Hooks、Subagents、MCP
10. 避坑与省钱：上下文管理与常见问题

AI 寓言集：用故事讲透五个核心概念

01. 图书馆里的低语（Self-Attention）
02. 雪夜下山的瞎子（Gradient Descent）
03. 完美的临摹学徒（Overfitting 与正则化）
04. 把世界搬上书架的图书管理员（Embedding）
05. 学了三年突然顿悟的少年（Grokking 与涌现）
06. 在雾中看潮水的渔夫（Bayes 推断）
07. 十口井的旅人（Multi-armed Bandit）
08. 同一双眼睛走遍全村（Convolution / CNN）
09. 学新手艺就忘旧的画师（Catastrophic Forgetting）
10. 画赝品的人和他的宿敌（GAN）
11. 一张照片骗过所有人的眼睛（Adversarial Examples）
12. 翻山送信的邮差（Residual Connection）
13. 把老匠人装进一个孩子的梦里（知识蒸馏）
14. 山神的三个承诺（Reward Hacking / Goodhart）
15. 守门人和十个专家（Mixture of Experts）
16. 天生注定的那张彩票（Lottery Ticket Hypothesis）
17. 能把尘土还原成瓷瓶的人（Diffusion）
18. 够大的雨终会灌满湖（Scaling Laws / Emergence）
19. 会大声自言自语的棋手（Chain of Thought）
20. 一支笔里藏着五种颜色（Superposition / 机械可解释性）

实图小记：不写一行代码做一个 iOS app（连载中）

01. 我不会 Swift，但还是想做个 iPhone app
02. 搭场子：装 Xcode、注册账号、写一份 CLAUDE.md
03. 第一次发牌：从一句话到模拟器亮屏

Agent 评测手册：怎么判断一个 Agent 好不好

01. 评判一个 Agent，你到底在评判什么

LLM 进阶系列

01. API 调用没你想的那么简单
02. Prompt 不是玄学，是工程
03. Embedding 这水比你想的深
04. 你的 RAG 为什么回答得不好
05. Function Calling 用好了才叫工具调用
06. Agent 不只是套个循环
07. MCP：自己动手写一个 Server

模型是怎么训练出来的：从零写一个迷你 GPT

01. 模型到底在学什么
02. 把文字变成数字：分词与编码
03. 最简单的模型：先让训练循环运转起来
04. 反向传播：模型如何确定参数的调整方向
05. 注意力机制：让模型看见上下文
06. 构建完整的 GPT 结构
07. 完整训练：从随机输出到通顺文字
08. 从迷你 GPT 到 ChatGPT

向量数据库系列

01. 向量数据库到底是什么
02. 近似最近邻ANN算法
03. IVF与乘积量化PQ
04. FAISS实战
05. Chroma轻量入门
06. Qdrant与Weaviate
07. Milvus分布式向量库
08. 向量数据库选型与生产实践

模型推理优化系列

01. 推理为什么慢
02. 模型量化：INT8 与 INT4 的原理
03. GGUF 与 llama.cpp：把模型跑到 CPU 上
04. LoRA 与 QLoRA：低显存的微调方式
05. 知识蒸馏：把大模型的能力压进小模型
06. 推理引擎横评：vLLM、TGI、TensorRT-LLM、SGLang
07. 开源大模型上线：DeepSeek、Qwen、Mistral
08. 推理服务工程化：限流、批处理、监控、灰度

LLM 工程路线图

LLM 工程路线图：从概念理解到可运行系统
项目 1-2：Tokenizer、词表与 Embedding
项目 3-8：位置、注意力与 Transformer Block
项目 9-16：Decoding、KV Cache、长上下文与推理系统
项目 17-33：MoE、数据、后训练、评测、RAG、Agent 与安全
项目 34：十二周执行计划与 Capstone
34 个 LLM 工程项目验收清单
从零实现 tokenizer
embedding 与语义几何
位置编码（learned / sinusoidal / RoPE / ALiBi）
手写 scaled dot-product attention
扩展到多头注意力机制（Multi-Head Attention）
构建完整的 Transformer Decoder Block
Mini-former 训练实战：从随机扰动到文本预测
训练目标对比：Causal、Masked 与 Prefix LM
概率的剪裁：解码策略与采样 Dashboard
打破串行咒语：投机解码（Speculative Decoding）
显存的吞噬者：KV Cache 机制与显存预算
架构的进化：MQA、GQA 与 MLA 深度解析
跨越万词鸿沟：长上下文（Long Context）的系统性挑战与解法
频率的炼金术：RoPE Scaling 与长度外推（Extrapolation）
IO 感知的艺术：FlashAttention 的硬件级优化
硬件精算：显存带宽、算力与硬件预算（Hardware Budget）
稀疏性的调度艺术：实现双专家 MoE 路由（MoE Router）
计算的权衡：稠密（Dense）与稀疏（MoE）模型的全方位对比
线性序列的回归：状态空间模型（SSM）与线性注意力
文本的扩散：扩散语言模型（Diffusion LM）初探
文明的数字工业化：构建大规模预训练数据管线
自我进化的循环：合成数据（Synthetic Data）的生成、过滤与证明
预测未来的算力账本：缩放法则（Scaling Laws）与曲线拟合
灵魂的对齐：SFT、指令微调与偏好优化（DPO）
理性的驯化：从 RLHF、PPO 到 GRPO 的进化史
数字的炼金术：模型量化（Quantization）深度解密
吞吐量之王：Serving Stack 与推理引擎横评
拒绝虚假繁荣：构建严谨的模型评测（Evaluation Harness）
检索增强生成的艺术：工业级 RAG 架构拆解
构建 Tool Use 与 Agent Loop
多模态视觉语言桥接器（Vision-Language Adapter）
打开黑盒：机械可解释性（Mechanistic Interpretability）
防线与红队：构建 LLM 安全评估体系
终极试炼：构建你的私有化大模型系统（Capstone Project）

深入理解 AI Agent · Harness 工程笔记

00. 导读：从感觉驱动到原则驱动
01. Agent 入门与 Harness
02. 上下文工程
03. 记忆与知识库
04. 工具设计
05. Coding Agent 与代码元能力
06. Agent 评估
07. 模型后训练
08. 自我进化
09. 多模态与实时交互
10. 多 Agent 协作

Agent 运行时实验室：从抓包到可重放系统

00. 导读：从一次抓包进入 Agent 运行时
01. 系统提示词是怎样被组装出来的
02. Prompt 长度、上下文增长与缓存成本
03. Prompt 注入发生在哪一层
04. 工具 Schema 怎样改变 Agent 的行为
05. 模型调用工具之后，运行时发生了什么
06. 工具结果应该怎样回填给模型
07. 并行工具调用真的更快吗
08. Agent 为什么需要状态机
09. Agent 权限不是 allow 和 deny 两个值
10. 如何防止有副作用的操作重复执行
11. Agent 的错误应该在哪一层处理
12. 上下文、摘要和长期记忆不是一回事
13. 多 Agent 的价值不是同时运行多个模型
14. 怎样记录一条可以重放的 Agent 轨迹
15. 怎样评测一个 Agent，而不是评价最终回答
16. Agent 上线前怎样设计回归测试集
17. 怎样给 Agent 做一次故障演练

从灾备走向数据中心建设

00. 导读：从灾备走向数据中心建设

RSS · 使用条款 · 本站已运行天小时分

总浏览量 · 总访问量

为了提升本站的使用体验和必要功能的正常使用，本站会使用本地 Cookie。详细请查看« 本站使用条款 »了解更多。