语言模型

第 01 篇：OpenAI 兼容 API 初探 —— 用 curl 跑通第一次对话系列：《Java 大模型应用开发入门》第 01 篇。源码范围：mock-llm-server。这一篇一行 Java 都不写。

GPT-6 Astra 的能力数字与对齐声明：哪些能信近期多个来源同时描述 GPT-6 Astra。OpenAI 发布页列出“Astra在一次尝试中解决了 88.0% 的任务，在四次尝试中解决了 99.2% 的任务，而GPT‑5.6 的解决率分别为 55.9% 和 68.7%分别是Sol。” lesswrong 的《Estimating GPT-6 Astra’s no-CoT Time Horizon》把 50% TH 放在“Astra 的 50% TH 处于 [8 分钟，1 小时] 内，可能约为 15-40 分钟。” hn-frontpage 讨论循环

Idea 集成智能体开发工具“千问(qwen)”一.准备工作：1.下载idea开发工具必须2025.3版本及以上，2025.3版本以下不支持集成智能体开发。

第 09 篇：实践一 —— 文本摘要（Map-Reduce 分块）系列：《Java 大模型应用开发入门》第 09 篇。源码定位：文本摘要看起来是最简单的 AI 场景：一段文本进去，一段摘要出来，一个提示词的事。

豆包手机助手消费者版发布：首款量产 AI 智能体手机 9 月 16 日开售2026 年 9 月 14 日，字节跳动正式发布豆包手机助手消费者版。两天后的 9 月 16 日 14:00，首发机型努比亚 NaviX Ultra 正式发布并开售，被多家媒体称为「全球首款 AI 智能体手机」。硬件由中兴努比亚与字节联合研发。

第 05 篇：结构化输出 —— 让模型稳定返回 JSON系列：《Java 大模型应用开发入门》第 05 篇。源码定位：com.example.llm.util.AiJsonUtils、com.example.llm.dto.chat.ResponseFormat、com.example.llm.service.AiInvoker#chatJson、com.example.llm.prompt.Prompts。

AI Agent上线后怎么升级？先建立一套可回滚的变更控制AI Agent 上线后，最危险的改动往往不是大规模重构，而是看起来很小的调整：换一个模型别名、改两句系统提示词、增加一个工具参数，或者替换一批知识库文档。它可能修好一个样本，同时悄悄破坏另一个场景。

AI人工智能+

了一种融合OCR与大模型的文档抽取系统，解决传统OCR“识字不识意”的痛点你有没有过这样的经历：周一早晨刚坐下，面对桌上堆成山的采购合同、海外发票和法律文书，还没开始喝口水，心里就一阵发慌。眼睛盯着密密麻麻的文字，手指在键盘上机械地敲击，不仅腰酸背痛，还生怕看错一个数字导致后续麻烦不断。

AMD 395本地部署Qwen3.8-Flash-Next实测，端侧AGI时代也要来了过去一年，关于 AGI 的讨论，几乎都发生在云端。GPT-6 Astra 发布之后，"通用人工智能"这四个字，第一次从发布会 PPT 里，走到了真实产品里。

基于 OKF 知识图谱的 Text2SQL 领域知识注入实践——半导体晶圆厂数据资产知识库 MVP 剖析关键词：Text2SQL · OKF（Open Knowledge Format）· 知识图谱 · 隐性知识 · 半导体 Fab / 晶圆厂 · Streamlit · LLM · RAG · 数据资产知识库 GitHub：https://github.com/BumbleBee-ZDS/fabwiki

第 03 篇：Java HttpClient 手写第一个 Chat 请求系列：《Java 大模型应用开发入门》第 03 篇。源码定位：com.example.llm.client.SimpleHttpAiClient、com.example.llm.controller.DebugController。

Codex 桌面版通过 SSH 访问 Docker 编译环境本文说明如何让 Windows 上的 Codex 桌面版通过 SSH 连接 WSL/Docker 中的 Ubuntu 编译容器，并在容器内读取代码、执行命令和使用编译工具。

医疗人工智能项目全生命周期管理系统：监管知识建模、工程实现与实证评估(上)背景与问题。医疗人工智能（以下简称医疗AI）正以前所未有的速度进入中国医院的服务与管理流程，但其在医院场景的落地受到药监（医疗器械属性与注册）、卫健（医疗质量与伦理）、网信（算法与生成式AI备案）、数据与网络安全（三法一等保）四条监管主线的并行约束。医院作为医疗AI应用的落地主体与责任主体，普遍面临三重治理困境：其一，监管知识分散于数十部法律、法规、规章、标准与政策文件之中，跨部门、跨层级、跨领域，医务与信息化管理人员难以形成完整的合规视图；其二，医疗AI项目的合规义务高度依赖项目特征（是否处理医疗器械数

联邦学习（Federated Learning, FL）联邦学习是一种分布式机器学习框架，核心原则是「数据不出本地，模型协同训练」：多个数据持有方（客户端）在不共享原始训练数据的前提下，共同训练一个全局模型；训练过程中仅在客户端与中央服务器之间传输模型更新（参数、梯度或适配器），由服务器完成聚合迭代，最终所有客户端共享一个统一的全局模型。

CLIP 图文对齐：先核对正样本，再相信检索分数开源 AI 论文复现实验与代码解读 · 第五轮 / 071 面向研究生、科研新人和工程型研究者；检索与实验日期：2026-09-12。

VLM 读图评测：先审计评分器，再判断读错还是算错开源 AI 论文复现实验与代码解读 · 第五轮 / 072 面向研究生、科研新人和工程型研究者；检索与实验日期：2026-09-13。

Merge、Ensemble 与 Cooperate：一文读懂大语言模型协同本文是对论文《Merge, Ensemble, and Cooperate! A Survey on Collaborative Strategies in the Era of Large Language Models》的中文解读。论文：Jinliang Lu、Ziliang Pang、Min Xiao、Yaochen Zhu、Rui Xia、Jiajun Zhang，arXiv:2407.06089v1，2024 年 7 月。原文链接：arXiv:2407.06089

【大模型】Win11 部署 DeepSeek+ RAGFlow0.27.2 （Ollama方案，断网可用）最终版脚本下载： https://download.csdn.net/download/cnxzzcn/93430748

LoRA基础它最初由Hu等人在2021年提出，原本用于解决大模型全参数微调算力成本高、易灾难性遗忘、多任务切换困难的问题，现在已经成为联邦大模型微调、端侧微调、轻量化定制的核心技术底座。

使用Ollama本地部署和测试Kimi、GLM等多款大语言模型实战本文摘要：你是否想在本地快速部署和对比不同的大语言模型？本文将介绍如何利用 Ollama 这一开源工具，通过统一的命令行接口，高效地在本地部署和测试多款主流大模型。开发者在进行模型选型或应用原型开发时，常需要在本地环境中部署和测试多个模型（如 Qwen、DeepSeek）。传统方式下，每个模型都有其独立的仓库、下载链接和运行脚本，导致环境管理复杂。 Ollama 解决了这一问题。