博客
文章与动态
为students and independent creators带来每日education内容。
用 CrewAI 搭建本地多智能体流水线
结合本地 Ollama 案例，讲解 CrewAI 的 Agent、Task、Crew、Process.sequential 与后处理校验。
从 RAG 应用浅析 LlamaIndex 架构
以中文电影推荐 RAG demo 为例，贯穿 Document、TextNode、VectorStoreIndex、StorageContext、PGVectorStore 与 QueryEngine 六个对象，理解 LlamaIndex 如何组织 ingestion 与 query 流程。
从 DPO Alignment Demo 理解模型如何学会“偏好更好的回答”
结合 DPO_alignment_demo 案例，讲解 Alignment 在 LLM 生成链路中的位置，并拆解 DPO 的数据、操作与训练角色以及和 SFT 的差异。
LangGraph 工作流入门：从写故事 Demo 理解 Node、State 与 Edge
结合 LangGraph 写故事 Demo，拆解 Node、State、Edge 的概念与操作，理解 AI 工作流如何实现分支、循环、审核、重试和终止条件。
监督微调学习：从 SFT 到 LoRA 实战
结合 Llama 3.1 Colab LoRA 微调实验，讲解监督微调 SFT、Alpaca 数据格式、LoRA adapter、checkpoint 和训练前后对比。
现代智能体架构解析
从模型、工具、记忆、规划、执行与治理六个层级解析现代智能体架构，并通过旅行规划智能体示例说明 Agent 的工作循环。
将 MCP Proxy 引入到 API Call Demo 中
在不破坏原有 client-server 结构的前提下，为 Demo 加上一层可扩展的 MCP 工具调用路径。
从会聊天到会办事：AI Skill 与 Google Workspace
从 feature-release 示例出发，理解 AI Skill 的结构、运行方式，以及它与 Google Workspace 的结合。
个人网站的技术布局
从容器、反向代理和数据持久化，到备份与可回滚发布：一套适合个人网站的轻量技术布局。
Telegram 与其他社交媒体／通讯软件的对比
从云端同步、隐私模型和大型社区，到 Bot、Mini Apps 与 AI Agent：看清 Telegram、WhatsApp、Signal 和 Discord 的真实差异。
业界主流模型（如 GPT-4、Llama 3）公认的训练数据规模线
从千亿到数万亿 Token，理解主流大型语言模型的训练数据量级、数据配比、公开事实与行业估算。
以文件分析技能为例谈Skill架构
以文件分析技能为例，解释现代智能体如何通过 Metadata、SKILL.md、References 与 Scripts 的渐进式披露机制加载能力并完成任务。