大模型

对两种不同AI范式——Transformer 和 LSTM 进行解剖和对比这不仅仅是两个模型的比较，更是两种AI范式的对话。1. LSTM：门控的精密流动 LSTM像一个带有精密控制阀的水库系统，其核心在于 “门” 对信息流的调控：

和你一起去月球

Agent 应用开发与落地学习总结AI Agent 和 Agentic AI 的区分：python 示例如下所示：LLM 会识别用户需求，调用get_weather工具，输出包含 “location: Paris, France” 参数的工具调用指令，示例如下：

三千世界006

Claude Code Agent Skills 自动发现原理详解Agent Skills 的自动发现采用声明式、基于提示的发现系统，通过语言模型推理来判断何时使用哪个技能，而非传统的算法匹配或规则引擎。

CoderJia程序员甲

GitHub 热榜项目 - 日榜(2026-1-15)生成于：2026-1-15共发现热门项目： 8 个榜单类型：日榜本期GitHub热榜显示AI应用开发依然是核心焦点，技术热点集中在智能体评估、多模态数据处理和实用工具开发。τ²-Bench和Inspect AI提供了专业的大模型评估框架，而ART项目则推动智能体在真实任务中的强化学习实战。Buzz凭借离线的音频转录与翻译功能获得高关注，Chandra项目专注于复杂文档OCR，展现了多模态理解的工程需求。同时，MediaCrawler等数据爬虫工具和知识图谱生成器凸显了数据供给与结构化在AI链路中的关键作用

OCR发票识别在 Dify 中实现 OCR 发票识别时，一般有两种方式：核心是通过 “工作流（Workflow）” 串联图像处理、OCR 文本识别、结构化信息提取三个核心环节，输入图像 → OCR 转文本 → 大模型结构化 → 校验输出

Datawhale Happy-LLM 课程 task 1和2：NLP基础概念此博客为Datawhale 组队学习打卡笔记[1] https://github.com/datawhalechina/happy-llm

大模型扫盲式面试知识复习（一）在处理一个句子时，模型需要知道每个词与其他词的相关程度。例如，在“The cat sat on the mat”中，“sat”这个动作主要和谁相关？是“cat”还是“mat”？自注意力就是要量化这种内部依赖关系。

Token：AI 时代的数字货币——从原理到计费全解Go 系列博文的最近一口气写了十篇（王婆卖瓜下，全是干货）。这一次换个方向，紧跟技术趋势，聊一个几乎所有 AI 应用都绕不开、却经常被一笔带过的概念——Token。

Milvus向量数据库/ˈmɪlvəs/百亿级，分布式，毫秒级检索，低延迟、高并发，支持百万维度；支持多模态(文本、图片、视频、音频)各种非结构化数据的向量存储，支持混合检索、多向量类型（稠密向量、稀疏向量）；

KG_LLM图谱增强大模型

知识图谱的演进：从静态到动态、时序与事件的全景综述本文系统综述了知识图谱的演进历程，涵盖静态、动态、时序和事件知识图谱四大类型，深入探讨知识抽取与推理技术的发展脉络，并结合金融分析等实际应用案例，展望知识工程与大语言模型融合的未来方向。

使用iFlow CLI创建自定义Command：网页文章下载与翻译工具作者：JAX作为技术人员，我经常需要阅读海外技术文章和文档。由于英文水平有限，通常需要通过浏览器插件进行翻译。同时，为了长期保存有价值的内容，需要将喜欢的文章收藏到本地。

Dify内网离线部署1、dify-1.3.0源码、及核心镜像包docker-compose.yaml配置文件中，查看需要的镜像，前几个必要、后几个按需加载

互联网开发者

资深程序员白话干货AI工具技术作为资深架构师，您对AI代码工具的深入对比和推荐是非常有价值的。以下是对市面上主流AI代码工具的简要分析与使用场景建议，供您在博客中参考：

【深度硬核】大模型白盒蒸馏：原理、架构与实战详解摘要：在LLM（大语言模型）“参数爆炸”的今天，如何让小模型拥有大模型的智慧？**知识蒸馏（Knowledge Distillation, KD）**是关键技术之一。不同于仅利用API返回结果的“黑盒蒸馏”，白盒蒸馏通过利用大模型的完整内部状态（Logits、Hidden States、Attention Maps），能更高效、更精准地完成知识迁移。本文将带你深入白盒蒸馏的内部世界。

AGI-Next前沿峰会——对于唐杰教授提到的AI下一步方向的“两条思路一次取舍”的思考（思路分析+通俗易懂解释）思考来源原句——唐杰教授：“当时摆在我们面前的，主要有两条思路：一条是围绕Thinking能力，结合Coding与Agent；

七牛云行业应用

重构实录：我删了 5 家大模型 SDK，只留了 OpenAI 标准库今天是 2026 年 1 月 12 日。如果你正在维护一个接入了 AI 能力的 Python 后端项目，我猜你的 requirements.txt 可能已经肿得看不下去了。为了同时兼容 DeepSeek V3 的高性价比和 GPT-5 的逻辑能力，你是不是引入了五六个厂家的 SDK？一旦某个接口出现 502 报错，整个服务就得挂。

CoderJia程序员甲

GitHub 热榜项目 - 日榜(2026-1-13)生成于：2026-1-13共发现热门项目： 12 个榜单类型：日榜本期热榜揭示了一个显著的技术趋势，即基于Rust的高性能全栈与跨端UI开发正成为业界新宠。以Dioxus项目为代表，它利用Rust的内存安全与卓越性能，旨在统一Web、桌面和移动端的开发体验，直接对标传统JavaScript技术栈。这不仅反映出开发者对突破Electron等框架性能瓶颈的迫切需求，更预示着Rust正从底层系统编程向更广阔的应用层快速渗透，为构建下一代高性能、高安全性的应用程序提供了极具潜力的解决方案。

claude code架构猜测总结Claude Code 本质 =「LLM 驱动的 Tool-Calling 循环」+「逐层外置的认知结构」模型是 Agent，本体代码只负责：约束、反馈、隔离、注入知识。

Offline RLHF-DPO/KTO/ORPO/SPO等偏好学习方法Offline RLHF 以 DPO 为代表，进一步发展出一系列 xPO 方法。相关工作在目标设计上做了多种改动：例如移除目标函数中的 reference 约束、引入长度惩罚项、或显式利用偏好数据中的偏好强度信息等。近期研究更多聚焦于在高噪声偏好数据下提升训练稳健性，以缓解分布漂移带来的性能退化；同时，也有工作开始系统分析 xPO 方法的退化现象，并通过对 logits/策略更新施加约束来稳定优化过程。

KG_LLM图谱增强大模型

知识图谱+大模型“驱动的生物制药企业下一代主数据管理：Neo4j知识图谱与GraphRAG及GenAI的深度整合制药行业主数据管理（MDM）面临数据复杂性和关系互联的挑战。本文探讨将Neo4j知识图谱与GraphRAG和生成AI整合的创新框架，提升数据准确性、一致性和可访问性。通过图谱数据库捕捉药物、患者和临床试验间的复杂关系，结合向量嵌入和检索增强生成，实现精准查询和模式发现。实验显示，该方法显著优于传统关系数据库，推动制药决策智能化。