大模型

【Python】Python 基本概念更好的阅读体验：https://wiki.dwj601.cn/develop/back-end/python/basic-concepts/

深度解读 DeepSeek-OCR 论文：通过视觉模态实现高效文本压缩DeepSeek-OCR 论文：DeepSeek-OCR: Contexts Optical Compression（上下文光学压缩）

美团龙猫大模型LongCat-Flash总结美团大模型之前很少被关注过，但是近期推出的龙猫大模型很受关注，来简单总结下龙猫做了什么样的事情。总的来说，LongCat-Flash是一个 560B的模型（28层、64个attention head），每个token激活18.6B～31.3B（平均27B）参数。模型在30天内完成超过20T个token的训练，同时推理速度可达每秒100 token，成本低至每百万个token输出只需0.7美元。为了让LongCat-Flash具有Agent智能，首先在混合数据集上进行大规模pre-train，随后针对

CoderJia程序员甲

GitHub 热榜项目 - 日榜(2025-11-12)生成于：2025-11-12共发现热门项目： 17 个榜单类型：日榜本期GitHub趋势显示AI代理开发与智能化工具成为绝对热点，开发者正积极构建能解决实际问题的代码驱动方案。谷歌开源的adk-go工具包和微软面向初学者的AI智能体教程，显著降低了构建复杂AI代理的门槛。同时，实用型工具如TrendRadar和LEANN聚焦信息过载与隐私保护，通过多平台聚合和本地化RAG技术，让用户能用自然语言高效分析热点并节省97%存储空间。此外，serverless-dns和Sunshine等项目体现了无服务器架构与

User Prompt 与 System Prompt：大模型沟通的“双引擎”机制深度拆解在企业推进大模型落地的过程中，一个高频出现的困惑是：“模型能力明明很强，为什么我用起来总是差一口气？”很多团队把问题归咎于模型选型、算力不足或数据质量，却忽略了最基础也最关键的环节——人与模型之间的沟通方式。提示词工程（Prompt Engineering）正是解决这一断层的核心桥梁。它不是玄学，也不是堆砌华丽辞藻，而是一套可学习、可复现、可优化的交互设计方法论。笔者在多个行业的大模型项目实践中反复验证：一个结构清晰、角色明确、边界合理的提示体系，往往比更换更强的底模带来更显著的效果提升。而要构建这样的体

CoderJia程序员甲

GitHub 热榜项目 - 日榜(2025-11-11)生成于：2025-11-11共发现热门项目： 14 个榜单类型：日榜本期GitHub热榜显示AI应用开发是核心焦点，Go与Python工具库备受关注。Google推出的adk-go为构建AI智能体提供了代码优先的Go框架，强调灵活性与可控性。微软开源的call-center-ai展示了AI代理在电话呼叫场景的实用化落地。同时，开源教材与多媒体资源库持续获得高星，反映开发者对知识共享及实用工具的热情。趋势表明，AI技术正从底层框架向具体业务场景快速渗透，注重代码可复现性和解决实际问题。

MCP驱动的Rgentic RRG（向量数据库+网络搜索）项目地址：Rgentic RRG效果展示：这是一个基于 MCP 协议的智能 RAG 工具，简单来说就是：

详解监督微调（SFT）：大模型指令遵循能力的核心构建方案监督微调（SFT）作为大模型从通用预训练迈向特定任务适配的关键环节，通过特定任务的标签数据集，让预训练LLM习得指令遵循能力，无需依赖海量特定领域数据即可实现任务适配。本文将从核心概念、数据处理、模型训练到评估体系，全面拆解SFT的实践逻辑与关键要点。

DeepSeek-OCR 部署、配置解析与测试完整指南DeepSeek-OCR 是 DeepSeek-AI 提出的用于探索视觉 2D 映射压缩长上下文可行性的视觉语言模型（VLM），由DeepEncoder（核心编码器，~380M 参数）和DeepSeek3B-MoE-A570M 解码器（激活 570M 参数）构成；其核心优势在于 DeepEncoder 通过串联窗口注意力（SAM-base）、16× 卷积压缩器与全局注意力（CLIP-large），实现高分辨率输入下的低激活内存与高压缩比，实验显示在 Fox 基准上压缩比 < 10× 时 OCR 精度达

不叫猫先生

基于华为昇腾CANN的自定义算子开发昇腾CANN，作为异构计算架构的核心组件，具有以下特性：在大模型推理中，Attention机制通常由多个基础算子组成（MatMul、Softmax、Dropout等），导致频繁的内存读写。我们将开发一个融合Attention算子，减少内存访问，提升性能。

