大语言模型

开源AI写作助手Writely：私有化部署与架构解析最近在GitHub上看到一个挺有意思的项目，叫 anc95/writely 。乍一看这个名字，你可能会联想到Notion AI或者一些在线写作工具。没错，它的核心定位就是一个基于大语言模型的写作助手。但和那些需要付费订阅、功能封闭的SaaS产品不同， writely 是一个可以本地部署、私有化运行的开源项目。这意味着你可以把它架设在自己的服务器上，甚至是在本地电脑上，用它来辅助你完成各种写作任务，而你的所有数据、所有的写作内容，都完全掌握在自己手里。

powerelectricdog

Ollama部署Qwen2.5-32B：超简单AI写作工具搭建如果你经常需要写文章、做文案、或者处理各种文字工作，一定会遇到这样的困扰：思路卡壳、词不达意、或者效率太低。现在有了Qwen2.5-32B这样的AI大模型，这些问题都能得到很好的解决。

用 Playwright 和 LLM 实现自愈测试自动化Playwright 是一个用于 Web 自动化和端到端测试的开源框架。如果我们将他和LLM结合，就可以实现“自愈”的自动化测试，这样如果UI有了改动框架不再硬性失败而是在检测到失败之后分析当前的 DOM（Document Object Model），基于规则的策略自动恢复出一个能用的 locator。自愈遵循一条严格的三阶段 pipeline。

荔枝学Python

Agent设计最强书籍：它真的把Agent讲解的非常透彻！！由Antonio Gulli撰写，本书是一本全面的技术指南，系统介绍了现代人工智能系统中智能体（Agent）设计的核心概念与实用方法。

为什么 MCP 在协议层会有 prompt injection的问题：工具描述如何劫持 agent 上下文MCP（Model Context Protocol）当初被设计成 AI agent 的通用集成层，但它的架构有一个根本缺陷：

BM25 + Vectors：为什么真实 RAG 系统通常两者都需要RAG 是一个先选内容再做生成的系统；retriever 不搜索文档，它搜索 chunks。 chunks 有问题了那么检索还没开始就已经完蛋了，所以我们可以用结构感知切分修这一点，把标题、代码块、警告框保持在一起。

赋予智能体技能，让其胜任现实世界任务“技能”是一个包含 SKILL.md 文件的目录，该目录下还包含结构化的指令、脚本和资源文件夹，用于赋予智能体额外的能力。

Cc不爱吃洋葱

RAG最佳实践：用 ElasticSearch 打造AI搜索系统与RAG 应用全流程详解！今天这篇文章将介绍如何使用 Elasticsearch 搭建AI搜索系统和RAG应用系统。Elasticsearch 搭建 AI 搜索系统

不爱说话的我

SGLang吞吐量提升50%？GPU算力适配优化实战分析你有没有遇到过这种情况？好不容易把一个几十亿参数的大模型部署上线，结果发现并发一高，响应就慢得像蜗牛，GPU算力明明没用满，但吞吐量就是上不去。更头疼的是，很多业务场景不只是简单的问答，比如多轮对话、任务规划、生成结构化数据，这些复杂逻辑写起来麻烦，跑起来效率还低。

大数据无毛兽

通义千问3-14B镜像使用指南：Ollama WebUI集成实操手册你是不是也遇到过这些情况：想用大模型做长文档分析，但Qwen2-72B显存爆了；想部署推理服务，却发现Llama3-70B连双卡都吃不消；想商用又卡在许可证上，MIT和Apache协议反复对比到头秃……别折腾了，Qwen3-14B就是为你准备的“守门员”——不是参数堆出来的纸面王者，而是真正在RTX 4090单卡上稳稳跑满、128k上下文一次加载、双模式自由切换的实干派。

别被AI吓到！一文看懂AI到底是什么？这两年，不管你刷朋友圈、刷视频、看新闻还是逛B站，"AI"两个字无处不在。ChatGPT能写文章，Midjourney能画画，Sora能做视频，Claude Code、OpenCode可以写代码，还有各种AI能做PPT、陪孩子练英语……

小曾不摆烂

Agent经典论文——ReAct框架目录1、论文概述1.1 研究背景1.2 现有方法局限1.3 核心贡献1.4 摘要2、ReAct方法2.1 智能体与环境交互的一般设置

山科智能信息处理实验室

（KDD-2025）STH-SepNet：轻量化大模型与自适应超图融合方法主要内容：这篇论文提出了时空预测框架 STH-SepNet ，通过将时间建模与空间建模解耦，分别使用轻量化大语言模型捕捉时间趋势，并利用自适应超图建模动态空间依赖和高阶节点关系。实验表明，该方法在多个真实交通与城市出行数据集上取得了较优预测效果，同时保持较高计算效率。总体来看，论文证明了在时空预测任务中，合理的结构分工比单纯扩大模型规模更具实际价值。

2026年的 ReAct Agent架构解析：原生 Tool Calling 与 LangGraph 状态机ReAct（Reason + Act）架构要解决的问题是开放式研究里最经典的问题。本文要做的是一个 Research Brief Agent：会上网搜索、抓取真实 URL、压缩证据，最终产出一份带真实引用的结构化简报。重点不在于功能，而在于正确写法——不再依赖那种脆弱的 “Thought: / Action:” 字符串解析。

LangChain 还是 LangGraph？一个是编排一个是工具包现在介绍LangGraph 和 LangChain 的文章。每一篇的结论都差不多：简单流程用 LangChain，复杂的用 LangGraph。

【DeepSeek论文精读】18. DeepSeek-V4：迈入百万上下文的普惠智能]欢迎关注【AIGC论文精读】原创作品【DeepSeek论文精读】1. 从 DeepSeek LLM 到 DeepSeek R1 【DeepSeek论文精读】13. DeepSeek-Coder-V2: 突破闭源模型在代码智能领域的障碍【DeepSeek论文精读】18. DeepSeek-V4：迈入百万上下文的普惠智能

神州数码云基地

告别传统OCR瓶颈，DeepSeek-OCR如何重塑文档智能？在文档数字化与智能处理场景中，OCR技术至关重要。传统OCR在处理长文档与复杂版面时存在精度低、成本高的瓶颈。笔者在调研中发现DeepSeek-OCR推出“上下文光学压缩”范式，能高效编码长文本，被誉为AI的“JPEG时刻”。

LLM 幻觉的架构级修复：推理参数、RAG、受约束解码与生成后验证大型语言模型可以写代码、起草合同、总结论文，但它有一个致命缺陷：撒谎的时候极其自信。这就是我们所说的幻觉，它是一个跨层级的问题：推理参数、系统架构、生成策略、生成后验证、模型训练、持续评估，每一层都有份，所以不能把它当成单点问题来处理。

大语言模型 API Token 消耗深度剖析在调用大语言模型（LLM）API 时，Token 统计不仅是计费的唯一依据，更是评估模型推理深度、响应延迟及上下文窗口管理的关键指标。本文旨在通过源码解析，帮助开发者彻底理解 Token 的消耗逻辑。

Llama-3.2V-11B-cot镜像部署一文详解：解决torch版本冲突与依赖兼容问题你是不是也遇到过这种情况？好不容易找到一个功能强大的AI模型镜像，比如这个支持图像理解和逐步推理的Llama-3.2V-11B-cot，结果一运行就报错，各种版本冲突、依赖问题让人头疼。