语言模型

如此这般英俊

手搓Claude Code-第二章 tool_use第二章，shareai讲述了给agent扩展工具的流程。完整代码见 https://github.com/shareAI-lab/learn-claude-code/tree/main/s02_tool_use 我们的任务是： 1，扩展四个工具，手把手感受整个过程 2，构建沙箱，了解沙箱为什么重要。 3，感受claude code处理并发的操作

MoE与Fengyu-Dense_架构对比及训练方案MOE 架构的基本思想是在传统 Transformer 模型中，将每个前馈网络（FFN）层替换为一个 MOE 层。一个 MOE 层通常由两个关键部分组成：

[论文学习]大型语言模型中个人可识别资讯（PII）的机器遗忘技术：UnlearnPII 基准与 PERMU 方法的分析Machine Unlearning of Personally Identifiable Information in LLMs (D. Parii et al., 2025, ACL/NLLP)

C# LLamaSharp部署大语言模型实例nuget安装 LLamaSharp、LLamaSharp.Backend.Cpu(或者Cuda版本)

大语言模型基础-语言模型与 Transformer 架构语言模型 (Language Model, LM) 是自然语言处理的核心，其根本任务是计算一个词序列（即一个句子）出现的概率。在多智能体系统中，语言模型是智能体理解人类指令、生成回应的基础。

【Agent智能体22 | 构建AI工作流的技巧-延迟、成本优化】声明：本篇博客是以吴恩达的【Agent智能体】教程为基础，并对其中的内容做了笔记整理以及个人收获的总结。

厌倦了假AI对话？本地 LLM 语音对话 + 口型同步系统 2.0（已开源！）系列文章：1.0 文字对话版上一篇文章介绍了如何在 UE4.27 中接入本地 LLM 实现 NPC 文字对话。本篇在此基础上，新增完整的语音链路：

【Agent智能体21 | 构建AI工作流的技巧-优化组件的常用方法】声明：本篇博客是以吴恩达的【Agent智能体】教程为基础，并对其中的内容做了笔记整理以及个人收获的总结。

多模态聚合API核心技术：如何统一处理文本、图像与语音请求当前AI产业已从单模态推理转向多模态融合应用，文本问答、图像识别、语音转写、视觉生成等能力成为企业AI业务的基础模块。多数企业的技术架构存在模型接口碎片化问题，文本、图像、语音模型分属独立API服务，具备不同的请求协议、参数规范、数据格式、返回结构与鉴权逻辑。

子非鱼@Itfuture

LM Studio 全解（定义、地址、配置、使用、功能、Ollama对比）类似Ollama的工具LM Studio是跨平台桌面可视化本地大模型运行软件，基于llama.cpp推理内核，主打图形化零代码本地部署GGUF/MLX格式大模型，无需命令行即可完成模型下载、加载对话、本地API服务、简易RAG文档问答，个人免费商用，面向新手、本地AI爱好者快速落地端侧LLM。

入门大模型工程师第十课----学习总结通过前面课程的学习，你已经从认识大模型开始，一步步知道怎么把任务讲清楚，怎么给 AI 补资料，怎么让 Agent 读文件、用工具、沉淀 Skill，也知道复杂任务做完后还要核对结果、守住安全边界。

那nvidia orim车载gpu tee安全飞地和天垓 100 gpgpu的飞地，大概有多大存储量，解密流程前提说明：英伟达 DRIVE Orin 与天数智芯天垓100 是两类完全不同的芯片。Orin 是车载 SoC（单片集成 CPU+GPU+安全引擎），天垓100 是数据中心 PCIe GPGPU 加速卡（需配合外部 CPU 使用）。两者的安全架构无法直接套用同一模板，必须分情况讨论。

RS-Claw & XSkill 深度分析现有RS Agent采用被动工具选择范式:RS-Claw的核心论点: Agent应该是工具空间中的主动探索者(active explorer)，而非被动接收者。

大模型任我行

蚂蚁：无师自通的视觉记忆增强📖标题：AtlasVA: Self-Evolving Visual Skill Memory for Teacher-Free VLM Agents 🌐来源：arXiv, 2605.17933v1

「自兹以往」动物肠道微生物组动物肠道微生物组由细菌、古菌、真菌、病毒与原生生物共同构成，是宿主演化、生理稳态及生态系统稳定性的关键基础。本文综述21世纪全动物类群肠道微生物组在物种多样性、时空分布规律与生理功能方面的研究进展。高通量宏基因组技术推动本领域快速发展，但现有研究存在明显采样偏倚：研究对象多集中于家养脊椎动物与粪便样品，野生动物、无脊椎动物及非细菌类群中仍存在大量未探明的「微生物暗物质」。本文系统阐述肠道微生物介导宿主适应低氧、温度胁迫、外源毒素等极端环境的作用，以及工业化活动破坏共生菌群、加剧生物多样性衰减与动物患病风险

第六章 MCP：把能力接入协议化Skill 解决的是系统内部的复用：一类任务反复出现时，系统怎样把局部经验收束成稳定协议，不再每次从工具原语重新拼装。但方法可以复用，并不等于能力已经可以迁移。能力仍然可能散落在不同宿主、不同工具栈、不同运行环境里：一个 Agent 会用，另一个 Agent 不会用；这个宿主已经接好了权限，另一个宿主还要重接一遍；同一套资源在本地能跑，换个环境又要重新适配。系统开始撞上的，不再只是“怎样复用方法”，而是“怎样复用能力接入本身”。

Memory-os 7 层记忆架构深度解析：让 Hermes Agent 真正 “记住并使用“ 知识久等啦，最近实在是有点忙，好久没更新，今天带新的干货来啦~最近在 Github 上看到一个给 Hermes-Agent 专门做的记忆升级系统 memory-os，三天648星，这个增速还是相当可观的。

龙侠九重天

C# 构建 AI Agent 系统 — 我的实践笔记📝 写在前面：这是一篇学习日记+实战笔记。我最近在研究如何用 C# 和 .NET 8 从零构建一个 AI Agent 系统。整个过程踩了不少坑，也积累了很多实战经验。于是我把整个学习过程和代码实现记录下来，分享给同样对 C# AI 开发感兴趣的同学。

把权重写死在芯片的架构 Taalas（HC1）芯片：车载 GPU / 智能驾驶 / 机器人 / 算力卡适配总结Taalas 不是通用GPU，是模型硬连线ASIC专用推理芯片（一芯片绑定一个固定大模型，HC1原生固化Llama3.1-8B），细分场景高度适配、全场景无法替代通用车载GPU，分三大场景拆解：

第五章从 Tool 到 Skill：认知复用如何发生上一章讨论的是连续性：系统怎样把一次任务里的局部结果、上下文和状态接起来，避免每一轮都从零开始。连续工作一旦真的出现，新的压力很快也会跟着出现。memory 能保存这次发生过什么，却不能自动回答下一次该怎样做。它更像库存，保存的是结果、线索和局部经验；可当同一类任务反复出现时，系统真正想复用的已经不只是某条结论，而是到达结论的方法。