【AI应用探索】-7- LLaMA-Factory微调模型我们统一使用conda来管理我们的python环境创建python环境为3.10的conda环境并激活

CoderJia程序员甲

GitHub 热榜项目 - 日榜(2025-11-07)生成于：2025-11-07共发现热门项目：13 个榜单类型：日榜本期GitHub热榜集中体现了AI自主化与开发工具生态的双重热潮。AI领域中，BettaFish、LocalAI与Skyvern等项目引领多Agent智能体、自主浏览器自动化和本地AI替代方案的趋势，显示出社区对可控、安全、自主的AI方案需求增长；NocoBase与OpenTUI则强化了低代码与终端UI的灵活开发理念，推动应用构建的轻量化与可扩展化；同时，How-To-Secure-A-Linux-Server与LocalStack等项目体

1024开发者节：开源发布，引领生态繁荣技术浪潮奔涌的时代，人工智能正以前所未有的速度深刻改变世界。2025科大讯飞全球1024开发者节汇聚了全球优秀开发者与产业力量，全景呈现人工智能前沿技术、产品创新与行业应用。从「技术突破」奔赴「产业共生」，从「应用创新」迈向「人才培养」，讯飞持续引领中国人工智能产业发展。

哥本哈士奇(aspnetx)

实现AI和BI整合的初步思路和探索-Part2在上一篇中我提到了一个B站最新的一个LangChain 1.0的SQL Agent的视频，通过提供给SQL Agent的tools，可以引导大模型先查看数据库下都有哪些表，然后查看指定表的结构，最后再将这些相关表关联在一起生成查询，完全符合我们在处理相应问题时的处理逻辑。这种场景在处理简单问题或者数据结构比较简单的时候，没有问题，但是当我们的相应表的关联逻辑如果比较复杂，我们很难相信也很难指定让大模型能生成正确的查询时，有什么解决方案吗？这个时候我们就要结合AI+BI的能力，也就是让大模型和DWH一起

KG_LLM图谱增强大模型

突破AI助手成本壁垒：知识图谱思维架构让小模型实现大性能https://github.com/spcl/knowledge-graph-of-thoughts

[特殊字符] 深入解构 Assistants API：从“黑盒”抽象到“显式”控制的架构演进与终极指南OpenAI 已宣布 Assistants API 将被 Responses API 所取代，并计划于 2026 年 8 月 26 日关停 [1]。然而，正如许多开发者所观察到的，该 API 的架构范式在行业中的重要性不减反增 [3]。

AUTOACT论文翻译论文题目：AUTOACT: Automatic Agent Learning from Scratch for QA via Self-Planning 发表会议：ACL 2024（第62届国际计算语言学协会年会，ACL 2024，Long Papers）发表时间：2024年8月11-16日团队：浙江大学、蚂蚁集团知识图谱联合实验室、AIWaves Inc.、阿里巴巴集团

Claude Agent Skills：一种基于 Prompt 扩展的元工具架构随着大型语言模型（LLM）能力的不断增强，如何高效、可控地扩展其功能成为一个关键课题。Anthropic 的 Claude Agent Skills 系统提供了一种创新的解决方案。这篇文章是对 Claude Agent Skills 的原理性深度解析，揭示了其作为一种基于 Prompt 的元工具架构如何通过专门的指令注入来扩展 LLM 的能力。与传统的函数调用（Function Calling）或代码执行不同，Claude Skills 不运行可执行代码，而是通过修改会话上下文（Conversation

【大模型学习4】大语言模型（LLM）详解在前三章中，我们从自然语言处理（NLP）的基础概念出发，逐步深入到注意力机制和Transformer架构——这些引发NLP领域革命性变革的核心技术。随着Transformer的出现，NLP领域进入了预训练-微调的全新范式，一系列基于Transformer的预训练语言模型不断刷新各类NLP任务的性能上限。

哥本哈士奇(aspnetx)

实现AI和BI整合的初步思路和探索这些年AI火的一塌糊涂，很多行业和传统技术领域都在积极的跟其产生交集。 BI是一个20年前开始火起来的技术，跌跌荡荡这些年，如今虽然不是网红菜，但绝对是企业的必点菜。 AI的出现让很多东西跟人们越来越近，那么AI配合BI有没有搞头呢？